P Video 2 Pro Reference-to-Video：装好素材包，得到一个场景
P Video 2 Pro 用你的图片、片段和声音生成视频。如何准备参考素材包、写提示词，并保留你自己的配乐。
阅读约 1 分钟
可以把 P Video 2 Pro Reference-to-Video 想成一个在按下按钮前先装好的箱子。箱子里最多放九张图片、三段短视频和三段音频，最上面是一段提示词，说明要怎么使用它们。出来的是一段 5 到 15 秒的视频，分辨率为 480p 或 768p。箱子装得越用心，模型需要自己猜的就越少。
素材包里放什么
- 图片（最多九张）： 人物、产品、地点。每样想保留的东西放一张清晰的照片，胜过同一样东西的三张模糊照片。
- 首帧和尾帧： 两个单独的位置，适合你确切知道视频该如何开始或结束的时候。想让模型自己决定，就留空。
- 视频片段（最多三段，总共 15 秒）： 用来复制某种动作或运镜风格。在高级设置里。
- 音频片段（最多三段，总共 15 秒）： 一段人声、一段广告曲、场景应当跟随的声音。
不必样样都有。只写提示词也能用，提示词加两张图片是最常见的组合。只有在文字说不清动作时，再加视频片段。
在提示词里点名参考素材
提示词是必填的，它的任务是说明各部分如何拼在一起。模型会把它和你上传的内容一起读，所以直接指明即可：第一张图里的女人、那辆红色自行车、第三张照片里的街道。然后描述一个连续的动作和镜头的运动方式。
提示词
第一张图里的女人，穿着同一件橄榄绿大衣，推着第二张图里的红色自行车，走在第三张图里下雨的街道上。镜头以步行速度在她身旁跟拍。商店温暖的灯光倒映在水洼里。她停下来，抬头看天，露出微笑。提示词
完全保留第一张图里的瓶子：标签、瓶盖、颜色。它立在第二张图里湿漉漉的石头上，日落时分缓慢的海浪在周围涌动。镜头绕瓶子转半圈，停在标签上。提示词
第一张图里的卡通狐狸随着音频片段里的音乐跳舞，风格参照参考视频：快速的舞步、弹跳的脑袋、简单的平面背景。值得再看一眼的设置
- 画面比例： 从 16:9 到 9:16 共七种，或者留空，让视频适应你的参考素材。所有图片形状一致时，留空是不错的默认选择。
- 分辨率： 默认 768p，草稿用 480p。
- 模式： 默认 speed；如果可以等待并想少花钱，选 cost。
- 提示词扩写： 默认关闭；turbo 或 max 会把短提示词改写成更长的。素材齐了但只有一行文字时很有用。
- 保留音频： 把你的片段用作配乐。需要恰好一个音频文件，不能是两个或三个。
- Seed： 当你喜欢某个结果，想只改一个词而不改变其他部分时，把它固定下来。原因见 seed 详解。
什么时候更轻的模型就够了
如果你只有一张需要动起来的照片，参考素材包就多余了：P Video 2 Pro Image-to-Video 准备更少就能做到，基础知识见 照片转视频教程。如果你想让一张图准确复制舞者的动作，P Video Animate 指南 更贴近需求。
坦白说的局限
参考素材多，并不保证相像。画面里很小的脸、手和印刷文字仍会走样；如果提示词没有说清谁是谁，来自两张图的两个角色可能互换细节。超过 15 秒总时长的片段放不进去，请先剪短。而且这里 768p 是上限：要做大屏幕的成片，请看 模型页面 上的其他视频模型。想在多个场景中保持同一种风格，参考图片指南 里还有更多技巧。
常见问题
P Video 2 Pro 能接受多少参考素材？
最多九张图片（包括首帧和尾帧），另外最多三段视频和三段音频，每类总时长 15 秒。
可以用我自己的音乐当配乐吗？
可以。上传恰好一段音频并打开保留音频，视频就会播放你的文件，而不是新的声音。
视频的时长和清晰度是多少？
5 到 15 秒，以整秒计，默认 5 秒，分辨率为 480p 或 768p。
#视频#模型#参考生成视频
