# 自由创作新手指引 ## 功能概述 Kickart \- 自由创作是灵活性更高的创作方案，支持用户直接上传素材开启创作、@参考内容，自由组合图片、文字、音频、视频等多元创作元素；可同时输入角色参考图、商品参考图以及结构化的分镜提示词，也可在一键成片后快速编辑分镜视频、重新局部生成，适合需要进行成片视频精修、视频微调或复杂调整的用户。核心功能速览： 1. 多参考图联合创作：同时引用人物图、商品图、场景图进行生成，稳定控制商品外观还原、人物形象一致性与场景风格统一。 2. 素材前置锚定生成：先用高质量参考图锁定主体 → 再让画面动起来，提升商品细节与人物 ID 的稳定度。 3. 结构化提示词创作：按「主体特征 / 场景背景 / 构图景别 / 运镜方式 / 主体动作 / 口播音频 / 一致性约束」分字段填写，让创作更像写脚本、更可控。 4. 多类型电商短视频覆盖： 1. 品牌广告类：强调质感、运镜、氛围； 2. 剧情演绎类：人物 × 商品 × 场景互动； 3. 主播带货类：口播、动作展示、卖点表达。除此以外，还支持其余各类电商短视频创作。 5. 多主体一致性控制：人脸特写、商品图可分开引用，提示词中可明确指定"图片1中的女性"，有效减少人物漂移和商品变形。 6. 片段化生成与续写：先行生成 4\-15 秒片段，可追加拼接、逐段优化，分步组装成片，不用一次性制作完整长视频，创作灵活可控。 7. 生成后调优：支持擦除字幕、添加字幕、删除片段、重新生成调优，提升成片效率。 8. 合成导出成片：多片段拼接合成 → 导出最终视频，覆盖完整的成片工作流。创作链路总览：

准备素材图 → 生成视频片段 → 调优/拼接成片

1.

准备素材图（AIGC生成 / 本地上传 / 空间导入）→ 目的是给视频生成提供稳定的商品与人物参考。

2.

生成视频片段 → 写好提示词，让图"动起来"，一次生成一个 4～15s 片段。

3.

调优成片 → 不满意就改图/改提示词重新生成；有字幕问题用「擦除字幕」；多段拼接后「合成视频」导出。

## 创作流程自由创作页面共有两种进入路径，分为直达入口与后置编辑入口两类： * 首页直达入口：直接从首页「自由创作」Tab 一键进入； * 后置编辑入口二：执行「一键成片」生成视频后跳转进入。

从首页「自由创作」Tab 一键进入

执行「一键成片」生成视频后跳转进入

**自由创作分为直达入口与生成后跳转入口两类，首页「自由创作」Tab 操作步骤完整，下面以此路径为例，展示完整标准创作流程。** 1. 通过首页「自由创作」Tab 进入创作页面，即可手动新增素材：点击资产库右侧加号，选择“空间导入”或“本地上传”就能导入素材。所有素材默认在「全部」栏目展示，同时按视频、图片、音频类型自动分栏归类，三类素材均支持上传添加。 ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_3c6d56e68f4a7441811bbe100aa57c2c.png) 2. 若暂无外部素材可导入，可通过 AI 生成所需素材：点击资产库右上角「+」，选择下拉菜单中的「生成素材」，页面将自动跳转至底部新建资产区域；也可直接在底部输入框切换至「生图片」功能。输入对应提示词（Prompt），创作 Agent 即可生成符合需求的人物形象。AI 生成素材左上角自带「复制提示词」标签，便于用户一键复制复用提示词。两种生成模式任选其一，二者素材入轨道规则不同： 1. 选用「新建资产」生成画面：素材保存在资产库，需手动点击素材三点按钮添加至轨道； 2. 选用「视频片段 01」生成画面：生成后的素材将自动添加到编辑轨道。

选择「新建资产」生成素材效果示意图

选择「视频片段 01」生成素材效果示意图

3. 人物生成完成后，用户可以根据需求再进行场景图等生成，如下图所示。选择底部输入框的“生图片”，输入prompt，生成对应的场景图。

选择「新建资产」生成素材效果示意图

选择「视频片段 01」生成素材效果示意图

4. 完成人物、场景图 AI 生成后，同步上传商品素材图；由用户本地 / 空间导入的非 AI 生成图片，左上角不会展示「复制提示词」标识。

5. 在底部输入区域切换至「生视频」，输入创作提示词时，可通过符号「@」调取资产库内已上传的图片、音频素材作为画面参考。输入 @后会弹出素材选择面板，勾选目标素材即可插入提示词；同时支持在素材调取弹窗内追加多选更多参考素材，界面操作示意如下：

选择「新建资产」生成素材效果示意图

选择「视频片段 01」生成素材效果示意图

6. 生成视频时支持多项参数自定义调节：输入框下方提供模型、参考类型、画面比例、视频时长、分辨率等配置项，用户可按需自由选择设置。

选择「新建资产」生成素材效果示意图

选择「新建资产」生成素材效果示意图

7. 添加BGM：如需搭配专属背景音乐，可先将音频素材上传至资产库，目前只支持添加mp3格式。两种方式均可添加至音频轨道： 1. 鼠标悬停在音频素材上，点击素材菜单选择「添加到轨道」； 2. 直接拖拽音频素材到时间轴下方音频轨道区域。

