muse-videoMuse Video는 Meta Superintelligence Labs의 영상 모델입니다. APIMODELS에서는 통합 영상 엔드포인트의 모델 ID 하나, muse-video이며, 프롬프트만 보내면 텍스트-투-비디오, 첫 프레임 이미지 한 장을 더하면 그 이미지에서 시작하는 영상이 되고, 참조 이미지를 최대 4장 더하면 그 이미지에서 시작하지 않으면서 같은 인물이나 대상을 유지한 영상이 됩니다. 요청은 간단합니다. prompt는 필수입니다(최대 4,000자, 언어 무관). duration은 길이를 4~30 사이의 정수 초로 정하며(OpenAI 형식의 seconds도 됩니다), 생략하면 5초입니다. aspect_ratio로 가로 16:9(기본값, 1280×720) 또는 세로 9:16(720×1280)을 고르고, size에 1280x720 또는 720x1280을 넣어도 같습니다. 출력은 항상 720p로, 1080p나 정사각형 옵션은 없으며 요청하면 작업이 생성되기 전에 400이 돌아옵니다. 이미지-투-비디오는 첫 프레임을 image_url로 보내세요(first_frame_url, image, input_reference도 가능). 영상과 같은 방향이면 가장 좋습니다. 참조 이미지는 images에 최대 4장 보냅니다(image_urls, reference_image_urls도 가능). 이미지는 모두 공개 URL 또는 base64 data URI이고, PNG·JPEG·WebP 중 하나입니다. 둘 중 하나만 쓸 수 있으며, 첫 프레임과 참조 이미지 동시 사용, 4장을 넘는 참조 이미지, 끝 프레임, 참조 영상이나 오디오, negative_prompt, seed, 소리 끄기는 400으로 거절됩니다. 영상 길이는 단계로 나뉩니다. 5, 6, 8, 10, 15, 20, 25, 30초 요청은 정확히 그 길이로 돌아오고, 그 밖의 정수는 다음 단계로 올림됩니다(4 → 5초, 7 → 8초, 11 → 15초). 그래서 결제한 길이보다 짧은 영상이 나오지 않습니다. 영상은 H.264 MP4, 24 fps이며, Meta는 Muse Video가 영상과 함께 소리도 생성한다고 설명합니다. 참조 이미지 테스트에서는 한 여성의 사진 4장으로 5초짜리 해변 영상이 나왔고, 얼굴과 머리 모양이 그대로 유지되었습니다. 영상은 어느 사진에서도 시작하지 않았습니다. 생성은 비동기 작업으로 진행됩니다. 작업을 만든 뒤 폴링하거나 콜백으로 결과를 받으세요. 10초 이하 영상은 보통 1~2분, 15~30초 영상은 3~7분 정도 걸립니다. 모든 요청이 성공하지는 않습니다. 모델이 내용을 거절할 수 있고, 생성 중 일시적인 오류가 날 수 있으며, 방향이나 길이가 맞지 않는 영상은 폐기됩니다. 실패한 작업은 과금되지 않습니다. 요금은 요청한 초당 $0.037이며, 5초 $0.185, 10초 $0.37, 30초 $1.11입니다.
The API also takes any other whole number from 4 to 30; it rounds up to the next length here (7 s comes out as 8 s) and is billed on the seconds you request.
Generated video will appear here
Provide URLs and click Generate
모델 ID 하나로: 프롬프트만, 첫 프레임 한 장으로 내 이미지에서 시작하는 영상, 또는 참조 이미지 최대 4장으로 여러 영상에 같은 인물 유지
정수 초 단위. 5, 6, 8, 10, 15, 20, 25, 30초는 그대로, 나머지 길이는 올림되어 결제한 길이보다 짧아지지 않습니다
1280×720(16:9, 기본값) 또는 720×1280(9:16), H.264 MP4, 24 fps. 1080p도, 정사각형이나 다른 비율도 없습니다
Meta는 Muse Video가 영상과 함께 오디오도 생성한다고 설명합니다
모든 요청이 성공하지는 않으며, 실패한 작업은 과금되지 않습니다. 지원하지 않는 길이·크기·입력은 작업 생성 전에 400으로 거절됩니다
요청한 초 기준 과금: 5초 $0.185, 10초 $0.37, 30초 $1.11
Muse Video는 Meta의 영상 모델입니다. 프롬프트만 보내거나, 첫 프레임 이미지 한 장을 더해 그 이미지에서 영상을 시작하거나, 참조 이미지를 최대 4장 더해 같은 인물이나 대상을 유지할 수 있습니다. 결과는 4~30초 길이의 720p MP4이며, 가로 16:9나 세로 9:16입니다.
APIMODELS에서는 POST /v1/video/generations의 모델 ID 하나, muse-video로 제공하며 요청한 초당 $0.037로 과금합니다. 서비스에 붙이기 전에 아래 제한 사항을 확인하세요. 720p만, 가로 또는 세로만, 이미지는 첫 프레임 한 장이나 참조 이미지 최대 4장 중 하나만 쓸 수 있으며, 모든 요청이 성공하지는 않습니다.
muse-video텍스트-투-비디오, 첫 프레임 없음, 9:16, 10초. 한 번 생성한 결과를 그대로 보여 줍니다.
아래 프롬프트로 요청 한 번(duration 10, aspect_ratio 9:16). Muse Video는 약 75초 만에 10.0초, 720×1280, 배경음악이 들어간 클립을 돌려주었고, 끊김 없는 한 컷으로 동작 목록을 순서대로 해냈습니다. 베개에 얼굴을 대고 눈을 감고 있다가, 눈을 떠 렌즈를 바라보고, 수줍게 웃고, 이불을 끌어올려 얼굴 반을 가리고, 브이를 렌즈 바로 앞까지 내밀고, 입을 손으로 가린 채 베개에 얼굴을 묻고 웃다가, 마지막에 휴대폰이 기울어 천장을 향합니다.
Muse Video가 잘하는 영상이 바로 이런 유형입니다. 한 사람, 손에 든 세로 셀카 구도, 짧게 이어지는 작은 동작들, 그리고 따뜻하고 어두운 조명과 음악으로 만든 분위기. 같은 프롬프트로 다시 생성하면 다른 영상이 나옵니다. 텍스트-투-비디오는 클립마다 같은 얼굴을 유지할 수 없으니, 고정 캐릭터라면 그 인물의 참조 이미지를 최대 4장(images) 넘기세요. 모델이 얼굴은 유지하되 이미지에서 시작하지는 않습니다.
