多种素材进入同一视频任务
阿里云百炼的万相3.0指南介绍了有声视频生成、多模态参考、视频编辑和延长等能力，参考素材可涉及图片、视频、音频、文档或公开网页。不同输入方式有组合限制，不能把页面列出的全部类型理解为可以在同一次请求里任意混用。
先决定素材分别说明什么（本站分析）
为产品制作短片时，产品照片说明外观，场景图片说明环境，文档说明需要表达的信息，参考片段可能只说明镜头运动。把每份素材的作用写清楚，有助于判断生成偏差来自哪里，也便于客户理解哪些画面是根据资料制作的示意。
一份实用的分镜可以包含镜头目的、主体动作、需要保持的信息、声音要求和预计顺序。即使模型能够自动安排镜头，小团队也应先确认故事是否成立：观众看完后应理解什么，哪些事实必须准确，哪些创作部分允许变化。
生成后要分别看画面与信息
验收可以分成外观、动作、文字和声音四轮。产品形状是否变化，人物动作是否合理，字幕是否与已确认文案一致，旁白是否加入未提供的事实，都需要检查。模型补出的使用场景不能自动变成产品真实效果的证明。
如果首轮只有个别镜头需要调整，应记录被批准的片段和待修改部分，再决定局部修改或重新生成。保留每轮输入与输出，能够减少客户反复确认同一个细节，也能避免覆盖已经认可的文件。
接口接入的两个具体提醒
官方指南要求模型、调用地址和API Key属于同一地域，并说明生成结果的视频URL有效期为24小时。实际应用需要及时保存结果文件，同时核对账号所在地域是否支持所选模型；页面链接返回成功，不等于交付文件已经长期保存。
服务报价要包含人工工作
预算除了模型调用，还应计入素材清理、失败重试、字幕校对、声音处理与客户修改。可以先围绕一类固定短片建立样例，把交付范围、修改轮次和输出规格写清楚，再决定是否扩展为稳定服务。本文没有把厂商演示转写成本站已完成的商业案例。
相关模型阅读
比较Gemini的视频编辑；了解Qwen的音视频理解。更多内容见AI模型栏目。