8. 视频片段局部调整：将资产库内待编辑的视频素材拖拽至右侧时间轨道；通过轨道右上角缩放控件缩放时间轴视图，清晰查看单帧画面，提升操作精度。移动轨道上紫色时间指针至裁切点位，点击工具栏「分割」按钮切割视频，分割完成后即可单独对拆分后的片段进行编辑调整。

9. 字幕调整&增删片段：将鼠标悬停至目标视频片段轨道后右键，可管理字幕（添加 / 擦除），同时支持新增、删除视频片段。

10. 合成视频：内容制作完成后，点击右上角「合成视频」按钮等待成片生成，后续可在「我的空间\-作品」页面查看最终视频。

## 素材图准备实用指南 Q:为什么要先生成图再生视频？ A:直接用文字生视频时，模型对商品外观、模特长相的控制力有限；先生成一张高质量参考图再让它"动起来"，能大幅提升视频中商品还原度和人物稳定性。 1. #### 什么样的素材图适合做视频参考 |**原则** |**说明** | |---|---| |**商品占据主画面**

|商品在图中至少占 50% 面积，避免被复杂背景淹没

| |**人物需额外准备大头照** |如果视频中有真人，除了全身/半身图外，单独裁剪一张人脸特写作为独立参考图，防止 ID 漂移

| |**背景尽量干净** |纯色或简洁场景最佳，复杂背景会干扰视频中主体的还原

![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_8f7c9209b870eef49ac883c53a74c0d6.png) ![图片](https://portal.volccdn.com/obj/volcfe/cloud-universal-doc/upload_7faae90c22cc919d9c7e0bb28086e180.png)

❌背景/画面元素过多 ✅商品全貌清晰、背景干净、无多余字体 | 2. #### 图片提示词怎么写 **图像生成公式 =** 画面质量 + 主体特征 + 场景/背景 + 构图景别 + 风格氛围 + 光线色调 + 用途说明 |**场景** |**提示词** |**案例** | |---|---|---| |**美妆商品图**

用于品牌广告类视频，定视觉调性 | **[画面质量]** 高质量商业摄影， **[主体特征]** 一瓶精华液瓶身居中摆放，瓶身带有细密水珠质感， **[场景/背景]** 放在台面上旁边散落几片玫瑰花瓣背景为浅粉色渐变， **[构图景别]** 产品特写 9:16竖屏， **[风格氛围]** 极简高级感， **[光线色调]** 柔和影棚侧光， **[用途说明]** 用于美妆 TVC 短视频首帧参考 |

| |**服饰模特图**

用于剧情种草视频人物参考 | **[画面质量]** 4K商业摄影， **[主体特征]** 一位年轻亚洲女性长直发淡妆穿米色宽松西装外套搭配白色T恤自信微笑， **[场景/背景]** 站在城市街角咖啡店门口， **[构图景别]** 全身入镜 9:16竖屏， **[风格氛围]** 真实自然街拍感， **[光线色调]** 自然侧光画面通透， **[用途说明]** 用于穿搭剧情短视频人物参考 |

| |**主播人物图**

用于口播带货视频人物参考 | **[画面质量]** 4K商业摄影， **[主体特征]** 皮肤白皙的25岁中国女性戴洗脸头箍手拿一支白色洁面乳， **[场景/背景]** 站在有生活感气息的浴室中，准备洗漱， **[构图景别]** 半身入镜 9:16竖屏， **[风格氛围]** 干净清新亲切感， **[光线色调]** 柔和自然光整体明亮， **[用途说明]** 用于主播口播带货视频人物参考

|

| 3. #### 图像修改提示词 **图像编辑公式 =** 变化动作 + 变化对象 + 变化后的特征 |**场景** |**提示词** |**案例** | |---|---|---| |**换图片背景**

街拍氛围→室内棚拍 | **[变化动作]** 将图中的精华液瓶身保留不变， **[变化对象]** 背景替换为 **[变化后的特征]** 浅粉色渐变氛围背景，底部改为有倒影的光滑台面，瓶身周围散落几片玫瑰花瓣，整体柔和影棚光从顶部打下，呈现高级商业摄影质感。

|

替换前 👉 替换后 | ## 视频提示词实用指南 1. #### 通用公式 **视频生成公式 =** 参考图主体 + 视频类型/目标 + 运镜方式 + 主体动作 + 场景环境 + 口播/音频 + 一致性约束 **不同视频类型侧重不同** * **TVC**：运镜 + 风格氛围要写得更重 * **剧情**：多参考图引用 + 每个主体明确指代 * **主播带货**：口播台词（15字内）+ 音色情绪描述是核心 2. #### 品牌广告类视频 **特点：** 强调电影感运镜、极致画面质感，通常无口播靠画面和BGM说话。提示词里**运镜**和**场景氛围**要写得很重。 |**场景** |**提示词（公式标注）** |**案例** | |---|---|---| |**美妆精华液**