主体：人物是明月（我的固定角色），穿奶白低领细肩吊带；头发被枕头压乱，多缕发丝横过脸部。从闭眼侧躺开始，再睁眼互动。全程同一张脸、同一套衣服。
场景：夜间卧室床上，白被子白枕头，暖色床头灯。她自己拿手机前置超近距自拍，头到上胸几乎占满竖屏，腰腹和下半身不入画。手腕轻轻晃，构图略歪；一镜到底，不切镜。
音乐：轻甜 bedroom pop 器乐，约 90 BPM。无台词、无说话口型。配乐里不要人声和笑声。
动作：侧脸贴枕闭眼浅笑 → 慢慢睁眼锁定镜头 → 下巴抵肩害羞抿嘴笑 → 拉起白被子挡住半张脸再拉开 → 空着手从上胸前伸向镜头，V 手势几乎贴住镜头再收成夹捏/小爱心 → 握拳挡嘴害羞偷笑，把脸埋进枕头 → 手机一歪甩向天花板。实时速度。
画质：故意拍糊，手持动态模糊和局部失焦，暖色低照度，10 秒竖屏。18개 클립, 모두 참조 이미지 2장을 붙인 10초 요청 한 번으로 만들었습니다. 나온 그대로 보여 주며, 카드를 열면 실제로 보낸 프롬프트를 볼 수 있습니다.
만든 방법: 인물마다 Muse Image로 캐릭터 시트(바스트샷 옆에 정면·측면·뒷모습 3면도) 한 장을 만들고, 두 장으로 잘라 참조 이미지(images)로 10초·9:16 프롬프트와 함께 보냈습니다(주방 브이로그만 16:9). 프롬프트는 동작을 초 단위로 적고, 옷은 노출을 줄였으며, 영어 대사 한 마디를 넣었습니다. 컷이 바뀌어도 얼굴과 옷은 그대로이고, 같은 프롬프트를 두 번 돌린 A / B 쌍을 보면 생성할 때마다 얼마나 달라지는지 알 수 있습니다. 그중 세 개의 프롬프트는 X에 공개된 프롬프트를 고쳐 쓴 것으로, 카드에 출처를 적었습니다.
Took you long enough. I already ordered yours.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Coffee date. Scene: a sunny corner café, window seat, a small wooden table with two iced oat lattes, soft morning light through the window, the street blurred outside, a few customers far in the background.
Camera: the viewer's point of view, sitting across the table from her, eye level, one continuous take, no cuts.
0.0–1.5 s: she rests her chin on one hand and stirs her latte with the straw, looking down with a small smile.
1.5–3.0 s: she looks up into the lens, raises one eyebrow and her smile widens.
3.0–5.0 s: she says, warm and teasing: "Took you long enough. I already ordered yours." and slides the second latte toward the camera with two fingers.
5.0–7.0 s: she tucks a strand of hair behind her ear and leans forward a little on her elbows, holding eye contact, with a soft laugh.
7.0–8.5 s: she taps the table twice and tilts her head toward the empty chair, inviting the viewer to sit.
8.5–10.0 s: she sips her latte and keeps looking into the lens over the straw, eyes smiling, until the end.
Mood: warm, playful, confident, friendly; natural eye contact, nothing exaggerated.
Lighting: soft warm daylight, gentle highlights in her hair, realistic skin texture.
Audio: soft acoustic café music and light café ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Come on, the sun's going down!참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Golden hour beach. Scene: a wide sandy beach at sunset, gentle waves, the sun low over the ocean, footprints in wet sand, a light sea breeze.
Camera: the viewer walking a few steps behind her, one continuous take, smooth natural movement.
0.0–2.0 s: she walks barefoot along the waterline away from the camera, sandals hanging from one hand, the breeze moving her hair and the hem of her shirt dress.
2.0–3.5 s: she slows down and looks back over her shoulder at the lens with a bright smile.
3.5–5.5 s: she turns around, walks backwards for a few steps and reaches one hand toward the camera, palm up, saying: "Come on, the sun's going down!"
5.5–7.5 s: the camera moves closer; she laughs and pushes her windblown hair off her face, eyes on the lens.
7.5–9.0 s: she takes a little splash step in the shallow water and glances back with a playful grin.
9.0–10.0 s: she stops and faces the camera with the sunset behind her, tilts her head and smiles softly, holding eye contact.
Mood: carefree, warm, inviting, romantic but natural.
Lighting: golden backlight, soft lens flare, warm skin tones, rim light on her hair.
Audio: dreamy indie pop music with soft waves and wind; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Have you read this one?참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Bookstore. Scene: a cozy independent bookstore, tall wooden shelves, warm reading lamps, a rolling ladder, soft afternoon light, a few customers far in the background.
Camera: the viewer standing in the aisle facing her, one continuous take, a slow push-in.
0.0–1.5 s: she peeks out from behind the end of a bookshelf, only half her face visible, eyes on the lens.
1.5–3.0 s: she steps out holding a book up so it covers her nose and mouth, her eyes smiling above it.
3.0–4.5 s: she slowly lowers the book to reveal a playful smile.
4.5–6.5 s: she taps the cover and whispers: "Have you read this one?"
6.5–8.0 s: she leans her shoulder against the shelf, hugging the book to her chest, and tilts her head.
8.0–10.0 s: she bites back a smile, glances down, then looks up again through her lashes and holds eye contact.
Mood: sweet, curious, playful, intimate but wholesome.
Lighting: warm tungsten lamps, soft window light, cozy amber tones.
Book covers stay plain, with no readable text.
Audio: soft piano and acoustic guitar music with a quiet bookstore ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Mine's better.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Outdoor café date. Scene: a sunny café terrace on a quiet European-style street, a small round marble table with two cappuccinos and a croissant, a striped awning, potted flowers, soft morning sun.
Camera: the viewer's point of view sitting across the small table, very close to her, eye level.
0.0–1.5 s: she rests her chin on her interlaced fingers, watching the lens with a slow half-smile.
1.5–3.0 s: she reaches across, takes the viewer's cappuccino instead of her own and sips it, eyes on the lens over the cup.
