什么东西喂得进去

一句话： 三个门，后面是同一条流水线。粘一段剧本，它变成短剧；传最多四张照片，它变成广告；传一段视频，我们把它读懂、再照读出来的东西重新做一部。文字有下限也有上限，图片只收 JPEG 和 PNG，视频是 MP4 / MOV、缺省不超过 5 分钟。

站上那几部示例全是从第一个门进来的——一段文字，别的什么都没有。

文字：最常走的那条

粘进去，或者扔个文件。我们读 .txt、.docx、.md、.markdown。.docx 是在你自己的浏览器里解成纯文本之后才发出来的，所以文档里的排版、图片、批注是被丢掉而不是被上传。

有下限：大约一百个字的正文。再少就没有东西可以拆成集。如果你只粘了一个网址，会收到一句专门的提示——我们不去抓网址，何况让我们的服务器去读别人的页面、再把结果算进你的账单，本来也不是你想要的。把正文粘进来。

也有上限，而且是直接拒绝，不是悄悄截断。长篇会走两次读的路子，上限因此高出一大截，应用会按你这段文字实际怎么读来套对应的上限。

之所以拒绝而不是截断，是因为截断不会自报家门。超长输入上实测到的失败形态是：交回来的东西看着是完整的、其实不是——五十集的书被拆成十集，全程没有任何报错。第一秒明确说不行，比一份看着像那么回事、你三步之后才发现的产物要好。

什么语言都行。界面语言、生产文档的语言、角色说话的语言是三件事，另有一篇专门讲它。

相机或设计软件给你什么就传什么——WebP、HEIC、PNG、JPEG 都行。你的浏览器会先解码、把透明通道铺成白底、再重新编码成 JPEG，然后才发出去一个字节。一条路径、没有例外，本来就合规的文件也走同一条。

所以落到我们这儿的永远是 JPEG 或 PNG：这两种是下游每一步都收的，而在门口就转好，意味着服务端只需要认一种字节形状，不必去信文件扩展名。把文件改名成 .jpg 蒙不过去。

唯一会被拒的是你自己的浏览器都打不开的文件——Safari 之外的 HEIC、SVG、相机 RAW——而且你在挑文件那一刻就知道，不是三步之后。

做广告时，同一个主体最多可以挂四张——不同角度、一个细节、用起来的样子。单张十兆，合计十六兆。它们会被免费读一次，在扣任何钱之前；读完会告诉你它认为这是什么东西，你可以在花钱之前改掉。

MP4 或 MOV，不超过三百兆，缺省不超过 5 分钟。传上来之后会被读：切成一个个镜头，把里面的人、地方、道具描述出来。

接下来那一步得说准。源片永远不会被交给视频模型。它只用来读懂；出来的东西是照着读出来的理解重新生成的——人是你自己的设定图，机位是新的，台词是重写的。成片不会长得像原片，也不是奔着像去的。

所以诚实的用法是你自己的素材，或者你握有权利的素材：一条想重做的粗剪、自己拍的参考、拿到授权可以改的东西。我们不在处理之前审查上传内容，所以权利这件事在你身上；我们的侵权通知流程对生成文件和分享链接一样适用。

读片是收费的，因为它是对切出来的每一个镜头真的发一次模型调用。之后的每一步照常一步一付，和别的短剧一样。

三个门后面是同一条流水线：读素材 → 产出角色 / 场景 / 物品 → 拆集 → 每集写分镜 → 逐段出视频 → 合成。广告和复刻只是多了一只手替你点「下一步」。

所以不管从哪个门进来，编辑器长得一模一样；一篇写其中一条的教程，通常对另外两条也成立。

不能。我们不抓网址；粘链接会直接收到一句说明，而不是在后面某一步莫名其妙地失败。把正文复制进来。

长文走两次读的路子，上限高出一大截，应用会按你这段实际怎么读来套上限。再超就拆开——这个上限存在，是因为读超预算的产物交回来看着完整、其实悄悄丢掉了大半故事。

不用。浏览器会在上传前把你挑的图转成 JPEG，所以 WebP、HEIC、PNG 都行。只有浏览器自己都解不开的文件会被拒，而且在你挑文件那一刻就告诉你。

不是。源片只被读，不被重拍，视频模型压根收不到它。出来的东西是照描述生成的——你的角色、新的机位、重写的台词。

只能上传你拥有权利或已获授权的素材。我们不在处理前审查上传内容，上传内容的权利责任在你。

按钮上那个数是封顶价不是押金：整条跑完最多花这么多，实际发生哪几步就扣哪几步。复刻则只先收读片那一项。

一页文字、几张产品图、或者一条自己拍的片子。三样最后都落到同一个编辑器里。

更新于 2026 年 9 月 21 日