帮助文档 / 视频
视频
请使用原创或风格化的角色,或经有据可查的同意后使用你本人的形象。任何涉及其他可识别真人的描绘,都需要对方有据可查的同意。所有参考图、训练数据、音频和作品,都请遵守可接受使用政策。
“视频”标签页把一段提示词,以及(如果你愿意)一张图片或一个片段,变成带声音的视频。选一个模式,写好提示词,选择“画质”和“时长”,按生成(在提示词框里按 ⌘⏎)。
模式
表单顶部的一排选项。每一个都标明了它需要什么。
| 模式 | 需要 | 你得到什么 |
|---|---|---|
| 文字 | 一段提示词 | 只靠文字生成的片段 |
| 角色 | 一个训练好的角色 + 一段提示词 | 你的原创角色出现在新镜头里,仅限 LTX。见使用角色 |
| 图像 | 一张参考图 + 一段提示词 | 以你的图片为起点,或受它启发的片段 |
| 首尾帧(FFLF) | 一个首帧和一个尾帧 | 从一帧走到另一帧的片段 |
| 关键帧 | 3 到 8 帧 | 依次经过每一帧的片段 |
| 延长 | 一个片段 | 在这个片段之后或之前,继续往下做 |
| 添加声音 | 一个片段 | 同一段画面,配上为它新生成的声音,仅限 Hailuo H3 |
| 对口型 | 一张图片和你的音频 | 一个原创角色表演你的音轨,会打开音频 |
| 重制 | 你自己的素材 | Ingredients、运动控制、上色、超清放大与人脸修复,见重制 |
Hailuo H3 渲染文字、图像、首尾帧、关键帧、延长、添加声音和对口型。角色和重制属于 LTX。见 H3 能做什么。
图像:锚定或灵感
把 PNG、JPG 或 WEBP 拖进参考图,它会按渲染尺寸裁切铺满。在 LTX-2.5 上会出现一行参考图用途:
- 锚定:让这张图动起来。你的图片就是第一帧,片段让它动起来。
- 灵感:以它为起点的新镜头。片段把角色或风格带进新场景,你不会在第一帧看到你的图片。适合“这个角色,新的场景”。
在 Hailuo H3 上,图片始终是首帧。
FFLF 和关键帧
- FFLF:首帧(第 0 帧)开启片段,它的形状决定输出尺寸;尾帧(最后一帧)收尾。结尾处用一个近景,有助于让角色在整个片段中保持一致。
- 关键帧:选择 3 个关键帧到 8 个关键帧。首帧和尾帧是固定的,其余的是中间的节点。
- 两者都需要 LTX 高画质附加包(Q8 模型),并会自动选用高画质。如果没有安装,“生成”会告诉你,并指出去哪里安装。
延长
选择源视频,设置延长时长(秒)(0.5 到 10,默认 2)和方向(之后或之前)。“延长”有自己的两档画质:
- Q8 草稿:12 步,64 GB 的 Mac 上也安全。
- Q8 Pro:30 步,需要 96 GB 或更多内存。
除非这台 Mac 内存足够,否则请保持在 Q8 草稿。
在 Hailuo H3 上,“延长”最多可增加 15 秒,并延续片段的声音,见 H3 上的延长。
写提示词
请描述场景和声音。声音与画面一起生成,提示词里没有写声音,出来的结果几乎是无声的。
- 优化(LTX)会按模型训练时的风格改写你的提示词。开启 LoRA 时,它会读取这些 LoRA 的说明,并保留它们的触发词。
- 无音乐表示只要人声、音效和环境声,不要配乐。
“排除”框
排除 + 会打开第二个框,写模型不该生成的内容,比如模糊的手、变形的手指、扭曲的文字。
何时有效 “排除”在高、高 · 720p、延长、FFLF / 关键帧和音频上生效。快速、均衡和标准不使用引导,会忽略它。在 Hailuo H3 上没有“排除”框:请把要避免的内容用普通句子写进提示词,而且只针对 H3 自己会擅自添加的东西,比如镜头漂移和画面文字。
LTX 的画质与时长
每个“画质”选项都会显示它的尺寸和针对这台 Mac 的估算。如果这台 Mac 无法运行它,选项会显示不可用,或写明它需要的下载。
| 画质 | 尺寸 | 说明 |
|---|---|---|
| 快速 | 640×448 | 最快看到镜头的效果 |