3.0–4.5 s: she wipes a little milk foam from her lip with her thumb and laughs.
4.5–6.0 s: she says, teasing: "Mine's better." and slides her own cup toward the camera.
6.0–8.0 s: she leans in close to the lens on her elbows, her bare shoulders catching the sun, lightly bites her lower lip and holds eye contact.
8.0–10.0 s: she leans back, tucks her hair behind her ear and gives one playful wink.
Lighting: soft warm morning sun, gentle highlights on her hair and shoulders.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: light French café jazz and soft street ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Sit with me.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Sunset pier. Scene: a wooden pier over calm water at sunset, golden light, a pink and orange sky, a gentle breeze.
Camera: the viewer walking up to her and then sitting down right beside her.
0.0–2.0 s: she sits on the edge of the pier, legs dangling over the water, sandals beside her, the breeze lifting her hair and the hem of her sundress.
2.0–3.5 s: she hears the viewer, looks back over her shoulder and her face breaks into a soft smile.
3.5–5.0 s: she pats the boards right next to her and says: "Sit with me."
5.0–7.0 s: the camera lowers to sit beside her, very close; she turns her face to the lens, sunset light on her skin, and lets her gaze linger.
7.0–8.5 s: she leans her shoulder lightly toward the camera, looks down at the water, then back up through her lashes.
8.5–10.0 s: she rests her chin on her hand and smiles at the lens as the sun dips behind her.
Lighting: golden backlight, soft lens flare, warm glowing skin.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: dreamy acoustic indie music with soft water and wind; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.This part reminds me of you.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Bookstore reading nook. Scene: a cozy window seat in an independent bookstore, cushions, stacks of books, warm lamp light mixed with late-afternoon sun.
Camera: the viewer sitting down next to her on the window seat, close.
0.0–1.5 s: she sits curled up on the window seat reading an open book, a strand of hair falling across her face.
1.5–3.0 s: she glances up over the top of the book at the lens, then back down, hiding a smile.
3.0–5.0 s: she lowers the book and says softly: "This part reminds me of you."
5.0–7.0 s: she shifts closer and holds the open book toward the camera, her face close to the lens.
7.0–8.5 s: she watches the viewer's reaction, lightly bites her lower lip and laughs quietly.
8.5–10.0 s: she closes the book against her chest, tilts her head and holds eye contact with a soft smile.
Book pages and covers stay plain, with no readable text.
Lighting: warm amber lamps, soft window light on her face.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: soft piano and acoustic guitar music with a quiet bookstore ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Just one bite.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Ice cream on the promenade. Scene: a sunny seaside promenade in summer, pastel shopfronts, palm trees, people strolling far in the background.
Camera: the viewer walking beside her, then facing her.
0.0–1.5 s: she walks along holding a strawberry ice-cream cone and takes a small bite.
1.5–3.0 s: she notices the viewer watching and holds the cone out toward the camera, eyebrows raised.
3.0–4.5 s: as the camera leans in, she pulls it back with a playful laugh and says: "Just one bite."
4.5–6.5 s: she holds it out again, closer this time, watching the lens with a teasing half-smile.
6.5–8.5 s: she gets a tiny dot of ice cream on the tip of her nose, laughs and wipes it off.
8.5–10.0 s: she swings her ponytail, turns to keep walking and glances back at the lens with a wink.
Lighting: bright summer sun, warm tones, soft shadows.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: upbeat summer pop music and light seaside ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Open up.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Park picnic. Scene: a summer picnic in a park, a checkered blanket on the grass under a big tree, a wicker basket, a bowl of strawberries, dappled golden sunlight.
Camera: the viewer lying on the blanket facing her, low angle.
0.0–2.0 s: she lies on her side propped on one elbow, her sundress spread over the blanket, twirling a daisy and smiling at the lens.
2.0–3.5 s: she picks a strawberry from the bowl and holds it toward the camera.
3.5–5.0 s: she says, playful: "Open up." and brings it close to the lens.
5.0–6.5 s: she pulls it back at the last second, laughs and takes a bite herself.
6.5–8.5 s: she tucks the daisy behind her ear, rests her cheek on her hand and holds eye contact with a slow smile.
8.5–10.0 s: she offers the other half of the strawberry to the camera again, eyes sparkling.
Lighting: dappled warm sunlight through leaves, soft golden glow.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: gentle ukulele and acoustic music with birdsong; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Listen to this part.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman in a light summer outfit (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Record store listening booth. Scene: a vintage record store with a small wooden listening booth, shelves and crates of vinyl, a warm amber glow.
Camera: the viewer standing inside the small booth with her, very close.
0.0–1.5 s: she flips through records in a crate, pulls one out and smiles at it.
1.5–3.0 s: she puts on over-ear headphones, closes her eyes and sways slightly to the music.
3.0–4.5 s: she slides one ear cup off and holds it out toward the camera, saying: "Listen to this part."
4.5–6.5 s: she leans in very close to the lens as if sharing the headphones, her eyes looking up into the lens.
6.5–8.5 s: she mouths along to the chorus with a slow smile and lightly bites her lower lip.
8.5–10.0 s: she pulls back a little, laughs and gives the viewer a playful look over her shoulder.
Record sleeves stay plain, with no readable text.
Lighting: warm amber light, soft shadows, cozy vintage tones.
Flirt cues (natural and playful, never explicit): long lingering eye contact with the lens, a slow half-smile, lightly biting her lower lip once, glancing down and then back up through her lashes, leaning in close to the lens as if sharing a secret, at most one playful wink. She is clearly enjoying the viewer's company.
Audio: a warm retro soul song playing in the booth; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, warm natural colors, crisp focus on her face, gentle handheld motion, one continuous take.
Avoid: changing her face or outfit, cleavage, lingerie, swimwear, see-through fabric, kissing, touching her own body suggestively, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.You actually came!참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Rooftop at night. Scene: a rooftop bar above a city at night, warm string lights, the glowing skyline as soft bokeh behind her, a glass railing, small candles on a high table.
Camera: the viewer walking up to her at the railing, one continuous take.
0.0–1.5 s: she leans on the railing half turned away, looking out at the city lights, holding a glass of sparkling water with lime.
1.5–3.0 s: she turns her head toward the lens and her face lights up with a surprised smile.
