AI 文字转视频
五个控制层级
| 层级 | 你能控制的内容 | 设置时机 | 之后还能改吗？ |
|---|---|---|---|
| 项目（第 1 步） | 类型、视觉风格、场景风格、服装风格、画面比例、目标地区、对白语言 | 剧本解析之前 | 不行。请用同一份剧本开新项目 |
| 角色阵容（第 2 步） | 名字、描述、图片、声音、服装状态、你自己的照片（会员） | 解析之后 | 可以。新镜头会套用新设置；旧片段在重新生成之前会保持旧的样子 |
| 集 | 片段长度：标准 15 秒或长镜头 30 秒 | 分镜生成时 | 每集 |
| 片段 | 档位（分辨率、画质、每秒价格） | 按下生成时 | 可以，逐次尝试生效，每个版本都会保留 |
| 镜头 | 秒数、画面中有谁、取景、镜头运动、氛围、台词 | 重新生成之前任何时候 | 可以，在文本中修改，免费 |
一个简单的原则：趁还免费时，由上往下逐层调整。项目那一层由一次解析决定，镜头那一层则靠打字决定。逐项说明设置。
风格：视觉、场景与服装风格
SceneMixer 的视觉风格决定每张图片和每个镜头如何绘制。默认风格分成 2D 动画、3D 动画、真人实拍与定格动画，另外也可以自定义风格。场景风格决定故事发生的世界，服装风格决定人物穿什么；两者都会随剧本一起解析。三者在你继续之后都会固定。以下是第 1 步中部分卡片的样子：
视觉风格：高清实拍
视觉风格：胶片实拍
视觉风格：合家欢3D动画
视觉风格：黏土定格
画面比例与长度
画面比例。 SceneMixer 中，16:9 横屏是电脑上的默认值，也是电影和大屏幕的建议选择，手机上则推荐 9:16；9:16 竖屏则适合以手机为主的竖屏短剧。它只影响视频：角色图片一律为竖屏，场景图片一律为宽屏幕。画面比例不影响价格，而且同一个项目不能混用两种比例。实际上，9:16 镜头取景较近，可以填满手机画面；16:9 镜头则会拉得更宽，呈现更多空间，也较适合一个镜头里有两人以上的情况。竖屏还是横屏。
长度。 一段片段最长 15 秒，若档位允许则可到 30 秒；其中的镜头秒数合计即为片段长度，超过档位上限的片段会在付费前就被拒绝。片段上限是天花板，不是目标值。对白大约每秒需要五个字。镜头秒数与时间安排 · 15 或 30 秒片段。
保持角色一致
SceneMixer 的每个角色是一个项目，对应一张已确认的图片和一种声音，凡是出现该角色的镜头，都由这个项目生成。最关键的控制在镜头文本中：用一个 @ 标签写明画面中有谁。写「一个女人转向窗边」，镜头就没有可以依附的对象；写「@玛拉 转向窗边」才有。若要添加服装或伤势，请为角色加入一个状态，并在适用的片段中选用它。每个镜头都是同一张脸 · 服装变化与场景状态。
分辨率与价格
分辨率属于 SceneMixer 的档位，不是另外的设置。默认档位为 480P，每秒 8 积分；万相 3.0 另外提供 720P（建议选择）与 1080P，其他模型系列则呈现不同的画质，有些还会有较短的片段。建议的做法是：先用默认档位起草，修正文本，然后再以你最终要交付的档位重新生成要交付的片段。更高的档位无法修好不好的镜头，修好它的是文本。如果在同一集中混用不同档位，合成时就得重新编码到同一个画布，画质会流失一代；如果所有片段都来自同一档位，视频流就会直接复制。该选哪一个画质档位 · 输出内容。
同样的文本，不同的设置
| 镜头文本相同 | 改变的设置 | 你会看到什么 |
|---|---|---|
| 两个人隔着厨房餐桌争执 | 9:16 而非 16:9 | 脸部取景更近，空间较少 |
| 相同 | 高清实拍而非黏土定格 | 每张角色图片与每个镜头都会有不同的画法 |
| 相同 | 长镜头 30 秒而非标准 15 秒 | 片段较少、较长；一次生成就能包含更多动作 |
| 相同 | 较高档位 | 更多像素或不同画风；动作不变 |
| 相同 | 在镜头中写入 @玛拉 | 镜头会以她的图片生成，而不是一张没有名字的脸 |
这也是本页的建议与 SceneMixer 的编辑器一致的原因：先确定项目那一层，因为它无法更改，然后再逐层往下。文本转视频 AI：撰写概要。
在 SceneMixer 从头到尾完成
- 剧本： 在 上传剧本 粘贴你自己的剧本，或在 AI 创作 中写下上面的概要，让它起草各集。
- 第 1 步： 类型选 电影；场景风格 中世纪城堡；服装风格 中世纪贵族；视觉风格 胶片实拍；目标地区；对白语言；16:9 横屏。然后解析剧本。
- 第 2 步： 在分镜之前，确认每位主角都是你想要的样子；角色阵容是每个镜头的生成依据。每个账号的前 15 张设定图免费。
- 分镜： 先生成第 1 集（你的第一部短剧免费），并在渲染任何内容之前先读一遍。每个片段只放一个地点。
- 视频： 用默认档位、每秒 8 积分生成，单个镜头单独修正，不要整集重做；最后合成整集再发布。
常见问题
在 AI 文本转视频生成器中，我能控制什么？
SceneMixer 的项目的类型、风格、画面形式与对白语言；角色；每集的片段长度；每个片段的档位；以及每个镜头的秒数、构图与人物。
剧本解析后，还能改视觉风格吗？
不行。继续之后，SceneMixer 的视觉风格就固定了。请用同一份剧本创建新项目，再选择另一种风格。
9:16 比 16:9 贵吗？
不贵。SceneMixer 的视频是按秒计价，不是按画面形状计价。
要怎么让角色保持一致？
SceneMixer 中，在角色出现的每个镜头中，都用 @ 标签点名。每个角色是一笔数据，对应一张图片与一种声音。
较高档位会让镜头变好吗？
SceneMixer 的较高档位改变的是分辨率与外观，而不是镜头里呈现的内容。请先修正分镜文本。
同一集可以混用档位吗？
可以。SceneMixer 的每个片段使用生成时选定的档位，但混用档位的拼接会重新编码，画质会有些损失。
一段生成的视频最长可以多长？
最长 15 秒，支持的档位可到 30 秒。更长的视频则是由多个 SceneMixer 的片段拼接而成。
要花多少钱？
SceneMixer 的默认档位的视频每秒 8 积分，合成每秒 1 积分；价格会在你按下按钮前显示。
更新于 2026 年 11 月 3 日