什么东西喂得进去

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。

图片：参考素材与广告照片

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。

视频：复刻做什么、不做什么

MP4 或 MOV，不超过三百兆，时长不超过上传框上写的上限。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。

接下来那一步看你上传前选的是哪一格，得说准。选按剧情重拍，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。选替换（最长 5 分钟）正好反过来：原片留着，只有你挑的人、物、场景或画风出现的那几段，连同你给的图交给视频模型重新生成，原片的声音照旧。

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。按剧情重拍之后的每一步照常一步一付，和别的短剧一样；替换按改动那几段的秒数计价。

三个门的共同点

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。

常见问题

更新于 2026 年 11 月 5 日