3.0–5.0 s: she says: "You actually came!" and raises her glass toward the camera as if to clink.
5.0–7.0 s: she sweeps her hair over one shoulder, laughs softly and gives a small playful shrug.
7.0–8.5 s: she makes a small "come here" gesture with two fingers and tilts her head toward the view beside her.
8.5–10.0 s: she turns back toward the skyline but keeps looking at the lens over her shoulder, smiling.
Mood: elegant, playful, warm, confident.
Lighting: warm string lights on her face, cool city bokeh behind, a soft natural night look, no harsh flash.
Audio: chill lo-fi house music and soft city ambience; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Okay, your turn to pick the song.참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Road trip stop. Scene: inside a parked car at a sunny beach parking lot, engine off, she sits in the passenger seat, the ocean and palm trees visible through the windshield, sunlight across the dashboard.
Camera: the viewer's point of view from the driver's seat, angled toward her, one continuous take.
0.0–2.0 s: she sings along to the song on the radio with her eyes closed, moving her shoulders to the beat, sunglasses on.
2.0–3.5 s: she pulls her sunglasses down her nose with one finger and looks over them into the lens with a teasing smile.
3.5–5.5 s: she says: "Okay, your turn to pick the song." and hands the phone toward the camera.
5.5–7.5 s: she holds out a paper bag of fries toward the camera, offering one, eyebrows raised.
7.5–9.0 s: she rests her elbow on the open window, the breeze catching her hair, glances at the ocean, then back at the lens.
9.0–10.0 s: she pushes the sunglasses up into her hair and gives the camera a warm, easy smile.
Mood: fun, relaxed, playful, best-road-trip-ever energy.
Lighting: bright natural sunlight, warm tones, soft reflections on the glass.
Audio: upbeat summer pop music from the car speakers; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Get under here, you're soaked!참조 이미지
Reference images: image 1 is her headshot (face, features, hair, makeup); image 2 is a front / side / back three-view of the same woman (outfit, accessories, shoes, body). Keep exactly this face, hair and outfit in every frame. She is a 25-year-old woman with a polished Instagram look.
Rainy evening. Scene: a city sidewalk at dusk in light rain, wet pavement reflecting neon shop signs and street lights, people with umbrellas blurred in the background.
Camera: the viewer standing in the rain without an umbrella, one continuous take.
0.0–1.5 s: she walks toward the camera under a clear umbrella, raindrops on the canopy.
1.5–3.0 s: she notices the viewer getting wet, her eyes widen and she laughs.
3.0–5.0 s: she steps close and tilts the umbrella over the camera so the canopy fills the top of the frame, saying: "Get under here, you're soaked!"
