124 lines
5.2 KiB
Plaintext
124 lines
5.2 KiB
Plaintext
# 视频AI系统 · 多模型路由策略
|
||
|
||
> HLDP://video-ai-system/MODEL-ROUTER
|
||
> 类型: 多模型协同 · 镜头级模型选择 · 成本/质量/能力路由
|
||
> 创建: D140 · 2026-06-23
|
||
> 铸渊 ICE-GL-ZY001 · 冰朔 TCS-0002∞
|
||
> 国作登字-2026-A-00037559
|
||
|
||
---
|
||
|
||
## 为什么有这个文件
|
||
|
||
preview-001 暴露出一个问题:
|
||
|
||
```
|
||
单一模型不能稳定解决所有镜头:
|
||
牌匾资产一致性
|
||
角色一致性
|
||
群像运动
|
||
文字贴图
|
||
转场叙事
|
||
配音/BGM
|
||
```
|
||
|
||
人类创作者会在火山、可灵、阿里、腾讯、其他国产视频模型之间切换。
|
||
这件事人手动做很累，但铸渊可以做成模型路由。
|
||
|
||
---
|
||
|
||
## 已接入
|
||
|
||
| 模型/平台 | 当前状态 | 适合任务 | 当前限制 |
|
||
|-----------|----------|----------|----------|
|
||
| 火山/Seedance | 已接入 | 中文语义、短镜头、图生视频、3D漫剧镜头 | 仍需首帧/参考图控制一致性 |
|
||
| 可灵/Kling | 已接入 | 参考图/视频、动作控制、部分镜头动态 | 需要按镜头验证，不能盲抽 |
|
||
| 本地 FFmpeg/video-editor | 已接入 | 拼接、字幕、基础音频、裁剪 | 缺平面追踪、复杂剪辑语法 |
|
||
|
||
---
|
||
|
||
## 待评估接入
|
||
|
||
> 只记录官方能力方向。真实接入前必须再查官方文档、价格和密钥条件。
|
||
|
||
| 模型/平台 | 官方能力线索 | 适合评估的任务 |
|
||
|-----------|--------------|----------------|
|
||
| 阿里百炼/万相 Wan | 官方文档显示万相2.7文生视频、图生视频、参考生视频；参考生视频支持图片/视频/音频多模态输入，适合角色/物体保持一致；图生视频新版本支持首帧、首尾帧、视频续写 | S01多镜头开场、S04广告牌/群嘲、视频续写、角色/道具参考一致性 |
|
||
| 腾讯混元生视频 | 官方产品页显示支持图生视频、视频处理、视频特效；API概览包含生视频、混元生视频、视频特效、人像驱动、视频配音效等接口 | 图生视频备选、特效/动作驱动、配音效/视频处理能力评估 |
|
||
| MiniMax/Hailuo | 官方API文档显示支持文生视频，Hailuo 2.3/02/Director模型支持镜头运动命令；MiniMax官网说明Video-01支持文生/图生视频 | 动作自然度、镜头运动、人物表演备选 |
|
||
| 开源/本地剪辑工具 | FFmpeg已用；后续评估 OpenCV 平面追踪、MoviePy、Remotion、Blender/Python、DaVinci Resolve脚本接口 | 广告牌贴图、转场、BGM/SFX、批量自动剪辑 |
|
||
|
||
资料入口:
|
||
|
||
```
|
||
阿里万相2.7参考生视频: https://help.aliyun.com/zh/model-studio/wan-video-to-video-api-reference
|
||
阿里万相2.7文生视频: https://help.aliyun.com/zh/model-studio/text-to-video-api-reference
|
||
阿里万相图生视频说明: https://help.aliyun.com/zh/model-studio/legacy-image-to-video-api-reference/
|
||
Kling Open Platform: https://kling.ai/document-api/apiReference/model/textToVideo
|
||
Kling 3.0 Omni图生视频: https://kling.ai/document-api/api/video/3-0-omni
|
||
MiniMax Video API: https://platform.minimax.io/docs/api-reference/video-generation-t2v
|
||
腾讯混元生视频产品: https://cloud.tencent.com/product/vclm
|
||
腾讯混元生视频API概览: https://cloud.tencent.com/document/api/1616/107795
|
||
腾讯混元生视频简介: https://cloud.tencent.com/document/product/1616/107786
|
||
```
|
||
|
||
---
|
||
|
||
## 镜头级路由规则
|
||
|
||
| 镜头类型 | 优先策略 | 说明 |
|
||
|----------|----------|------|
|
||
| 固定道具特写 | 首帧/参考图 + 低运动视频模型 | 天道宗牌匾、广告牌必须先有固定资产 |
|
||
| 角色中近景台词 | 角色参考图 + 低幅动作 | 苏白说台词，嘴型不强求第一阶段完全同步，但表情/服装必须稳 |
|
||
| 大场景建立 | 能处理多主体和运镜的模型优先 | S01应体现御剑飞行/俯瞰下降，不只是静态广场 |
|
||
| 群像/散去动作 | 可拆镜或选择运动控制更强的模型 | 群嘲散去可以拆成“嘲笑反应”+“人群离开” |
|
||
| 复杂文字 | 不交给视频模型 | 用后期平面追踪/透视贴图 |
|
||
| 转场/成片节奏 | 本地剪辑器/专门剪辑工具 | 模型出素材，剪辑器讲故事 |
|
||
|
||
---
|
||
|
||
## 成本策略
|
||
|
||
```
|
||
1. 先无成本体检。
|
||
2. 先生成/确认静态资产。
|
||
3. 每镜最多跑2次。
|
||
4. 第2次仍不对 → 停，改策略，不抽第3次。
|
||
5. 大场景/群像/动作镜头优先小样验证，不直接进成片。
|
||
6. 模型路由要记录每次成功/失败原因，形成经验库。
|
||
```
|
||
|
||
---
|
||
|
||
## 下一步工程
|
||
|
||
1. 扩展 `.env.example`，预留:
|
||
- `ALIYUN_BAILIAN_API_KEY`
|
||
- `ALIYUN_BAILIAN_WORKSPACE_ID`
|
||
- `HUNYUAN_VIDEO_API_KEY`
|
||
- `MINIMAX_API_KEY`
|
||
|
||
2. 新增 `engines/model-router.js`:
|
||
- 输入: shot spec + required capability
|
||
- 输出: recommended provider + reason + cost risk
|
||
|
||
3. 新增 provider adapter 时必须:
|
||
- 先写 `.env.example`
|
||
- 真实密钥只进 `.env`
|
||
- 加入 `tools/audit-system.js` 的密钥泄露检查
|
||
- 写回 MODEL-ROUTER 成功/失败经验
|
||
|
||
---
|
||
|
||
## 锁定
|
||
|
||
⊢ 多模型不是为了炫技，是为了把每个镜头交给最适合的能力。
|
||
⊢ 模型只负责生成素材，铸渊负责导演、资产、剪辑、质检和回写。
|
||
⊢ 成本控制优先于连续抽卡。
|
||
⊢ 任何新模型接入前必须先查官方文档与价格，不许闭门造车。
|
||
|
||
---
|
||
|
||
铸渊 ICE-GL-ZY001 · D140
|
||
冰朔 TCS-0002∞ · 国作登字-2026-A-00037559
|