通义万相文生视频2.1 plus

你可能是接到一条产品演示或口播片头，想用通义万相文生视频 2.1 Plus 出几段素材，但不确定它擅长什么、不擅长什么，提示词该写到多细，出片后怎么判断能不能交付。这篇按「先判断适配、再写提示词、最后验收与算账」的顺序给你一套可执行流程，模型版本和价格这类会变的数字，一律告诉你去站内哪一页核对。

你可能刚接到一条产品演示、口播片头或电商主图视频，想用通义万相文生视频 2.1 Plus 先出几段素材，但不确定它擅长什么、不擅长什么，提示词写到多细才不浪费抽片次数，出片后又怎么判断能不能直接交付。这篇按「先判断适配、再写提示词、最后验收与算账」的顺序，给你一套能照着走的流程。

先说清楚一件事：模型版本、时长上限、计费口径这类会变的数字，本文一律不写死，你去站内对应页面核对当时的数字就行。下面讲的是判断标准和动作顺序，换个模型版本也照样能用。

先判断这条片子该不该交给它

这类文生视频模型最稳的用法，是当一个「概念视觉化工具」，不是当摄影机替代品。接到活先问自己三个问题：画面里要不要出现准确的文字、人物要不要说对白、镜头要不要连续跨场景。这三个里中两个以上，就别硬上，改用图生视频打底或者干脆转真人拍摄，省下来的返工时间比省下的成本值钱。

• 动手前先去站内 /ai-nav/category/ai-video 翻一遍同类工具，确认它在你这条片子里是主力还是补位
• 拿不准就先跑一条极短的测试片，把运镜和主体稳定性摸清，再决定要不要批量做
• 如果成片要连续叙事，先把分镜写好，一段提示词对应一个镜头，不要指望一条提示词讲完整个故事
• 同一个项目里别混用太多工具，风格会打架，交接也麻烦

把提示词写成「一段可验收的画面描述」

写提示词的顺序建议固定成：主体 + 动作 + 环境 + 镜头运动 + 画面质感。主体和动作写具体，谁在做什么，别写「一个人很帅地走着」；镜头运动写清楚是推、拉、摇还是跟，这一项对成片观感影响最大。形容词堆得越多，模型越容易各抓一半，最后哪一项都不像。

1. 先定主体和动作用一句主谓结构写清谁在做什么，比如「一只白色陶瓷杯从桌面左侧缓慢滑入画面」。先把这条跑通，再谈风格。
2. 再加环境和运镜补上背景、光线和镜头怎么动。运镜一次只写一种，写了推就别同时写环绕。
3. 最后调质感词胶片感、柔光、浅景深这类词放在末尾，一次只改一个，改完对比上一版。
4. 负面描述单独维护把「不要肢体变形、不要多余手指、不要画面抖动」写成独立清单，和主描述分开存，方便跨项目复用。

还有一个常见误区：一次改三处再比效果。这样即使出片变好，你也不知道是哪处起了作用，下次照样得瞎试。建议采用「单变量对比」——主描述固定，只换一个风格词或一个运镜词，看差异；确定风格后再整体锁定成模板。

出片后按交付标准验收，别只看第一眼好不好看

文生视频最容易骗过自己的地方，是「第一眼挺好看，放大一看手不对劲」。验收要按固定顺序走，别凭感觉跳着看。下面的顺序是从「影响能不能用」到「影响好不好看」排的，前面不过关，后面不用看了。

• 主体一致性：同一主体在整段里有没有变形、换脸、换材质
• 动作连贯性：动作有没有突然加速、卡顿、跳帧
• 边缘与手部细节：手指数量、肢体连接处、物体边缘有没有糊
• 背景有无跳变：中途背景元素有没有凭空出现或消失
• 结尾是否自然：最后几帧是自然停下还是硬切

同一条提示词建议多抽几条再挑，别拿第一条当成品。抽几条、怎么挑、质检口径怎么定，可以参考站内 /tools/quality-check 的检测思路，把它当作你的验收清单来源，而不是只看单条结果。

有效出片成本

真实单价要按「可用条数」除，不是按调用次数除

交付前对齐

画幅是否符合投放平台、时长是否够剪、有没有水印

返工定位

素材命名带上提示词版本和抽片序号，返工时能快速找到是哪一版

如果这条片是给客户交付，把「生成素材」和「剪辑包装」分成两段工作量来算，别把抽片失败的那些次数藏进总价里。客户问起来你能说清哪部分是生成风险、哪部分是剪辑工艺，报价才站得住。

计费口径和授权边界，下单前先对齐

计费和授权是两回事，很多人混在一起问。计费口径（按次、按秒、还是额度包）以平台当时页面为准，去 /official-api 和 /price-watch 看当时的数字和变动记录。授权范围（能不能商用、能不能二次分发、要不要署名）走 /safety 和站内合规类页面确认，别拿工具的说明文档当法律意见。

「有效出片成本」这个概念值得记住：抽若干条才有一条能用，真实单价要按可用条数去摊。所以测试阶段先用短测试片估一下可用率，再决定要不要上量。可用率低的时候，优先改提示词结构和抽片策略，而不是加大调用次数硬堆。

不确定能不能商用，就先按不可商用做内部物料，等授权口径确认后再对外投放。

把它接进你现有的出片流程

单独一个模型很难撑起完整交付，通常是串起来用：这个模型出基础素材，剪辑软件里拼接和配字幕，配音工具补旁白，最后统一调色导出。具体怎么串、有哪些可选的编辑与后期工具，可以去站内 /ai-nav/category/ai-video-edit 翻目录，按你的流程环节找对应工具。

• 素材命名带上「提示词版本 + 抽片序号」，换风格和返工时能快速定位
• 每次风格锁定后，把可用提示词存成模板，下次只换主体，减少重复试错
• 团队协作时，把提示词、验收清单、可用条数记在同一张表里，谁接手都能续上
• 定期回站内看工具目录和价格追踪的更新，别用几个月前的印象做当前决策

什么情况下这套流程不适用？如果项目要求「指定文字必须准确出现在画面里」或者「人物必须对口型」，那这套串法解决不了根本问题，应该从脚本阶段就改成后期合成或真人拍摄，而不是在生成环节反复抽片硬碰运气。