5.0–7.0 s: under the umbrella, close to the lens, she shakes the rain off her hand and smiles, her face lit by the neon glow.
7.0–8.5 s: she nods toward the street as if to say "walk with me", eyebrows raised.
8.5–10.0 s: she turns slightly to start walking, still looking back at the lens with a warm smile, the umbrella over both of them.
Mood: romantic, caring, playful, cinematic.
Lighting: neon reflections, soft street lights, cool blue and warm pink tones, sparkling rain.
Audio: soft rain sounds and a gentle R&B instrumental; her line is clear, natural American English; no other voices, no laugh track.
Style: realistic Instagram Reel shot on an iPhone, vertical 9:16, natural colors, crisp focus on her face, gentle handheld motion.
Avoid: changing her face or outfit, revealing or low-cut clothing, see-through fabric, extra fingers, warped hands, strangers staring at the camera, on-screen text, subtitles, watermark.Look, isn't this spatula so handy?참조 이미지
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
人物：
脸部： 人物的长相、五官、发型、发色和妆容严格按照。
服装和身材： 人物的服装穿搭、配饰和身材比例严格按照。镜头2里人物背对镜头，背面的服装请参考三视图的背面。
一致性： 4个镜头里都是同一个人，脸和服装全程保持一致，切镜后不能变样；镜头2镜子里的倒影也必须是同一个人、同一套服装。
道具：
镜头1：一把黑色的厨房食物夹。
镜头4：一把黑色的锅铲。
场景：
场景是一个居家厨房，以及厨房门口连着的客厅。
厨房： 墙面贴着白色大理石纹理的瓷砖，灶台是黑色的，上面放着一口黑色的炒锅，台面上摆着各种调料瓶、刀架和杂物。厨房门是白色的，墙顶挂着几个红色的小灯笼。
客厅： 浅木色的地板，门背后挂着一面全身镜，地上有一只黑猫。
光线：
室内自然日光，光线柔和均匀，色调是偏冷的白灰色，干净通透。
分镜
镜头1｜0.00–3.27秒｜广角近景，拿着食物夹对镜头互动
机位： 手机离人物很近，略微俯拍，用广角镜头，画面是人物的脸和上半身，背景是厨房的瓷砖墙、白色的门和灶台上的黑色炒锅。
0.00–0.60秒： 人物低着头，眼睛往下看，带着一点浅笑；画面左侧的那只手拿着黑色食物夹，放在画面左下角。
0.60–1.00秒： 人物抬起头看向镜头，镜头稍微往前凑近一点。
1.00–1.60秒： 人物看着镜头，嘴角轻轻扬起，食物夹移到画面左侧边缘。
1.60–2.00秒： 人物把食物夹朝镜头伸过来，夹头出现在画面左侧前景里，有虚焦。
2.00–2.60秒： 人物用食物夹在镜头前一开一合地"夹"了几下，眼睛微微眯起，露出俏皮的笑。
2.60–3.27秒： 食物夹收回到画面左侧，人物看着镜头微笑。在3.27秒硬切。
镜头2｜3.27–4.70秒｜全身镜前，背对镜头再回头
机位： 镜头在人物身后偏右的位置，平视，画面是中景。画面左半部分是全身镜里人物的正面倒影，右半部分是人物本人的背面。客厅的木地板上能看到一只黑猫。
3.27–4.00秒： 人物背对镜头，面朝全身镜站着，一只手叉腰，另一只手轻轻扶着镜子的边缘；镜子里的倒影看着她自己。
4.00–4.20秒： 人物的头从肩膀上方转过来，回头看向镜头。
4.20–4.70秒： 人物回头直视镜头，表情平静；镜子里的倒影转成侧脸。在4.70秒硬切。
镜头3｜4.70–5.50秒｜高角度俯拍，在灶台边站着
机位： 镜头放在厨房的高处角落，从上往下俯拍人物的全身，用广角镜头，画面里能看到黑色灶台、炒锅、调料瓶和白色的门。
4.70–5.50秒： 人物站在灶台旁边，双手背在身后，抬头看着镜头微笑，身体轻轻晃一下。在5.50秒硬切。
镜头4｜5.50–10.00秒｜拿着锅铲，近景表情变化
机位： 手机离人物比较近，略微俯拍，用广角镜头，画面是人物的胸口以上。背景里有白色的门、门把手、大理石瓷砖墙、黑色炒锅，墙顶挂着红色小灯笼。
5.50–5.90秒： 人物画面左侧的那只手拿着黑色锅铲，举到肩膀的高度，锅铲头朝上。她看着镜头，开口用英文说出台词「Look, isn't this spatula so handy?」，带着笑。
5.90–6.30秒： 人物的眼睛看向画面一侧，嘴唇嘟起来。
6.30–6.90秒： 人物低头，眼睛往下看，嘴唇抿着。
6.90–7.30秒： 人物抬眼看向镜头，眉头微微皱起，嘴巴轻轻嘟着。
7.30–8.40秒（补充）： 人物保持皱眉嘟嘴看着镜头，拿着锅铲的手在空中朝镜头轻轻点两下。
8.40–9.30秒（补充）： 人物的眉头慢慢松开，嘴角忍不住往上扬。
9.30–10.00秒（补充）： 人物看着镜头露出笑容，锅铲还举在肩膀旁边，定格收尾。从低头到抬头、举锅铲的动作要连贯流畅地过渡，不得跳帧或姿势瞬移。
风格：
风格是抖音/小红书的居家vlog短视频，手机广角原相机的质感，加了美颜和磨皮，肤色白皙通透。自然日光，冷白色调，写实，高清，表情生动自然。
音频：
