Studio 场景：如何把多个场景拼成一支视频

「Studio 场景」是「视频虚拟形象」板块中的一个标签页：像剪辑一样把一段段完整场景拼成视频——添加会说话的虚拟形象场景、图片场景或现成的视频片段，排好顺序并设置统一参数，系统就会把它们合成一个视频文件。当你需要的不是一张照片生成的短片，而是完整成片时尤其好用：虚拟形象讲解产品，图片展示细节，片段带来节奏。下面介绍视频由哪些场景组成、开始前要设置什么、如何一步步拼好，以及费用怎么算。工具在Studio 场景标签页中打开。

Studio 场景是什么

Studio 场景是用一帧帧完整画面搭建视频的工具。每个场景都是成片中的一段独立内容：会说话的虚拟形象配语音或现成音频，图片配配音或静默停留时长，也可以是现成的视频片段。你把场景按需要排序，选择统一的分辨率和画幅，就得到一个 MP4 文件，各段依次播放。不用在别的剪辑软件里动手：画面拼接、配音和衔接由板块完成。

一支视频由哪些场景组成

• 虚拟形象说话。从目录中选择虚拟形象，输入最多 5000 字的文本或附上现成的录音，挑选声音——开始前可以先试听——还可以为照片虚拟形象设置动作提示词。
• 图片。上传图片或粘贴链接。场景可以用文本或音频配音，也可以静默播放：此时你设置它在画面上停留的秒数。
• 视频片段。粘贴现成视频片段的链接，需要时再配上配音或文本。

一支视频可以包含 1 到 50 个场景。一个按钮就能调整顺序，多余场景可以删除——按你的脚本精确组装。

开始前要设置什么

• 视频名称——作品以此名称出现在历史记录中。
• 画幅：16:9 适合 YouTube，9:16 适合 Shorts、Reels 和 TikTok，1:1 适合信息流，另有 4:5、5:4 和自动。
• 分辨率：720p、1080p 或 4K。
• 场景顺序与组成——可以上移场景、删除不需要的场景。

如何拼成视频：分步操作

1. 打开「视频虚拟形象」板块中的「Studio 场景」标签页并登录。
2. 设置名称、画幅和分辨率。
3. 搭好第一个场景：选择类型——虚拟形象、图片或片段——并填写字段。虚拟形象场景选择形象和声音、输入文本或附上音频；图片场景上传文件或粘贴链接；片段场景粘贴视频链接。
4. 用「添加场景」按钮继续添加，并按需要的顺序排列。
5. 确认以代币显示的价格——开始前就会显示。
6. 点击「合成视频」。作品会出现在「我的 Studio 视频」区块，状态为等待并自动更新。
7. 成片就绪后可直接在卡片中播放，一键下载。

合成一支视频要花多少

按代币计费，无需订阅：新用户注册时会获得起始代币，之后按需要的金额充值。价格在开始前显示，由付费部分组成：虚拟形象说话场景按秒计费，文本场景的配音按语音时长计费；静默图片和视频片段不单独计费。界面上看到多少就扣多少。如果合成失败，代币会自动退回余额。

适用场景

• 产品介绍：虚拟形象讲解，讲解之间穿插幻灯片和实拍片段。
• 教学视频：主讲人的说明与示意画面交替出现。
• 用现有素材做推广：把片段剪辑成一支视频，配上虚拟形象的旁白。
• 竖屏系列：同一脚本用 9:16 发布到社交平台。
• 常态化内容：一个虚拟形象加固定场景结构，快速产出新视频。

与相邻标签页的区别

「虚拟形象与生成」用虚拟形象和文本生成单支视频，「视频代理」按文字简报合成视频，HyperFrames 渲染 HTML 动画，而 Studio 场景是导演式拼接：由你决定哪些画面进入视频、以什么顺序、每个场景用什么声音。

与其他标签页的配合

场景素材适合放在「媒体库」，文本配音可用「文本转语音」标签页或自己的声音（「声音克隆」），成片可在「视频翻译」中译成其他语言，再到「片段剪辑」切成短片。

常见问题

一支视频最多能拼接多少个场景？

1 到 50 个。每个场景都是独立的完整画面：会说话的虚拟形象、图片或视频片段，顺序可以调整。

Studio 场景和「虚拟形象与生成」有什么区别？

「虚拟形象与生成」用虚拟形象、照片和文本生成单支视频；Studio 场景则把多个独立场景拼成一支视频，可以在说话的虚拟形象、图片和现成片段之间交替。

价格怎么计算？

价格在开始前显示：虚拟形象说话场景和文本场景的配音按秒计费，静默图片与片段不单独计费。合成失败时代币会退回余额。

可以使用自己的视频、图片和音频吗？

可以。图片和片段通过上传或链接添加，虚拟形象场景和图片场景也可以附上你自己的录音，而不使用语音合成。