| 均衡 | 1024×576 | 16:9,是大多数内容的观看尺寸,默认选项 |
| 标准 | 1280×704 | 快速通道能提供的最大画布,更大,但细节不会更多 |
| 高 | 1024×576 | 在第一遍之上再做一次更大的第二遍:细节更锐利,运动更稳,等待时间约为两倍 |
| 高 · 720p | 1280×704 | 720p 的高画质:LTX 能做出的最多细节,实测峰值 49.7 GB,所以需要 64 GB 的 Mac |
快速、均衡和标准使用快速(蒸馏)模型;高和高 · 720p 需要“高”附加包(Q8 模型)。
时长:3 秒、5 秒(默认)、7 秒、10 秒,以及 20 秒,后者只在“快速”下提供。
较长的 LTX 片段在渲染末尾少用三分之一内存(5.0.25)。渲染的最后一步,也就是把做好的镜头变成画面帧,是内存的峰值所在。在内存超过 32 GB 的 Mac 上,超过 5 秒的 LTX 片段现在会分成每段 128 帧来做这一步。在 10 秒片段上实测:1024×576 下约 12.7 GB,原来是 20 GB;720p 下 19 GB,原来是 30 GB,用时相同,也看不出画面差别。32 GB 及以下的 Mac 原本就是分段做的,没有变化。
在快速画质下,会有一行速度,可选精调或快速草稿,这是一种更快的时间表,会改变出来的结果。“高”有一个 STG:细节引导滑块。
选中训练好的角色后,画质选项会变成 Q8 草稿(704×384)、Q8 Pro(1024×576,身份还原最佳),在 LTX-2.5 上还有高和高 · 720p。训练好的角色在 Q8 Pro 上最稳定。
LTX 的滑动窗口
对于比一遍渲染更长的片段,高级设置 → 长片段 → 窗口会把它按序列渲染:先做一遍,之后每个窗口各做一次延长,每次接着前一个窗口保留下来的尾部继续。这需要“高”附加包(Q8 模型),以及支持“延长”的 Mac。
分窗口提示词。第 1 个窗口始终使用上面的主提示词,它没有单独的框。之后的每个窗口都有自己带标签、带时间的框(“窗口 2 · 0:05-0:09”),按实际的渲染计划生成;留空的框会保持上一个时刻。在每个框里写下一拍的动作,以运动开头(LTX 会先渲染提示词里最先提到的内容)。不变项,也就是窗口之间不能变的东西(谁在画面里、光线、镜头、地点),写在框下面的字段里,会自动重新注入到之后的每个窗口。
这相当于 H3 的分窗口提示词在 LTX 上的版本:想法相同(每一遍一个提示词,避免动作重复),但引擎不同,框的排布也不同,因为窗口的数量和它们的实际时间来自 LTX 自己的窗口规划器,而不是固定的 5 秒网格。
Hailuo H3 的画质与时长
H3 有自己的页面:Hailuo H3 视频引擎。简单来说:
| 画质 | 尺寸 | 说明 |
|---|---|---|
| 草稿 | 640×384 | 快速预览,面部和细节要到标准和高画质才能成形 |
| 快速高清 | 640×384 → 1280×768 | 先做一个快速草稿,再由超清放大与人脸修复从这个片段本身出发把它变锐利 |
| 标准 | 768×448 | 主力选项 |
| 高 | 1024×576 | 真正的 16:9,推荐的交付尺寸 |
| 原生 | 1344×768 | H3 能做出的最多细节,始终以“最佳”渲染,等待很久 |
时长:3 秒、5 秒(单遍最长)、10 秒和 15 秒(由 5 秒窗口串联而成),以及10 秒单遍(一镜到底,没有拼接,仅限“最佳”)。典型耗时见需要多久。
速度和步数
- 速度:⚡ 快速 / ✦ 最佳。“快速”是 3 步的一遍,快得多,略软一点,安装了它的 180 MB 适配器后就是默认选项(在“快速”那一半上点安装(180 MB))。“最佳”是该尺寸下的完整渲染,面部最锐利。“原生”和 10 秒单遍始终用“最佳”渲染。
- 步数:自动 / 12 / 16 / 20 只在“最佳”下显示。步数越多,等待越久(20 是官方参考配方,约为“自动”的 2.4 倍)。
