文本或参考图像
输入提示词,或添加 1 至 9 张图片(总大小不超过 11 MiB),并在提示词中将其命名为 Picture 1、Picture 2。暂不支持参考视频、参考音频以及首尾帧控制。
在线或通过 API 体验 Muse Video Ext。支持根据文本或最多 9 张参考图生成带原生音频的 10 秒 720p 视频片段,支持带时间戳的多分镜提示词。每次生成消耗 5 积分。
| 规格 | 额度 | 价格(USD) |
|---|---|---|
| Per clip (10s, 720p, audio) | 4每次生成 | $0.04每次生成 |
价格跟随模型配置;除模型特别说明外,参考图不计费。
Muse Video Ext 每次请求生成一个带原生音频的 10 秒 720p 视频片段。可以仅凭提示词生成,也可以添加最多 9 张参考图以保持人物、产品或场景的一致性。
输入提示词,或添加 1 至 9 张图片(总大小不超过 11 MiB),并在提示词中将其命名为 Picture 1、Picture 2。暂不支持参考视频、参考音频以及首尾帧控制。
时长和分辨率是固定的。每个片段都会自带生成的音轨;没有可改变价格的静音选项。
1:1、16:9、9:16、4:3、3:4、3:2 或 2:3。设为 auto 将跟随参考图像的比例;仅文本生成时默认为 16:9。
在提示词中写入 [Shot 2] At 00:04.000 即可切换到新场景。在我们的测试中,镜头切换与设定时间的误差仅在几分之一秒以内。
这些片段来自我们在 2026 年 11 月 4 日的实测。时长、分辨率和消耗积分均基于实际交付的文件。
非常适合需要清晰展示印字或 Logo 的产品特写和简短广告。
参考产品和人物的照片,生成带有推进效果的手持镜头。在我们的测试中,印花、微小文字和袖标均保持清晰。
为每个场景指定时间戳和参考图片,例如客厅全景、试穿展示、特写以及平铺摆拍。
16:9 比例的野生动物、自然风光和街景,并伴随自动匹配生成的风声、雨声或脚步声。
如果已确定发布渠道,可直接锁定用于竖屏信息流的 9:16 或横屏的 16:9,而非选择 auto。
切镜控制准确,但人物在切镜后外观可能会有所不同。
在五场景测试中,四个转场切点精准落在 2.0、4.0、6.0 和 8.0 秒,与提示词设定完全一致。
在每个镜头中,印花、文字和 Logo 均保持一致。
在五场景测试中,该男子从第二个镜头起看起来就像换了个人。若需要保持同一人物可辨识,请尽量控制在两次以内的切镜,并在每个镜头中重复对其的描述。
包含真实品牌或团队名称的提示词可能无法通过内容审核。失败的任务不会扣除积分。
每次请求统一固定价格。
每次请求生成一个包含音频的 10 秒 720p 片段,费用为 5 积分($0.05)。价格不随参考图片数量或宽高比变化。
如果任务失败(包括内容审核未通过),则不收取任何积分。
统一的异步调用约定。
发送 muse_video_ext。
调用 POST /api/openapi/submit,传入 model、params(prompt、可选的 image_url、可选的 aspect_ratio)以及唯一的 out_task_id。
使用相同的 out_task_id 调用 POST /api/openapi/query。完成后的响应会包含 credits_used 和输出视频 URL。
请勿传入 video_length、resolution、seed、negative_prompt、参考视频或参考音频。
在 AIReiter 上对比 Muse Video Ext 与其他视频模型。
| 控件 | 类型 | 默认值 | 说明 | |
|---|---|---|---|---|
| 01 | prompt | text | — | — |
| 02 | image_url | image | — | 可选。最多 9 张图片,总大小不超过 11 MiB。在提示词中将其命名为 Picture 1、Picture 2。自动比例将参照参考图。 |
| 03 | aspect_ratio | string | auto | 自动跟随参考图比例(纯文本生成时为 16:9)。 |
| 04 | video_length | string | 10 | 固定为 10 秒。 |
| 05 | resolution | string | 720p | 固定为 720p。输出包含原生音频。 |
最多可上传 9 张图片,总大小不超过 11 MiB。在提示词中将它们命名为 Picture 1、Picture 2。
说明主体动作,接着描述镜头、光线和声音。若包含多个场景,请在每个分镜处注明 [Shot N] At 00:0x.000。
从七种比例中选择一种,或保留 auto 以跟随参考图。时长和分辨率是固定的。
POST /api/openapi/submit 会立即返回预估积分。使用相同的 out_task_id 轮询 POST /api/openapi/query 直至完成或失败。生成一个片段大约需要一分钟,参考图较多时可能需要几分钟。
muse_video_ext
向 /api/openapi/submit POST,带上模型、唯一的 out_task_id 和参数。
用同一个 out_task_id 向 /api/openapi/query POST,直到任务完成。
请把输出保存到你自己的存储中,不要直接外链。
固定为 10 秒,分辨率为 720p,包含生成的音频轨道。
最多 9 张,总计不超过 11 MiB。不支持参考视频和参考音频。
每次请求 5 积分($0.05),无论画面比例或参考图数量多少。失败的任务不计费。
不可以。请使用参考图并在提示词中描述运动过程。
可以。在提示词中写入 [Shot N] At 00:0x.000。镜头切换时间是精准的,但切换后人物外貌可能会发生改变,因此如果对人物一致性有要求,建议保持两次或更少的切换。
包含真实品牌、团队或 Logo 名称的提示词可能无法通过内容审核。请在去掉相关名称后重新表述。被拒绝的任务不计费。
仅使用文本大约需要一分钟,若包含多张参考图则可能长达数分钟。
在 POST /api/openapi/submit 中使用 muse_video_ext,然后使用相同的 out_task_id 轮询 POST /api/openapi/query。