- 13种转场
- 12种画面特效
- 20条音轨（每个视频）
- 3种尺寸：16:9、9:16 和 1:1
- −16LUFS 响度标准
功能
在剪辑软件里手动做的每一步，写一次就能重复上千次。
-
图片和视频同一条时间线
片段可从任意秒数开始，速度可在 0.25× 到 4× 之间调整，也可裁切铺满画面。
-
多路声音
歌曲、配音、音效和每个片段的原声。有人说话时，背景音乐自动压低。
-
动画标题
标题、下方字幕条和片尾字幕，支持九个位置、九种字体、彩色底框和六种动画。
-
图层与分屏
透明台标、画中画、分屏，以及多个视频组成的宫格。
-
转场与特效
十三种转场、静态图片 Ken Burns 效果、十二种调色风格，以及亮度、对比度和饱和度调节。
-
每个渠道对应的尺寸
横屏用于 YouTube，竖屏用于 Reels、Shorts 和 TikTok，方形用于信息流帖子。
工作原理
三次 HTTP 调用。渲染任务进入队列，进度随时可查。
上传素材
每张图片、每个视频或音频文件通过一次请求上传，并返回一个 ID。
提交时间线
一个包含镜头、声音、标题和图层的 JSON 文件。入队前先完成校验。
下载结果
H.264/AAC 编码的 MP4、WAV 格式音轨、SRT 和 WebVTT 字幕，以及一份技术报告。
{
"title": "夏季促销",
"duration": 12,
"width": 1920,
"aspect": "9:16",
"transition": "fade",
"image_motion": "auto",
"clips": [
{"asset_id": "8f1c…", "duration": 6, "fit": "cover"},
{"asset_id": "2b7e…", "duration": 6, "effects": ["warm"]}
],
"audio_tracks": [
{"asset_id": "c41a…", "volume": 0.8, "duck": true, "fade_out": 2},
{"asset_id": "9d03…", "start": 1}
],
"texts": [
{"text": "-30 %", "start": 0.5, "end": 5, "size": 200, "animation": "pop"}
]
}13 个示例，全部真实渲染
每个视频都由 API 根据 JSON 时间线生成。素材为测试素材，配音为英文。
-
示例 01 · 1280×720 · 18 s
配乐图片幻灯片
六张图片，交替使用 Ken Burns 运动和交叉淡化，音乐淡入淡出，配标题和片尾卡。
-
示例 02 · 1280×720 · 15 s
视频片段串联
一个片段从第 1 秒开始截取，一个两倍速，一个慢动作，各自保留原声。
-
示例 03 · 1280×720 · 20 s
图片与视频混剪
图片和片段交替出现，每次切换使用不同转场，音乐从曲中开始。
-
示例 04 · 1280×720 · 18 s
配音加音乐
三段带字幕的配音。有人说话时音乐自动降低，说完后恢复。
-
示例 05 · 1280×720 · 20 s
标题与文字
九个位置、六种动画、多种字体、彩色底框、自由定位和片尾字幕。
-
示例 06 · 1280×720 · 26 s
画面特效
十二种调色风格，加上亮度、对比度和饱和度，每种都有标注。
-
示例 07 · 1280×720 · 26 s
转场一览
十三种转场依次展示在镜头之间。
-
示例 08 · 1280×720 · 15 s
画中画
一个主视频、一个带边框和声音的小窗视频、一张叠加图片和一个透明台标。
-
示例 09 · 1280×720 · 12 s
分屏
两个视频左右并排，然后四个视频同时组成宫格。
-
示例 10 · 1080×1920 · 15 s
竖屏 9:16
适用于 Reels、Shorts 和 TikTok：全屏裁切、大字号标题、配音和台标。
-
示例 11 · 1080×1080 · 12 s
方形 1:1
方形帖子，边框黑边使用自定义颜色。
-
示例 12 · 1280×720 · 26 s
带停顿的歌曲
两段真正的数字静音，画面定格并显示一个问题。
-
示例 13 · 1920×1080 · 30 s
全部功能合一
以上所有功能集中在一个 30 秒的 1080p 视频里。
适用场景
电商网店
商品目录每次更新时，用商品图片为每个商品生成一段带价格和标志的视频。
培训与教育
带配音、字幕和停顿的课程，让学员先作答再继续。
房产租售
用房源照片生成看房视频，配音乐，并在画面上显示关键信息。
规模化社交媒体运营
同一条时间线同时输出 16:9、9:16 和 1:1 版本。
需要生成视频的产品
你的应用发送 JSON，取回 MP4，不依赖第三方剪辑服务。
技术参数
- 输出
- MP4 H.264 + AAC 192 kbps，24 或 30 fps
- 分辨率
- 长边 640、1280 或 1920 px · 16:9、9:16 和 1:1
- 时长
- 3 到 600 秒，精确到帧
- 镜头
- 最多 150 个，每个最长 60 秒
- 声音
- 最多 20 条音轨，自动压低背景音，统一响度至 −16 LUFS
- 标题与图层
- 每个视频最多 100 条标题和 20 个图层
- 交付文件
- video.mp4、audio.wav、song.wav、subtitles.srt、subtitles.vtt、qc.json
- 运维
- 持久化队列、幂等性、取消、重试和自动清理
常见问题
需要会剪辑视频吗？
不需要。你用 JSON 描述剪辑：哪个镜头在前、持续多久、播放什么声音、出现哪些标题。其余由剪辑引擎完成。
支持哪些格式？
PNG 和 JPG 图片，MP4 视频，WAV、MP3、OGG 和 FLAC 音频。PNG 保留透明通道，可用作台标。
渲染需要多长时间？
在我们的测试中，12 到 30 秒的视频需要 8 到 70 秒。具体取决于分辨率、镜头数量和特效。
在哪里运行？
在装有 FFmpeg 的服务器上，可以是我们的，也可以是你的。你的文件不会发送给第三方服务进行剪辑。
能集成到我的应用里吗？
可以。这是一个 HTTP API，支持令牌认证、幂等性和可轮询的任务状态。文档见 /zh/docs/。
价格是多少？
取决于你需要的视频数量和部署位置。告诉我们你的需求，我们会在一个工作日内回复。