图片+音频参考

约 258 字小于 1 分钟

图片负责提供人物、产品或场景参考，音频负责提供节奏或声音参考。两类素材可以一起放进 metadata.content[]。

请求示例

POST https://mivsub.com/v1/video/generations
Authorization: Bearer sk-frameai-xxxxxxxx
Content-Type: application/json

{
  "model": "doubao-seedance-2-0-260128",
  "prompt": "参考 [Image 1] 中的产品外观，配合 [Audio 1] 的节奏，生成产品在黑色背景上旋转展示的广告视频",
  "seconds": "5",
  "metadata": {
    "resolution": "720p",
    "ratio": "1:1",
    "generate_audio": true,
    "watermark": false,
    "content": [
      {
        "type": "image_url",
        "role": "reference_image",
        "image_url": {
          "url": "https://cdn.example.com/reference/product.jpg"
        }
      },
      {
        "type": "audio_url",
        "role": "reference_audio",
        "audio_url": {
          "url": "https://cdn.example.com/reference/product-music.mp3"
        }
      }
    ]
  }
}

素材字段

素材	`type`	`role`	URL 字段
图片	`image_url`	`reference_image`	`image_url.url`
音频	`audio_url`	`reference_audio`	`audio_url.url`

两个 role 都必须放在 content[] 对象外层。图片和音频 URL 要保持公网直连，并在任务处理完成前有效。创建任务后使用视频任务查询获取最终视频地址。