视频生成 2.5：一句话生成声音与画面，升级你的创作力

核心亮点：通过提示词描述即可生成声音，实现音画高度同步。

模型特性：

● 音画同步：原生支持音画同步、高保真音频生成，含人声（多人）、ASMR、音效、音乐等多种声音类型，支持中文、英文、小语种和方言。可通过提示词指定生成音频，或上传音频作为参考。

● 10s长视频生成：最高支持 10s 视频，容量提升一倍，叙事更完整。

● 指令遵循提升：大幅提升自然语言理解和指令遵循能力，理解复杂连续变化指令控制，运镜理解，支持结构化提示词

● 视频质量优化：动态表现力与结构稳定性显著提升，电影级美学，最高 1080P / 24fps 输出。

● 图生视频保ID优化：语义控制精准，角色与元素一致性更高。

● 通用音频驱动：文生/图生视频均支持音频参考生成，搭配提示词或首帧图创作更丰富画面。