从剧本与参考设定到成片交付

最短使用流程

1. 登录后打开AIGC 工坊。
2. 选择图片或视频任务，再选择当前分组可用模型。
3. 填写提示词、尺寸、时长、分辨率或参考素材。
4. 提交任务并在任务记录等待最终状态。
5. 任务成功后预览并下载自己的图片或视频。

新手漫剧：完整剧本到服务器成片

1. 完整导入：粘贴正文或上传 UTF-8 TXT、MD、DOCX，最大 10 MB（10 MiB）。服务器完整独立保存提取正文，支持下载完整剧本文本。DOCX 提取主文档段落与表格，不执行嵌入对象，也不导入图片和批注。长剧本按章节、段落边界自动连续分卷，无需手动拆文件；超限明确报错，不截断原文。
2. 逐步拆解：选择文本分组和可用模型，拆解当前制作单元或一键继续全剧。每一步保存角色、场景、道具、分集和分镜；原文范围必须连续完整覆盖。可在当前步骤保存后暂停，已完成步骤跳过。受理不明时核对或重放同一原请求，保留完整回执和真实结束原因。
3. 统一风格与素材：AI 根据剧本产生 3–5 个风格方案并推荐一个，支持一句话细化。后续制作单元沿用已选择风格，并引用原稿中已确认的相应角色、场景和道具身份及参考素材。设定或风格变化后提示复核旧媒体。
4. 镜头与声音：选择图片、视频、配音分组及对应模型。批量生成定妆和参考素材，采用并发布后制作分镜；也可在卡片直接继续某个未完成或待复核镜头。成功结果保留，未知原批次先核对。采用实测配音后对齐对白和字幕。
5. 剪辑和交付：专业编辑返回向导时保留重排、裁切、音乐及手调字幕。较长单集按原分镜边界生成不超过 60 秒的片段；全部当前片段正式导出后，可在服务器无损拼接为一个整集文件并下载，无需额外剪辑软件。

完整文件及提取正文最大 10 MiB，DOCX 主 XML 解析最多 40 MiB、1024 ZIP 条目。每制作单元最多 6000 UTF-16 单位、项目文档 1 MiB；各单元按需创建，一份原稿仅占一个普通项目名额。每用户原稿及普通项目合计最多 20 个名额、原稿总存储最多 200 MiB。每单元最多 12 集、64 项设定；每集最多 32 场、64 镜、64 条对白及 300 秒计划时长。

单段最高 60 秒、720p、30 fps；整集拼接最高 300 秒、128 MiB，由项目所有者提交，仅接受自己生成的同项目、同集、完整连续且与当前制作内容一致的规范成片。编码不一致明确报错。正式渲染与拼接每日合计最多 10 次，同时最多 2 个任务，按既有队列和存储额度准入。文本、图片、视频、声音按基准价、分组倍率及实际用量计费；预算用于预扣准入。导入、保存、字幕、混音、渲染和拼接复用现有服务器，无新增第三方渲染订阅。完成拆解表示规划已保存，画质、角色表现、口型及词级对齐仍需实际模型能力和审片验证。

漫剧：从原文到审片交付

沿五个制作阶段推进。生成结果先成为候选，检查并采用后进入正式制作；修改剧本、设定、台词或剪辑后，重新核对相应结果。

1. 编剧与分镜：小说和原创先确认总纲及本集大纲，再生成标准化剧本；已有剧本可直接标准化。每个阶段选择文本分组及该组可用模型，先预览草稿再采用。分集保留各自的镜头、选片、画布和时间线。
2. 角色与视觉：建立人物、场景、道具和风格设定，从描述生成参考图或上传素材。采用图片后关联设定，发布固定版本再绑定分镜。多参考与首尾帧分别使用，数量及模式按所选模型能力开放。
3. 台词与声音：按说话人选择配音分组、模型、音色 ID 和语速。逐句生成或采用上传音频，试听后采用。修改台词或音色使旧配音待复核。保留视频原声时避免叠加两份对白。
4. 预演与剪辑：按分镜图组装静态预演，再按已选视频组装粗剪。计划、生成请求和素材实测时长分别记录。对齐已采用配音，以实际句长生成对白轨和句级字幕；调整裁切或排序后重新对齐。原生声音字幕需人工校正。
5. 审片与检查：检查来源、角色引用、素材、裁切和声音，再人工核对剧情、连续性、声音字幕及剪辑封面。所有者可开启团队批准：保存当前版本、生成预览、批准该版本，再正式导出和交付；内容修改后需新版本批准。

