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：

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。

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。

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。

多类型电商短视频覆盖：

品牌广告类：强调质感、运镜、氛围；

剧情演绎类：人物 × 商品 × 场景互动；

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。

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。

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。

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。

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：

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：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。

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。

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：

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；

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」生成素材效果示意视频

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」生成场景图

选择「视频片段 01」生成场景示意视频

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。

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：

在底部输入区域切换至「生视频」

选择「视频片段 01」生成视频

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」生成素材图

选择「视频片段 01」生成视频

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：

鼠标悬停在音频素材上，点击素材菜单选择「添加到轨道」；

直接拖拽音频素材到时间轴下方音频轨道区域。

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。

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。

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。

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 ❌背景/画面元素过多 ✅商品全貌清晰、背景干净、无多余字体

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

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

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

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	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag
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	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

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。	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag

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	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag
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	Replay Play 00:00 / 00:00 Live 00:00 Fullscreen Cssfullscreen 1x 2x 1.5x 1x 0.75x 0.5x Click and hold to drag