文档中心

即梦AI

动作模仿

动作模仿-产品介绍

动作模仿 —— 即梦同源的视频动作模仿（生动模式），输入一张图片和一段模版视频，可以将图片中的人物按照模版视频的动作/表情/口型驱动起来，主体及背景特征与输入图片保持一致。

相较于前一代模型，它具有更稳定、更逼真的效果，突破竖屏画幅限制，各种画幅、比例视频均能高度还原，支持多种风格角色，具备一定的运镜还原能力。

演示案例仅供参考，请以实际生成效果为准

亮点	案例
精准还原动作与表情	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
支持多种动漫风格	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 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
支持驱动常见宠物	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
支持小幅度运镜	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

算法可能会更新，请以实际调用情况为准

入参	图片+视频	输入的视频时长不可超过30s，支持mp4、mov、webm格式，视频分辨率须是200✖️200或以上，2K以内（2048✖️1440）图片格式支持 jpeg 、jpg 、png ，分辨率需在 480✖️480 以上，1920✖️1080 以内（超出此大小会被等比例缩小）同时支持人脸表情和肢体动作驱动，支持从全身、半身到肖像的全画幅驱动：驱动源：视频（仅支持真人）驱动范围：全脸+肢体图片支持真人、动漫、常见宠物（猫狗等）的驱动；过于抽象的动漫画风可能会生成失败
出参	视频	输出视频为驱动后的图片视频，画幅与入参图片保持一致 RTF约为16，即生成10秒钟的视频大约需要160秒左右，如遇到服务高峰耗时会增加输出视频格式为mp4，画幅比例与入参图片一致，视频分辨率为720P，24fps

使用高清视频作为输入：当需要生成精细部位动作，如手指动作时。我们建议尽可能使用清晰、手指分明的视频作为输入。对于需要还原微表情的视频，清晰的视频输入也有利于提高模型精确还原的概率。

保证输入图片与视频的人物比例、画幅相近：驱动视频与图片中人物在身体露出比例、姿态上越相近，还原效果越稳定。另外，对于需要驱动四肢或手部进行运动的场景中，参考图中完整露出角色四肢/手部有助于获得更好的结果。

5.1 服务开通

您需要使用火山账号登录控制台，在即梦页面开通「动作模仿」能力，服务开通后可通过接口调用

5.2 计费规则

本服务按生成视频时长计费

单价	并发限额
0.5 元/秒	1

5.3 欠费关停策略

最近更新时间：2026.08.24 16:50:35

这个页面对您有帮助吗？

有用

无用