批量制作与费用

选择镜头并确认预算后提交图片或视频任务，每批最多 32 个节点。结果回填对应镜头候选；独立镜头失败不阻断其他镜头，重试只提交失败子集。受理不明时先核对原批次。预算用于预扣额度准入，实际模型费用按基准价、当前分组倍率与实际用量结算。

当前合成规格

预演、字幕、混音和成片合成在现有服务器完成，无需安装剪映或购买额外渲染服务。单段最多 60 秒、720p、30 fps、64 个片段、64 句独立配音、2 条背景音轨和 128 条字幕；同集完整片段可无损拼接为最高 300 秒的整集文件。句级实测不代表词级强制对齐、自动口型或艺术质量已通过。

模型和分组来自实时能力目录

文本、图片、视频和配音均先选择可用分组，再选择该分组实际支持的模型。模型需存在启用渠道和准确的端点能力，才进入选择器。

图片实时目录与视频实时目录提供公开能力与报价依据。

图片编辑与配音接口

图片编辑使用 POST /v1/images/edits，以 multipart/form-data 发送 model、prompt、image 和需要时的 mask，选择真实支持编辑的分组。工坊支持继续编辑原图并另存结果。配音使用 POST /v1/audio/speech，发送 model、input、voice、response_format 和可选 speed；仅选择实际支持语音合成的模型，Studio 可归档 MP3 或 WAV。

API 使用 http://localhost:3000 和当前账户的 Bearer Key；工坊的登录态内部接口及项目归档与普通 API 调用方式不同。

图片生成

普通图片请求使用 OpenAI 兼容资源路径 /v1/images/generations。长响应建议使用 http://localhost:3000/v1，避免中间代理超时。

• 普通 Key 选择模型真实支持的作图分组。
• 图片使用当前模型支持的普通作图分组；已停用的智能媒体 Key 需要先修改分组。
• 输出 URL 或平台保存地址会关联到当前用户任务记录。

视频与多参考素材

视频属于长任务，使用 Direct API。Seedance 使用当前模型支持的普通视频分组。模型支持的时长、比例和分辨率以工坊控件和实时目录为准。

{
  "prompt": "参考我的@图片 1，使用@音频 1的声音说话",
  "duration": 15,
  "ratio": "16:9",
  "resolution": "720p",
  "references": [
    {"media_type":"image","role":"reference_image","url":"YOUR_PUBLIC_IMAGE_URL","alias":"图片 1"},
    {"media_type":"audio","role":"reference_audio","url":"YOUR_PUBLIC_AUDIO_URL","alias":"音频 1"}
  ]
}

提示词中的 @别名 必须与 references 中的 alias 一致。素材 URL 必须可由生成服务访问。

参考视频上传

本地参考视频先通过 POST /api/aigc/uploads 上传，再使用响应中的完整签名 data.url 提交。上传层联合校验扩展名、MIME 和文件头，视频上限为 64 MiB；不要删除签名 URL 的 exp、sig 参数。

curl -X POST 'http://localhost:3000/api/aigc/uploads' \
  -H "Authorization: Bearer $DONGAPI_API_KEY" \
  -F 'file=@reference.mp4'

# 使用返回的 data.url
{"references":[{"media_type":"video","role":"reference_video","url":"SIGNED_REFERENCE_URL","alias":"视频 1"}]}

• MiniMax-H3/qy：独立参考视频合同，仅在实时目录明确开放时使用；当前 MiniMax-H3 不含视频参考。
• Seedance：按所选分组的 video_profile_by_group 限制参考视频的数量与用途。Seedance 2.5 按秒型号带参考视频时，参考视频时长也按官方规则计费，见计费说明；不支持方舟素材库的 asset:// 编号，请上传后使用返回的地址。
• 未声明视频参考能力的模型不会显示相应上传入口；不支持的请求在扣费前返回字段错误。