产品质感特写 | **[参考图主体]** 参考图片1中的玫瑰金精华液瓶身， **[视频类型]** 生成一段品牌 TVC 短视频。 **[运镜方式]** 镜头从正面缓慢环绕旋转至45度侧面随后推近至瓶口特写， **[主体动作]** 瓶身表面水珠缓缓滑落压泵处有一滴精华液落下拉丝。 **[场景环境]** 深色渐变背景底部有微光水面倒影。 **[口播/音频]** （背景音乐：空灵电子氛围感）。 **[一致性约束]** 保持瓶身外观材质比例严格一致，不新增无关元素，不生成字幕水印 |

| |**3C耳机**

科技感悬浮展示 | **[参考图主体]** 参考图片1中的白色无线耳机， **[视频类型]** 生成一段品牌 TVC 短视频。 **[运镜方式]** 镜头从侧面缓慢推近到耳罩内侧特写再拉远到全景， **[主体动作]** 耳机缓慢旋转一圈展示金属铰链细节边缘有蓝色科技光效流动。 **[场景环境]** 深灰渐变纯色背景。 **[口播/音频]** （背景音乐：低频电子节拍）。 **[一致性约束]** 保持耳机外观材质严格一致，不新增无关元素，不生成字幕水印 |

| 3. #### 剧情演绎类 **特点：** 有人物+商品+场景互动。 **常见场景是多张参考图的引用**——需要同时引用人脸参考图和商品参考图，提示词中每次都明确指代谁是谁。 **多主体参考关键规则：** * 人物参考：单独裁剪一张**人脸特写**作为独立参考图，放最前面引用 * 商品参考：商品图单独一张，不和人物图混用 * 每次提到主体都完整指代"图片1中的女性""图片2中的精华液" * 结尾加"视频全程不出现重复人物" |**场景** |**输入图** |**提示词** |**案例** | |---|---|---|---| |**食品开箱试吃**

手部+商品互动 |

|> 分镜一示例，其余同理

**[参考图主体]** 参考图片1中的年轻女性、图片2中的年轻男性， **[视频类型] ** 生成一段古装情景剧短视频。 **[运镜方式]** 镜头保持全景固定。 **[主体动作]** 图片2中的年轻男性右手猛拍桌子并拔出手中宝剑，面部表情愤怒，大声向一旁淡定围坐的图片1中的年轻女性索要解药。 **[场景环境]** 复古木质结构的武侠客栈大堂，带有长梯、红绸牌匾和字画，光线偏暖。 **[口播/音频]** 有原声口播（口播：交出解药！）。 **[一致性约束]** 保持图片1中的年轻女性和图片2中的年轻男性五官及服饰外观一致，不生成字幕水印。

|

| 4. #### 主播带货（口播型视频） **特点：** 核心是**口播描述的精准控制**——台词长度、音色情绪、说话时机直接决定效果。运镜通常固定中景，动作幅度小，重点在表情和手部展示。 **口播写法核心技巧：** * 台词 **15字以内** 最稳定，最长不超过30字 * 避免中英混杂、生僻字、专业术语 * 描述音色情绪：如"用温柔亲切的年轻女声说话" * 说话时手要有展示动作，不能只站着不动 |**场景** |**输入图** |**提示词（公式标注）** |**案例** | |---|---|---|---| |**美妆防晒霜**

轻薄质地口播 |

| **[参考图主体]** 参考图片1中的年轻女性、图片2中的防晒霜， **[视频类型]** 生成一段主播口播带货短视频。 **[运镜方式]** 镜头保持半身稳定中景， **[主体动作]** 图片1中的女性右手举起图片2中的防晒霜左手轻轻挤出少量涂抹在手背上展示轻薄质地。 **[场景环境]** 明亮的落地窗前阳光透进来。 **[口播/音频]** 面带微笑看着镜头用自信活泼的语气说话（口播：这支防晒超轻薄完全不搓泥）。 **[一致性约束]** 保持图片1中人物五官一致保持图片2中产品外观一致，不新增无关元素，不生成字幕水印

|

| |**食品零食推荐**

试吃反应口播 |

| **[参考图主体]** 参考图片1中的年轻女性、图片2中的坚果零食袋， **[视频类型]** 生成一段主播口播带货短视频。 **[运镜方式]** 镜头保持半身稳定中景， **[主体动作]** 图片1中的女性打开图片2中的坚果袋倒出一些在手心展示后拿起一颗放入口中露出满足表情。 **[场景环境]** 温馨客厅沙发旁暖色调。 **[口播/音频]** 面带微笑用轻松愉快的语气说话（口播：一口一个停不下来真的太香了）。 **[一致性约束]** 保持图片1中人物五官一致保持图片2中包装外观一致，不新增无关元素，不生成字幕水印

|

|