博客

使用指南

Vidu Q3 Mix 参考生视频上手指南:能力边界、API 参数与计费要点

面向开发者的接入决策与实操视角

2026年11月13日 9 分钟阅读
分层纸张错落后退的浅浮雕封面图,米色底、石墨色纸缘与唯一一张陶土色纸片,呈平静的层理节奏。
本页内容

这个模型解决什么问题

视频生成模型的输入形态,决定了你能否把「控制权」握在手里。文生视频(text-to-video)只给一段提示词,画面走向由模型自由发挥;图生视频(image-to-video)给一张首帧,模型负责把它「动起来」。而 reference-to-video(参考生视频) 走的是第三条路:你提供参考素材,模型在生成过程中持续参考它,而不是只把它当作第一帧。

vidu-q3-mix/reference-to-video 的定位就在这条分支上。它适合这样的需求:

  • 角色或主体需要跨镜头保持一致:你没有现成的视频素材,但有一张或多张能代表主体外观的参考图,希望成片里主体「看起来还是它」。
  • 风格与调性需要被锚定:参考素材承载了光线、材质、构图倾向,成片沿用这套视觉语言,比纯靠文字描述更可控。
  • 从静态资产出发做动态内容:电商商品、IP 形象、概念设计稿等已有图片资产,需要转化为短视频。

换句话说,如果你的诉求是「随便给我一段符合描述的片子」,文生视频更直接;如果你的诉求是「这段片子必须像我给的东西」,参考生视频才是对口的工具。选型时先问自己一句:我有没有一个必须被保留的视觉锚点?有,就用它。

在 HiAPI.ai 上,这个模型与其他视频模型共享同一套调用语境,你不需要为它单独搭建一套接入逻辑,切换模型时主要变化的是能力参数而非工程结构。

与图生视频的关键区别

图生视频的输入图是「起点」,参考生视频的输入是「约束」。前者给模型一个必须承接的画面,后者给模型一组需要遵守的特征。理解这一点,后面所有关于素材准备和参数调优的判断都会顺理成章。

三种输入方式殊途同归:文本、图像与参考素材最终都汇入同一个视频生成输出。

能力边界与不适用场景

把模型的能力圈画清楚,比记住它支持什么更重要。基于 reference-to-video 这一能力定义,可以明确以下边界:

它覆盖的范围

  • 以参考素材为视觉依据生成视频:参考图的特征会被引入生成过程。
  • 主体一致性与风格延续:在多段生成中保持相对稳定的外观表达。
  • 配合提示词控制内容走向:参考素材负责「像不像」,提示词负责「做什么」。

它不覆盖的范围

  • 不是文生视频的替代品:没有参考素材时,不应把 prompt 写得极长来「模拟」参考图,这属于用错工具,效果与成本都不划算。
  • 不是严格的逐帧复刻工具:参考生视频不等于把参考图精确动画化,也不要指望它对参考图的每一个像素负责。若你的需求是「这张图必须原样动起来」,图生视频更贴近。
  • 不承诺无限时长:具体单次生成的时长上限以接口与平台面板的可用参数为准,不要按「想生成多久就多久」来设计产品流程。
  • 不替代后期:字幕、剪辑、多段拼接、音轨合成仍属于你流水线的职责。

选型上最容易踩的误用

最典型的误用是把参考生视频当成「更便宜的图生视频」。二者的输入语义不同,产出预期也不同:当你真正需要的是首帧严格对齐时,用参考生视频往往得到「神似但不同」的结果,反复重试只会放大成本。反过来,当你需要多镜头之间主体稳定时,用图生视频逐段喂图,反而更容易出现外观漂移。

判断规则可以简化为一句话:要起点,选图生视频;要约束,选参考生视频。

中央高台是模型能覆盖的能力圈,四周下沉的缺口即时长、输入依赖与一致性上的边界外区域。

API 参数与调用流程要点

接入这类模型的工程复杂度,主要不在「发请求」,而在「准备输入」和「组织流程」。整体链路可以拆成四段:

