30 秒和原生音频是宣传点，能不能进管线得看下面这几条限制，接活之前逐条对一遍：
- 图生视频必须带提示词，最少三个字符。看着像倒退，其实是逼你写清楚什么在动，而不是复述画面里已经有的东西。我这边重跑率因此降了不少。
- 对白用双引号包起来，引号外面的一律当场景指令处理。
- 参考文件能传五十个，但视频和音频各自有 30 秒的合计上限，整条素材扔进去立马顶格，得先剪再传。
- 没有 seed，同样的请求跑两次就是两个不同的视频，复现这事别指望。
- 分辨率只有 480p 和 720p，要 4K 得自己接放大。
动手写代码之前，我一般先在 pixpix 上拿同一段提示词把几家视频模型各跑一遍，确认这活到底该交给谁再说。