模型目录按当前分组请求能力显示控件；上传成功不代表每个视频模型都支持参考视频，签名地址过期后需重新获取。

Grok 视频计费与 MiniMax-H3 参数

Grok 图片按张计费，每张为配置的基础价乘分组倍率，一次生成多张按张数计。Grok 视频根据实时目录的 price_unit 计费：second 表示按秒，费用为所选模式及分辨率的基准秒价 × 提交时长 × 当前分组倍率。单图和 2–4 张参考图使用对应图生规格，参考图不另收张数费。1.5 无参考图使用文生视频档位，1080p 仅支持 1.5 带参考图。基准价与分组倍率分别保存；折扣不会直接改写基准价。 Grok 按秒档位沿用平台定价规则：美元标价的数值按 1 USD = 1 CNY 形成基准价，再乘一次分组倍率；官方人民币参考价另按约 1 USD = 7 CNY 展示，仅用于对照。例如某档基准价为每秒 P 元、提交 8 秒、分组倍率 0.6 时，费用为 P × 8 × 0.6 = 4.8P 元；各模式与分辨率的当前秒价见Grok 模型页。提交后冻结模式、分辨率、秒数及单价，使用日志可核对。目录仍标为 request 的模型以及旧任务保留原按次合同；币种及当前报价以实时模型目录为准。

当前 MiniMax-H3 请求合同为 768P、5–15 秒，默认 5 秒。文生比例支持 21:9、16:9、4:3、1:1、3:4、9:16。图片与音频参考、首尾帧入口按所选分组实时规格开放，当前合同不含视频参考。当前精确型号 MiniMax-H3 按配置的每次基础价和分组倍率计费；独立 qy 合同按时长计费。请以所选模型的实时报价单位为准。

• 首尾帧使用 first_frame_url / last_frame_url，或带 first_frame / last_frame 用途的 references；不要与普通多参考混用。
• 普通参考通过 references 发送，media_type 和 role 必须匹配；数量以该分组的 video_profile_by_group 为准。
• MiniMax-H3/qy 是独立合同。实时目录没有该型号或能力时，其视频参考、回调和水印参数不适用于其他型号。
• Grok 当前视频入口按兼容合同显示。官方型号具有的多图、声音、关键帧、编辑或延长能力，需要当前分组明确支持后才开放。

参数目录与高级设置

登录后的模型报价目录提供 video_profile_by_group：duration_options、aspect_ratios、resolution_options、reference_roles、modes 和 parameters。单视频、漫剧逐镜、批量任务与画布共享分组模型规格。高级设置仅显示当前合同声明的字段。未设置表示使用模型默认值；明确的 false 或 0 会保留。未声明的官方参数不代表当前分组支持。

受理状态不明时，先恢复原请求。改变模型、分组、参数或素材后，应另建任务，避免旧请求与新设置混用。Studio 视频引用使用适合长任务的签名地址，素材权限变更仍会撤销访问；素材地址到期需重新获取。

任务记录与下载

图片和视频任务至少保留 24 小时的可查看记录。用户只能查看和下载自己账户生成的结果；公开资源地址不等于可以枚举其他用户任务。

API 调用与成功信号

成功信号是任务记录出现最终成功状态、结果可预览/下载，并在使用日志中存在对应 Request ID 与扣费。

使用同一账户查询并下载

通过 POST /v1/videos 创建任务，保存返回的公开任务 ID，再轮询 GET /v1/videos/{task_id}。状态由 queued / in_progress 进入 completed 或 failed；提交成功不代表视频已生成。完成后调用 GET /v1/videos/{task_id}/content 下载。API 客户端查询与下载均需携带 懂api Bearer Token；仅有任务 URL 不代表拥有访问权限。

curl 'http://localhost:3000/v1/videos/TASK_ID' \
  -H "Authorization: Bearer $DONGAPI_API_KEY"

curl 'http://localhost:3000/v1/videos/TASK_ID/content' \
  -H "Authorization: Bearer $DONGAPI_API_KEY" \
  --fail --output video.mp4