1. 参考素材准备

在发起调用之前,先把参考素材规范化:统一尺寸与比例、去掉水印与多余背景元素、确保主体清晰且光照一致。这一步做扎实,后续的参数微调才有意义。

2. 请求构造

一次典型的调用需要在请求中组织三类信息:

  • 能力标识:指定使用 vidu-q3-mix/reference-to-video,让请求落到正确的能力分支。
  • 参考素材:参考图的位置或上传句柄,具体字段名与接受形式以接口文档为准。
  • 生成描述:提示词,描述动作、镜头运动、节奏与氛围,而不是重复描述参考图里已有的外观。

具体的字段名、必填项与取值范围请以 HiAPI.ai 的接口文档和模型详情页为准。本文不虚构字段,接入时按文档拼装即可。

3. 生成任务

视频生成本质上是异步的:请求提交后返回任务标识,模型侧完成推理需要一段时间。你的服务端应当把「提交」与「取结果」解耦,用任务标识去轮询或接收回调,而不是在同步请求里等待。

4. 结果获取与重试

拿到结果后先做一次可用性校验(文件能否正常解码、时长是否符合预期),再决定是否重试。重试分支要有上限,并记录每一次失败的原因——这对估算成本至关重要。

提示词该怎么写

参考生视频的提示词,重点应放在「参考图之外的信息」:画面里主体要做什么、镜头怎么走、环境如何变化。把篇幅花在重复描述参考图里已经有的东西,是常见浪费。描述越具体、越接近可执行的画面指令,生成结果越稳定。

四段纸层流程对应调用链:先备好参考素材,再组织请求、触发生成任务,最后取回结果;回退分支表示重试路径。

用 $0.1865/秒 估算成本

这个模型的计费口径是按输出视频的秒数计费,单价为每秒 $0.1865。理解这一点,成本估算就变成一道简单的乘法题。

单条成本公式

单条成本 = 输出时长(秒) × $0.1865

一条 5 秒的成片,成本是 5 × 0.1865;10 秒则是 10 × 0.1865。时长翻倍,成本线性翻倍——没有阶梯,也没有「一次性生成更划算」的隐性优惠,所以时长预算必须从一开始就写进产品设计里。

把重试算进去

真实成本从来不是「一条视频的价格」。生成存在不确定性,你需要为失败与不满意预留重试预算:

预期总成本 = 单条成本 × 期望尝试次数
期望尝试次数 ≈ 1 + 重试率

举例来说,如果一个 8 秒的生成任务平均需要重试一次才得到可用结果,实际成本就是 8 × 0.1865 × 2,而不是 8 × 0.1865。重试率高的团队,成本会被成倍放大——这是很多接入方在放量后才发现的隐形成本。

预算控制的三个抓手

  • 先短后长:调试阶段用最短时长验证提示词与素材是否对齐,确认有效后再拉长。短视频的试错成本低得多。
  • 设置重试上限:给每个任务一个最大尝试次数,超过就人工介入或换素材,避免自动重试吃掉预算。
  • 记录每次调用:把时长、是否重试、失败原因打点上报。没有这份数据,你无法判断预算超支来自提示词问题还是素材问题。

实时价格与计费细则以 HiAPI.ai 站点的价格面板为准,本文只讨论估算方法。

参考素材的准备与调优思路

在参考生视频这条链路上,素材质量对成片的影响,通常大于参数微调。原因是:参数调整的是模型的「倾向」,而素材决定的是模型的「依据」。依据不清晰,再好的倾向也落不了地。

什么样的参考素材是好素材

  • 主体明确:观众能在半秒内看出这张图里「要保留的是什么」。背景杂物多、主体占比小,都会削弱参考效果。
  • 特征稳定:同一主体在不同参考图中的外观应当一致。如果多张参考图本身就互相矛盾(颜色、形态、材质对不上),模型只能在各版本之间摇摆。
  • 光照与角度合理:极端光照、严重畸变的角度会给模型传递错误的视觉线索。
  • 干净:去掉水印、贴纸、多余文字。这些元素可能被当成主体特征一并沿用。