- 在渲染器只有一个适配器槽位的 H3 安装上,会有一行适配器,询问这个槽位给极速还是我的 LoRA,两者不能同时运行。见 H3 上的 LoRA。
分窗口提示词
10 秒或 15 秒的 H3 片段,会让每个 5 秒窗口都使用同一段提示词,这可能让动作重复。打开分窗口提示词,开启每个窗口一行:10 秒会给出两个框,15 秒三个。留空的框使用主提示词。
H3 的首帧和画面方向
图像模式在 H3 上可用,图片就是首帧。画面方向一行(在顶层,紧挨着尺寸选项)会把画布转成竖屏,开销不变。
引擎对比
| LTX | Hailuo H3 | |
|---|---|---|
| 模式 | 所有视频模式、重制、对口型 | 文字、图像、首尾帧、关键帧、延长、添加声音、对口型 |
| 声音 | 与画面一起生成 | 画面、对白和声音一起生成 |
| 角色和 LoRA | 训练好的角色、LoRA 叠加 | 它自己的 H3 LoRA 库 |
| “排除”框 | 在“高”和有引导的模式上 | 没有,请写在提示词里 |
| 最长片段 | 20 秒(快速),其他 10 秒 | 15 秒,由窗口串联 |
| 内存 | “档位”对话框(健康标签 → 档位)会显示这台 Mac 能运行哪些画质 | 16 GB 或更多(见下文) |
H3 与内存。完整的 H3 引擎需要 60 GB。从 16 GB 起,H3 运行它的紧凑 Q8 引擎,这个引擎由 Pinokio 的 Phosphene 侧边栏里的 Install Hailuo H3 在本地构建(约 5 分钟,约 22 GB,无需额外下载)。设置 → Hailuo H3 模型可以在“自动”、“完整”和“紧凑”之间选择。低于 16 GB 时不提供 H3,请改用 LTX 渲染。16 GB 起可以做草稿和标准片段,18 GB 起还可以做高画质;修复声音和串联片段需要 36 GB。见安装 H3和疑难解答。
LTX 与内存:16-24 GB 的 Mac 占用更少内存(5.0.20)。内存低于 48 GB 时,LTX 以更小的尺寸渲染,24 GB 及以下的 Mac 会自动使用低内存路径。在 16 GB 的 Mac 上,一个片段的峰值约为 5.7 GB 内存,带 LoRA 时约 6.7 GB。画面帧与之前相同。
超清放大与导出
渲染之后,片段可以在不裁切的情况下调整大小。
在 Hailuo H3 上(在渲染后 → 超清放大下):
- 原生:保持渲染时的尺寸。
- 720p 适配 / 1080p 适配:缩放到铺满画面。接近 16:9 的画布(H3 草稿和标准、LTX 标准)会在边缘损失几个像素,而不是加上黑边;偏离很多的画布(方形、竖屏放进横屏)仍会补边。720p 适配是默认选项。
在这些尺寸下面,草稿之后同时运行超清放大与人脸修复是可选项,默认关闭。勾选后,草稿按原样交付,另有一个任务用 LTX-2.5 把它以两倍尺寸重新渲染,修整源画面的细节并保留音频;修复后的片段会出现在草稿旁边。它需要 0.3 GB 的超清放大适配器,从“模型”窗口下载,用时大约再等一个草稿的时间。
在 LTX 上(在渲染后 → 导出下):720p 适配(默认)、原生或 2×。不是“原生”时,方式可选快速(即时)或锐利(更锐利的超分,多 30-90 秒)。
任何已完成的片段之后也都可以通过超清放大与人脸修复处理:在播放器上方的操作叠层里,点一下即可。
更多控件
- 种子:
-1表示随机;沿用同一个种子,改动提示词,就能得到同一镜头的另一版。 - LoRA:附加项选择器。见 LoRA。
- 画面方向(LTX):16:9、9:16、1:1 或 4:5。
- 高级设置:宽 × 高、时长和帧数。
- 渲染后:导出 / 超清放大,以及完成后打开文件。
- ⊞ 批量:粘贴多条提示词,全部加入队列。
- 隐藏(播放器工具栏上的眼睛图标):把片段从作品库中移除,提示条里有撤销。“作品”筛选行里的已隐藏 (N) 标签会显示所有被隐藏的内容,所以误隐藏的片段只需点一下就能找回。
来源:webapp/docs/video.md,位于公开仓库。发布前已针对本网站审阅。译自英文原文。建议修改。