把创意组织成完整视频
Maestro 不只生成画面，而是把选题、脚本、旁白、配乐、字幕和剪辑串成制作流程。提示词可写清观众是谁、需要讲明什么、开场如何吸引注意以及结尾如何收束，让创作围绕表达目标展开，适合从内容简报直接启动制作。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作输入
- 自然语言 prompt；可附图片、视频、音频 URL，最多 20 项
- 目标时长
- 5–300 秒，默认 30 秒
- 画幅选择
- 9:16、16:9、1:1；默认 9:16
- 多语言制作
- 单次最多 4 种语言；默认 zh-cn，第一种为主语言
- 视频类型
- auto、narrated、captions、avatar、drama
- 创作动作
- generate、remix、edit、extend
- 交付方式
- 异步任务；完成后获取带字幕的成片及各语言版本
以上为 Maestro 视频生产入口的创作与调用规格，目标时长不等于精确成片时长。
核心能力
了解 maestro 能为你的工作带来什么。
同一套画面，多语言表达
通过 langs 指定语言，第一种作为主语言，其他语言复用同一套画面，再完成对应配音与渲染。中文、英语、日语等版本可在同一次任务中组织制作，减少重复准备视觉内容的工作；交付结果按语言区分，便于分别发布。
基于已有项目继续创作
成片之后不必每次从零开始。remix 用于保留主题并调整表现，edit 用于标题、配音或配色等局部修改，extend 用于延展内容。提供历史任务 ID 和明确的修改要求，即可启动新的迭代任务，逐步完善同一个视频项目。
适用场景
从具体任务出发，找到模型发挥作用的位置。
知识解说与教程短片
输入一个概念、教程要点或整理好的文章内容，说明观众基础与希望保留的结论，选择 narrated 制作解说视频。交付物包含画面、旁白和字幕，适合把文本内容变为便于观看的短片；关键术语和必须出现的信息应在提示词中写明。
产品宣传与品牌内容
附上产品图、logo 等参考素材，描述卖点、受众及希望呈现的视觉气质，再选择横屏、竖屏或方形画幅。可用 modern、luxury 等预设组织观感，用旁白音色配合表达；成片后继续修改标题或配音，形成不同宣传表达。
已有视频加工与海外分发
为已有素材添加字幕时，使用 captions 并提交源视频 URL；需要跨语言传播时，在 langs 中选择目标语言。前者侧重已有视频加工，后者侧重同一视觉内容的多语言交付，可分别用于素材整理与产品介绍的多地区发布。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
需要完整成片时选择 Maestro
如果任务不仅要画面，还需要脚本、配音、配乐和字幕，Maestro 的导演式流程更贴近完整交付目标。相较只围绕单段画面提出要求，这里应优先描述内容结构和观众预期。新项目使用 generate；已制作的项目则按重新演绎、局部修改或续写选择动作。
按视频类型安排素材与控制
解说内容选择 narrated，已有视频加字幕选择 captions，人像口播选择 avatar，角色对白故事选择 drama。类型决定表达形式，style 调整视觉观感，voice 调整旁白音色，不要把三者混为一种控制。想让系统自行组织形式时，可以保留 auto 并写清创作目标。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 目标时长需在 5–300 秒内，单次语言数最多为 4，参考 URL 最多为 20 项。多语言制作复用同一套画面，不等于每个语言版本都会重新设计视觉内容；若不同地区需要不同画面，应拆分创作任务。
- captions 需要提供源视频，avatar 需要提供人像，不能只选择类型而省略必要素材。参考内容应通过 file_urls 提交媒体 URL；这与直接上传本地文件不同，制作前应准备好可访问的素材地址。
- Maestro 采用异步制作，提交成功只表示任务已受理，并非成片已经完成。较大的内容调整可能重新生成；视觉风格与旁白音色是创作控制，不应视为逐帧锁定画面或逐字保证配音结果的工具。
常见问题
解答使用 maestro 时的常见疑问。
Maestro 和只生成视频画面的工具有什么区别？
Maestro 的任务是组织完整视频制作，除了画面，还包括脚本、旁白、配乐、字幕、剪辑与渲染。提示词应描述内容目的和表达结构，而不只是镜头外观；它更适合希望从简报推进到成片的创作任务。
如何用自己的产品图、视频或音频？
把媒体 URL 放入 file_urls，并在 prompt 中说明各素材的用途，例如产品图用于展示、logo 用于品牌识别、视频用于字幕加工。最多可提交 20 项；选择 captions 时应提供源视频，选择 avatar 时应提供人像。
一次可以制作几种语言？画面会不同吗？
单次最多指定 4 种语言，默认中文，langs 中第一种是主语言。其余语言复用同一套画面，另做配音和渲染，完成后分别获得语言版本。若希望各地区采用不同视觉叙事，应分别提交对应的创作要求。
修改成片应该选 remix、edit 还是 extend？
想保留主题但换一种表现，可选 remix；改标题、配音或配色等局部内容，可选 edit；继续扩展原有内容，可选 extend。三者都需要 ref_task_id，并在 prompt 中说明修改目标，随后会返回新的任务 ID。
提交后怎样拿到最终视频？
调用 POST /maestro/videos 后先取得 task_id，再用 POST /maestro/tasks 查询进度和结果。任务会经过规划与制作阶段，成功后获取成片及各语言版本；应用应区分提交成功、制作中、完成和失败状态。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。