你刷到别人用万相2.1做的视频，想自己试一条，结果卡在三件事上：入口在哪、它擅长什么镜头、免费用量怎么算。这篇不吹参数，只给一份从试水到出片的判断清单，顺带说清哪些活儿它不合适，帮你在动手前就把预期放对。
刷到别人用万相2.1做出来的视频，自己上手却先卡在三件事上：从哪进、它擅长什么镜头、免费用量怎么算。这篇不聊参数，只给一份从试水到出片的判断清单，顺带把不合适的活儿提前挑出来，让你动手前把预期放对。
先记住一个前提：同一个模型，走不同入口得到的效果和账单口径是不一样的。所以下面按「能力边界 → 入口与额度 → 提示词与交付」三段走，每段都给能直接照着做的动作，而不是让你背概念。
它擅长什么、明显不擅长什么
万相2.1按输入方式分成两路：文生视频吃提示词，图生视频吃首帧参考图。两条路的可控性差别很大——你手里有没有一张干净、清晰、主体居中的参考图，直接决定成品像不像你要的东西。所以第一步不是写词，是先确认素材。
| 你的需求 | 适合走哪路 | 判断依据 |
|---|---|---|
| 一个主体做简单动作 | 图生视频 | 参考图能锁定外观，动作交给提示词 |
| 没有素材、只想试风格 | 文生视频 | 全靠描述，接受随机性 |
| 画面里要出现准确文字 | 都不太合适 | 文字容易变形，需后期贴 |
| 多个镜头讲完整故事 | 都不合适 | 一条生成只能出一个镜头 |
- 主体是否清晰：模糊、遮挡、多人堆在一起的主体，生成出来基本失控
- 镜头运动幅度：推拉摇移幅度越大越容易崩，先从小幅动作试
- 画面里要不要准确文字：要就别指望生成阶段搞定
- 单条时长够不够讲完一个动作：动作复杂就拆成两条，别硬拉时长
不适用的情况也写清楚：需要连续多镜头叙事、需要人物跨镜头保持同一张脸、需要精确口型对位，这几类别指望一条生成搞定，交给剪辑或换工具更省时间。
- 先出低配版看构图用最低分辨率和最短时长跑一版，只看主体位置、画面比例和动作方向对不对，别一上来就堆满修饰词
- 确认后再加变量构图对了，再单独加风格、光影、环境，一次改一个，方便定位是哪句话在起作用
- 最后才拉时长和分辨率长和高清会把前面的问题放大，放在最后一步做，失败成本最低
从哪个入口进、额度与计费怎么算
入口先分清楚三条：官方网页端直接生成、云平台按量调接口、第三方应用间接调用。三条路的计费口径完全不同——网页端多半按次数或额度，接口按调用量，第三方应用则可能打包进它自己的会员里。别拿别人的截图当标准。
- 官方网页端
- 适合个人试水和轻量出片，操作门槛最低
- 云平台接口
- 适合批量或接进自己系统，按调用量结算
- 第三方应用
- 调用方帮你封装好了，但计费和使用限制由它说了算
额度规则通常按「条数 × 分辨率 × 时长」这类组合算，不是简单的一天几条。具体数字和当天活动以站内页面实时显示为准，动手前到 /official-api/providers/alibaba 和 /tools/model-cost-calculator 对一遍口径。
- 走接口先问：按秒还是按次、失败重试算不算钱、排队会不会拖慢出片节奏
- 额度用得快，先查是不是反复重抽，这是最常见的原因
- 其次看单条时长是不是一直拉满，长视频消耗远高于短片
- 再看分辨率有没有一直开最高，试水阶段完全没必要
- 压完这三项再判断是不是真的不够用
提示词怎么写、成品怎么交付
提示词按「主体 + 动作 + 镜头 + 环境 + 风格」逐句拆开写，别一口气堆成一长串。这样出问题你知道是哪一句在起作用，改起来也有方向。
主体：一只橘猫坐在木桌上；动作：慢慢抬头看向镜头；镜头：固定机位，轻微推近；环境：午后窗边，自然光；风格：写实，浅景深生成完别在工具里反复折腾。挑一条好的导出，确认编码和分辨率，需要字幕配音就接剪辑环节，把收尾工作放到该放的地方。
| 检查项 | 看什么 | 不过关怎么办 |
|---|---|---|
| 多余文字或水印 | 画面有没有奇怪字符 | 裁掉或用剪辑遮盖 |
| 时长 | 是否满足目标平台要求 | 剪辑里裁或补 |
| 横竖屏 | 比例对不对 | 导出时选对画幅 |
| 授权 | 能不能商用、能不能二次分发 | 按用途单独确认 |
授权边界要单独确认：生成结果能不能商用、能不能二次分发，各平台口径不一样。可以到 /ai-nav/category/ai-video 看同类工具怎么规定，再按自己的用途判断，别默认「能生成就等于能商用」。
下一步与其在参数上纠结，不如按上面的清单先跑一条最低配短片，把构图和动作跑通。真实额度、当时价格和授权口径，都到站内页面核对当下的数字。→常见问题
万相2.1和通义万相是一回事吗，该从哪进？
万相是阿里这条视频模型线的名字，通义万相是面向用户的入口之一。你不用纠结命名，认准自己要的是网页端试水还是接口接入就行：试水看站内的视频生成工具目录，接入看阿里云百炼那条线。
免费额度够拍一条能发的短视频吗？
看片子复杂度。单镜头、五六秒、不追求高分辨率的，通常能试出几版；多镜头或者要反复重抽的，额度消耗会明显快。建议先按最低配置出一版看构图，满意了再提分辨率重出，别一开始就顶配。
生成出来人物脸变了、动作也别扭，怎么办？
两个方向：一是换图生视频，拿一张定好人物和构图的参考图当首帧，比纯文字描述稳得多；二是把动作幅度写小，只描述一个连续的小动作，别让它同时走路、转身、挥手。要求跨镜头同一张脸，得靠后期或者数字人方案补。