全程是好听的轻快配乐（尤克里里、手风琴风格的明亮纯音乐），3.27秒、4.70秒、5.50秒的三次切镜都卡在节拍上。镜头4里人物开口用英文说出台词「Look, isn't this spatula so handy?」，人声是自然的美式英语,清晰自然，配乐压低、不盖过人声。除这句台词外，全程不得出现任何其他人声、怪叫、笑声或其他奇怪的声音。
参数：
16:9横屏，10.00秒，30fps，写实，4个镜头。
负面提示词： 换脸、服装变化、切镜后人物变样、镜子倒影和本人不一致、倒影变成别人、五官变形、手指畸形、食物夹或锅铲变形、多余手臂、广角导致的严重畸变、画面闪烁、低清、水印、字幕、跳帧、动作瞬移、姿势突变、奇怪的人声、怪叫、无故笑声Look, isn't this spatula so handy?참조 이미지
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
人物：
脸部： 人物的长相、五官、发型、发色和妆容严格按照。
服装和身材： 人物的服装穿搭、配饰和身材比例严格按照。镜头2里人物背对镜头，背面的服装请参考三视图的背面。
一致性： 4个镜头里都是同一个人，脸和服装全程保持一致，切镜后不能变样；镜头2镜子里的倒影也必须是同一个人、同一套服装。
道具：
镜头1：一把黑色的厨房食物夹。
镜头4：一把黑色的锅铲。
场景：
场景是一个居家厨房，以及厨房门口连着的客厅。
厨房： 墙面贴着白色大理石纹理的瓷砖，灶台是黑色的，上面放着一口黑色的炒锅，台面上摆着各种调料瓶、刀架和杂物。厨房门是白色的，墙顶挂着几个红色的小灯笼。
客厅： 浅木色的地板，门背后挂着一面全身镜，地上有一只黑猫。
光线：
室内自然日光，光线柔和均匀，色调是偏冷的白灰色，干净通透。
分镜
镜头1｜0.00–3.27秒｜广角近景，拿着食物夹对镜头互动
机位： 手机离人物很近，略微俯拍，用广角镜头，画面是人物的脸和上半身，背景是厨房的瓷砖墙、白色的门和灶台上的黑色炒锅。
0.00–0.60秒： 人物低着头，眼睛往下看，带着一点浅笑；画面左侧的那只手拿着黑色食物夹，放在画面左下角。
0.60–1.00秒： 人物抬起头看向镜头，镜头稍微往前凑近一点。
1.00–1.60秒： 人物看着镜头，嘴角轻轻扬起，食物夹移到画面左侧边缘。
1.60–2.00秒： 人物把食物夹朝镜头伸过来，夹头出现在画面左侧前景里，有虚焦。
2.00–2.60秒： 人物用食物夹在镜头前一开一合地"夹"了几下，眼睛微微眯起，露出俏皮的笑。
2.60–3.27秒： 食物夹收回到画面左侧，人物看着镜头微笑。在3.27秒硬切。
镜头2｜3.27–4.70秒｜全身镜前，背对镜头再回头
机位： 镜头在人物身后偏右的位置，平视，画面是中景。画面左半部分是全身镜里人物的正面倒影，右半部分是人物本人的背面。客厅的木地板上能看到一只黑猫。
3.27–4.00秒： 人物背对镜头，面朝全身镜站着，一只手叉腰，另一只手轻轻扶着镜子的边缘；镜子里的倒影看着她自己。
4.00–4.20秒： 人物的头从肩膀上方转过来，回头看向镜头。
4.20–4.70秒： 人物回头直视镜头，表情平静；镜子里的倒影转成侧脸。在4.70秒硬切。
镜头3｜4.70–5.50秒｜高角度俯拍，在灶台边站着
机位： 镜头放在厨房的高处角落，从上往下俯拍人物的全身，用广角镜头，画面里能看到黑色灶台、炒锅、调料瓶和白色的门。
4.70–5.50秒： 人物站在灶台旁边，双手背在身后，抬头看着镜头微笑，身体轻轻晃一下。在5.50秒硬切。
镜头4｜5.50–10.00秒｜拿着锅铲，近景表情变化
机位： 手机离人物比较近，略微俯拍，用广角镜头，画面是人物的胸口以上。背景里有白色的门、门把手、大理石瓷砖墙、黑色炒锅，墙顶挂着红色小灯笼。
5.50–5.90秒： 人物画面左侧的那只手拿着黑色锅铲，举到肩膀的高度，锅铲头朝上。她看着镜头，开口用英文说出台词「Look, isn't this spatula so handy?」，带着笑。
5.90–6.30秒： 人物的眼睛看向画面一侧，嘴唇嘟起来。
6.30–6.90秒： 人物低头，眼睛往下看，嘴唇抿着。
6.90–7.30秒： 人物抬眼看向镜头，眉头微微皱起，嘴巴轻轻嘟着。
7.30–8.40秒（补充）： 人物保持皱眉嘟嘴看着镜头，拿着锅铲的手在空中朝镜头轻轻点两下。
8.40–9.30秒（补充）： 人物的眉头慢慢松开，嘴角忍不住往上扬。
9.30–10.00秒（补充）： 人物看着镜头露出笑容，锅铲还举在肩膀旁边，定格收尾。从低头到抬头、举锅铲的动作要连贯流畅地过渡，不得跳帧或姿势瞬移。
风格：
风格是抖音/小红书的居家vlog短视频，手机广角原相机的质感，加了美颜和磨皮，肤色白皙通透。自然日光，冷白色调，写实，高清，表情生动自然。
音频：
全程是好听的轻快配乐（尤克里里、手风琴风格的明亮纯音乐），3.27秒、4.70秒、5.50秒的三次切镜都卡在节拍上。镜头4里人物开口用英文说出台词「Look, isn't this spatula so handy?」，人声是自然的美式英语,清晰自然，配乐压低、不盖过人声。除这句台词外，全程不得出现任何其他人声、怪叫、笑声或其他奇怪的声音。
参数：
16:9横屏，10.00秒，30fps，写实，4个镜头。
负面提示词： 换脸、服装变化、切镜后人物变样、镜子倒影和本人不一致、倒影变成别人、五官变形、手指畸形、食物夹或锅铲变形、多余手臂、广角导致的严重畸变、画面闪烁、低清、水印、字幕、跳帧、动作瞬移、姿势突变、奇怪的人声、怪叫、无故笑声
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
·脸部：完全按【参考图1 大头照】，五官、脸型、发型、发色都以大头照为准，全程保持同一张脸。原视频里是黑色长发，低马尾搭在右肩前面，有侧分刘海，左侧别一个小发夹。
·服装和身材：完全按【参考图2 三视图】，包括服装款式、颜色、配饰和身材比例。以下是原视频的穿搭，只在没有参考时备用：
·白色背心，上面有红色小碎花印花：
·浅蓝色牛仔短裤：
·右手腕戴红色串珠手链，脖子上有金色细项链。
·一致性：全程人物的脸和服装都不能变。
场景
• 老式居民楼的楼道和阳台，人物站在楼上一层的水泥栏杆后面，栏杆是一根根竖着的方形水泥柱，表面斑驳。
• 背景是灰色水泥墙，墙上有几根电线横着穿过。
• 机位在楼下一层，画面最下方前景是一根黄色金属扶手。
• 中段镜头拉开一点时，能稍微看到上方一层水泥栏杆阳台的下沿和电线即可，不要拉成远景。
光线：阴天的自然光，光线柔和均匀，偏灰调，低饱和，写实。