调优的优先级

当结果不理想时,建议按这个顺序排查,而不是一上来就调参数:

  1. 先换素材:把参考图换成更清晰、更单一主体的版本,往往是最快的改善手段。
  2. 再改提示词:明确动作与环境,删掉与参考图重复的描述。
  3. 最后才动参数:在前两步稳定之后再考虑微调,且一次只改一个变量,便于归因。

多参考图的一致性

如果你提供多张参考素材,务必保证它们是「同一个主体」。混入不同个体或不同风格的图片,是结果漂移最常见的原因之一。宁可少给一张,也不要给一张矛盾的图。

建立素材基线

建议为你的核心主体建立一套固定的参考素材集,作为后续所有生成的基线。每次生成都从这套基线出发,只改提示词,这样你能干净地区分「素材问题」和「描述问题」,也让多段视频之间的风格更容易统一。

常见失败与排错方向

接入阶段的多数问题,都能归入几类固定模式。按下面的顺序排查,通常比盲目重试更快。

1. 请求被拒或返回参数错误

先确认能力标识是否写对、必填的参考素材字段是否齐全、素材形式是否被接口接受。字段名以文档为准,不要凭经验猜。

2. 任务长时间无结果

视频生成是异步任务,先确认你是按任务标识去取结果,而不是在同步请求里等待。如果确实超时,检查素材体积是否过大。

3. 结果与参考素材「不像」

这是最高频的问题,排查顺序是:素材是否清晰 → 是否给了互相矛盾的参考图 → 提示词是否在描述与参考图冲突的内容。多数情况下不是模型不行,而是素材没到位。

4. 主体在多段之间漂移

原因通常是每段使用了不同的参考素材,或每段提示词对主体的描述前后不一致。固定一套基线素材、统一主体描述,能显著改善。

5. 画面动作与预期不符

提示词里缺少明确的动作与镜头指令,模型只能自行发挥。把「做什么、怎么动、镜头在哪」写清楚。

6. 成本超出预期

回看调用日志:是时长设长了,还是重试率偏高?前者调整产品端的时长策略,后者回到素材与提示词上找原因。

排错的基本原则

一次只改一个变量,并保留日志。 同时修改素材和提示词,即使结果变好了,你也不知道是哪一项起了作用,下次遇到同类问题依然要从头试。

接入前检查清单与后续步骤

在正式放量之前,建议按下面的清单逐项验证,把风险挡在小流量阶段。

上线前检查清单

  • 能力对得上:确认你的场景确实需要参考生视频,而不是文生视频或图生视频。
  • 素材基线就绪:核心主体有一套固定的、干净的参考素材集。
  • 提示词模板化:动作、镜头、环境的描述有可复用的结构,而非每次即兴发挥。
  • 异步链路打通:提交、轮询或回调、结果校验、失败重试,四段都有代码且经过压测。
  • 重试有上限:自动重试设置最大次数,超限进入人工队列。
  • 成本有看板:按调用记录时长与重试次数,能随时算出实际花费。
  • 时长策略明确:产品端对可生成的时长有约束,避免用户随意拉长导致成本失控。

从小流量到放量

推荐的路径是:先用手工构造的请求跑通端到端,验证素材与提示词的有效性;再用最短时长做小批量试跑,统计重试率与可用率;确认指标稳定后,逐步放大并发与时长。每一步都保留回滚能力。

关键指标

放量阶段真正需要盯住的,是首次可用率与平均尝试次数。前者决定用户体验,后者直接决定成本。这两个指标稳定之后,时长和并发才谈得上扩展。

如果还没开始动手,可以先在 HiAPI.ai 上查一下 vidu-q3-mix/reference-to-video 的模型详情与实时价格,再决定第一条视频生成多长。

立即开始构建持久 AI 产物

获取 API 密钥,通过一个基于任务(task)的 API 调用图像、视频和音频模型。

阅读 API 文档