机位（本版重点）：手持拍摄，从楼下往上仰拍，竖屏。前半段是近距离中近景，人物上半身占画面主体；约 4.6 秒开始只轻轻往后拉一次，拉到中景（人物腰部以上、头部约占画面高度三分之一）就立刻停住，之后一直保持这个距离固定拍到结尾，不再继续拉远、不往下拉成远景，人物不能变小。全程只有轻微手持晃动。
分镜
• 0.00–0.40：镜头从下往上快速甩，画面先是模糊的黄色扶手和水泥栏杆，有动态模糊，随即稳定成近距离中近景。
• 0.40–0.60：人物站在栏杆后面，上半身往前探出栏杆，左手扶着栏杆顶部，右手从栏杆之间向下伸出，掌心朝下，手指张开，伸向镜头。
• 0.60–1.60：保持向下伸手的姿势，头往右歪，微笑着看向镜头，马尾垂在右肩前。
• 1.60–2.80：头慢慢回正，继续微笑看镜头，右手还向下伸着，手指轻轻动了一下。
• 2.80–3.60：头又往左歪，眼睛半眯，嘴角上扬，身体随着节奏轻轻晃动。
• 3.60–4.60：头回到正面，看着镜头，右手保持向下伸出，镜头不动。
• 4.60–6.50：镜头只轻轻往后拉一次，拉到中景就停：人物稍微变小一点，上方一层阳台下沿和电线稍微进画，黄色扶手仍在画面下方；人物保持伸手姿势看着镜头。
• 6.50–7.50：镜头停住不动，保持这个中景距离，人物保持向下伸手、微笑看镜头。
• 7.50–8.80：镜头仍固定在这个距离。人物慢慢把右手收回到栏杆上，双手扶着栏杆，头微微歪着。
• 8.80–10.00：人物保持双手扶栏杆、身体往前探的姿势，头抬着、微笑看着镜头直到结束，不要把头伏到手臂或栏杆上；镜头保持距离不再拉动。
风格：写实真人质感，手机竖屏随手拍的感觉，阴天的灰调，低饱和，有轻微手持晃动。
字幕：不要在生成时让模型写任何字幕文字（字幕后期再加）。
音频：保留背景音乐，镜头拉开的时候对准音乐节拍。
参数：10.00 秒，9:16 竖屏，720×1280，30fps。
负面提示词：一直拉远、持续变焦拉远、远景、人物变得很小、换脸、五官变形、脸显老、发型改变、服装颜色或款式变化、手链消失或戴错手、多出手指、手部畸形、伸出的手臂过长、肢体扭曲、栏杆穿过身体、建筑结构错乱、画面闪烁、乱码文字、水印。
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
·脸部：完全按【参考图1 大头照】，五官、脸型、发型、发色都以大头照为准，全程保持同一张脸。原视频里是黑色长发，低马尾搭在右肩前面，有侧分刘海，左侧别一个小发夹。
·服装和身材：完全按【参考图2 三视图】，包括服装款式、颜色、配饰和身材比例。以下是原视频的穿搭，只在没有参考时备用：
·白色背心，上面有红色小碎花印花：
·浅蓝色牛仔短裤：
·右手腕戴红色串珠手链，脖子上有金色细项链。
·一致性：全程人物的脸和服装都不能变。
场景
• 老式居民楼的楼道和阳台，人物站在楼上一层的水泥栏杆后面，栏杆是一根根竖着的方形水泥柱，表面斑驳。
• 背景是灰色水泥墙，墙上有几根电线横着穿过。
• 机位在楼下一层，画面最下方前景是一根黄色金属扶手。
• 中段镜头拉开一点时，能稍微看到上方一层水泥栏杆阳台的下沿和电线即可，不要拉成远景。
光线：阴天的自然光，光线柔和均匀，偏灰调，低饱和，写实。
机位（本版重点）：手持拍摄，从楼下往上仰拍，竖屏。前半段是近距离中近景，人物上半身占画面主体；约 4.6 秒开始只轻轻往后拉一次，拉到中景（人物腰部以上、头部约占画面高度三分之一）就立刻停住，之后一直保持这个距离固定拍到结尾，不再继续拉远、不往下拉成远景，人物不能变小。全程只有轻微手持晃动。
分镜
• 0.00–0.40：镜头从下往上快速甩，画面先是模糊的黄色扶手和水泥栏杆，有动态模糊，随即稳定成近距离中近景。
• 0.40–0.60：人物站在栏杆后面，上半身往前探出栏杆，左手扶着栏杆顶部，右手从栏杆之间向下伸出，掌心朝下，手指张开，伸向镜头。
• 0.60–1.60：保持向下伸手的姿势，头往右歪，微笑着看向镜头，马尾垂在右肩前。
• 1.60–2.80：头慢慢回正，继续微笑看镜头，右手还向下伸着，手指轻轻动了一下。
• 2.80–3.60：头又往左歪，眼睛半眯，嘴角上扬，身体随着节奏轻轻晃动。
• 3.60–4.60：头回到正面，看着镜头，右手保持向下伸出，镜头不动。
• 4.60–6.50：镜头只轻轻往后拉一次，拉到中景就停：人物稍微变小一点，上方一层阳台下沿和电线稍微进画，黄色扶手仍在画面下方；人物保持伸手姿势看着镜头。
• 6.50–7.50：镜头停住不动，保持这个中景距离，人物保持向下伸手、微笑看镜头。
• 7.50–8.80：镜头仍固定在这个距离。人物慢慢把右手收回到栏杆上，双手扶着栏杆，头微微歪着。
• 8.80–10.00：人物保持双手扶栏杆、身体往前探的姿势，头抬着、微笑看着镜头直到结束，不要把头伏到手臂或栏杆上；镜头保持距离不再拉动。
风格：写实真人质感，手机竖屏随手拍的感觉，阴天的灰调，低饱和，有轻微手持晃动。
字幕：不要在生成时让模型写任何字幕文字（字幕后期再加）。
音频：保留背景音乐，镜头拉开的时候对准音乐节拍。
参数：10.00 秒，9:16 竖屏，720×1280，30fps。
负面提示词：一直拉远、持续变焦拉远、远景、人物变得很小、换脸、五官变形、脸显老、发型改变、服装颜色或款式变化、手链消失或戴错手、多出手指、手部畸形、伸出的手臂过长、肢体扭曲、栏杆穿过身体、建筑结构错乱、画面闪烁、乱码文字、水印。
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
人物
• 脸部：完全按【参考图1 大头照】，五官、脸型、发型、发色都以大头照为准，每个镜头保持同一张脸。原视频里是黑棕色齐腰长直发、齐刘海。
• 服装和身材：完全按【参考图2 三视图】，包括服装款式、颜色、配饰、鞋子和身材比例。原视频里的穿搭只作为没有参考时的备用：
• 浅蓝色长袖衬衫，扎进裙子里；
• 灰色包臀短裙；
• 黑色薄丝袜，黑色尖头细高跟鞋；
• 胸前挂黑色挂绳工牌；
• 黑色单肩包。
• 一致性：5 个镜头里人物的脸和服装不能变。
场景
• 地铁车厢里，白色车厢内壁，金属扶手竖杆。
• 车门边有黄黑警示条，门上有出口和安全标识。
• 车厢里有其他乘客：有的低头看手机，有的坐着，有的站着，有的放着红色行李箱和紫色袋子。乘客都是自然状态，不看镜头。
光线：地铁车厢顶部的白色日光灯，照明均匀明亮，偏冷白色调，写实。
机位：都是手机手持拍摄，平视或略低机位，竖屏。
分镜
镜头1｜0.00–1.97秒｜靠在车门边站着，旁边是看手机的乘客
• 机位：平视中全景，竖屏能拍到全身。画面左侧前景是一位穿蓝色T恤、低头看手机的男乘客，人物在画面中间偏右，背靠车门。
• 0.00–0.40：人物背靠车门，一条腿弯曲，脚掌向后抵在车门上。右手抬到颈侧摸着头发，看向镜头。
• 0.40–0.80：抬起的脚放回地面，变成双脚并拢站立，右手放下到胸前。
• 0.80–1.40：双手自然垂放，身体靠着车门，头微微低下。
• 1.40–1.97：右手抬到耳边，把头发往耳后拨，眼睛向下看。
镜头2｜1.97–3.37秒｜坐在座位上跷腿，侧脸看向左边
• 机位：略高的侧前方机位，中全景。人物在画面右侧，坐在地铁座椅上，左侧有一位戴眼镜、穿深色衣服的男乘客，低头看手机，旁边还站着一位乘客。
• 1.97–2.60：硬切进来。人物跷着二郎腿，黑色单肩包放在大腿上，双手放在包上，头转向画面左侧，侧脸朝镜头。
• 2.60–3.37：姿势不变，眼睛看着左前方，头发自然垂在背后，身体基本保持不动。
镜头3｜3.37–5.33秒｜手扶竖杆站着，拨头发
• 机位：正面平视中景，拍到大腿以上。人物站在车厢过道中间，左边是金属竖杆，背景是纵深的车厢和其他乘客。镜头缓慢往前推。
• 3.37–3.90：硬切进来。人物右手握着竖杆，左肩背着黑色包，看着镜头。
• 3.90–4.40：左手抬起来，把脸侧的头发往耳后拨。
• 4.40–5.33：左手停在耳边扶着头发，头微微向右歪，看着镜头，右手一直握着竖杆。
镜头4｜5.33–7.27秒｜背靠车厢隔板站着，手里拿奶茶
• 机位：平视全景，画面从车厢纵深方向拍过去。人物在画面右侧，背靠车门旁的白色隔板，左边是长长的车厢，里面有很多乘客和行李箱。
• 5.33–6.00：硬切进来。人物背靠隔板站着，双腿并拢，左手在胸前拿着一杯带吸管的奶茶，右手垂在身侧，黑色包放在脚边或挂在手臂上，看着镜头。
• 6.00–7.27：姿势基本不变，头微微转向车厢一侧，再转回来看着镜头，镜头有轻微的手持晃动。
镜头5｜7.27–8.73秒｜靠墙曲腿，拨头发后转头
• 机位：平视中全景，比镜头4离人物更近。人物还是靠着同一块白色隔板，左边背景是坐着的乘客和行李。
• 7.27–7.60：硬切进来。人物背靠隔板，一条腿弯曲，脚掌向后抵在隔板上。右手抬到头侧拨头发，左手拿着奶茶，头歪着看向镜头。
• 7.60–8.10：右手放下，叉在腰侧，还保持曲腿姿势。
• 8.10–8.73：抬起的脚放回地面，双腿并拢站直。头转向画面左侧，看向车厢里面，侧脸朝镜头。
（补充）镜头5延续｜8.73–10.00
• 8.73–9.40：机位不变。人物保持站立，慢慢把头转回来看着镜头。
• 9.40–10.00：左手拿着奶茶放在胸前，右手自然垂下，身体轻轻靠着隔板，画面停在这个构图上直到结束。
风格：写实真人质感，手机竖屏随手拍的感觉，高清，自然生活场景，带轻微手持晃动。
音频：保留背景音乐，切镜点 1.97、3.37、5.33、7.27 秒对准音乐节拍。
参数：10.00 秒，9:16 竖屏，1080×1920，30fps。
负面提示词：换脸、五官变形、发型改变、服装颜色或款式变化、工牌消失、多出手指、肢体扭曲、腿部比例异常、路人看镜头、路人脸部畸形、画面闪烁、文字水印、背景变形、车厢结构错乱。
프롬프트 원문 출처 @beizhi606参考图说明:参考图1是人物大头照(脸、五官、发型、发色、妆容都以它为准),参考图2是同一个人的三视图(服装、配饰、鞋子、身材都以它为准)。人物是 25 岁的欧美女性,Instagram 博主风格的精致妆容。下文里「原视频里」的发型、发色和穿搭描述一律忽略,以参考图为准。
中文提示词（10.00秒）
人物
• 脸部：完全按【参考图1 大头照】，五官、脸型、发型、发色都以大头照为准，每个镜头保持同一张脸。原视频里是黑棕色齐腰长直发、齐刘海。
• 服装和身材：完全按【参考图2 三视图】，包括服装款式、颜色、配饰、鞋子和身材比例。原视频里的穿搭只作为没有参考时的备用：
• 浅蓝色长袖衬衫，扎进裙子里；
• 灰色包臀短裙；
• 黑色薄丝袜，黑色尖头细高跟鞋；
• 胸前挂黑色挂绳工牌；
• 黑色单肩包。
• 一致性：5 个镜头里人物的脸和服装不能变。
场景
• 地铁车厢里，白色车厢内壁，金属扶手竖杆。
• 车门边有黄黑警示条，门上有出口和安全标识。
• 车厢里有其他乘客：有的低头看手机，有的坐着，有的站着，有的放着红色行李箱和紫色袋子。乘客都是自然状态，不看镜头。
光线：地铁车厢顶部的白色日光灯，照明均匀明亮，偏冷白色调，写实。
机位：都是手机手持拍摄，平视或略低机位，竖屏。
分镜
镜头1｜0.00–1.97秒｜靠在车门边站着，旁边是看手机的乘客
• 机位：平视中全景，竖屏能拍到全身。画面左侧前景是一位穿蓝色T恤、低头看手机的男乘客，人物在画面中间偏右，背靠车门。
• 0.00–0.40：人物背靠车门，一条腿弯曲，脚掌向后抵在车门上。右手抬到颈侧摸着头发，看向镜头。
• 0.40–0.80：抬起的脚放回地面，变成双脚并拢站立，右手放下到胸前。
• 0.80–1.40：双手自然垂放，身体靠着车门，头微微低下。
• 1.40–1.97：右手抬到耳边，把头发往耳后拨，眼睛向下看。
镜头2｜1.97–3.37秒｜坐在座位上跷腿，侧脸看向左边
• 机位：略高的侧前方机位，中全景。人物在画面右侧，坐在地铁座椅上，左侧有一位戴眼镜、穿深色衣服的男乘客，低头看手机，旁边还站着一位乘客。
• 1.97–2.60：硬切进来。人物跷着二郎腿，黑色单肩包放在大腿上，双手放在包上，头转向画面左侧，侧脸朝镜头。
• 2.60–3.37：姿势不变，眼睛看着左前方，头发自然垂在背后，身体基本保持不动。
镜头3｜3.37–5.33秒｜手扶竖杆站着，拨头发
• 机位：正面平视中景，拍到大腿以上。人物站在车厢过道中间，左边是金属竖杆，背景是纵深的车厢和其他乘客。镜头缓慢往前推。
• 3.37–3.90：硬切进来。人物右手握着竖杆，左肩背着黑色包，看着镜头。
• 3.90–4.40：左手抬起来，把脸侧的头发往耳后拨。
• 4.40–5.33：左手停在耳边扶着头发，头微微向右歪，看着镜头，右手一直握着竖杆。
镜头4｜5.33–7.27秒｜背靠车厢隔板站着，手里拿奶茶
• 机位：平视全景，画面从车厢纵深方向拍过去。人物在画面右侧，背靠车门旁的白色隔板，左边是长长的车厢，里面有很多乘客和行李箱。
• 5.33–6.00：硬切进来。人物背靠隔板站着，双腿并拢，左手在胸前拿着一杯带吸管的奶茶，右手垂在身侧，黑色包放在脚边或挂在手臂上，看着镜头。
• 6.00–7.27：姿势基本不变，头微微转向车厢一侧，再转回来看着镜头，镜头有轻微的手持晃动。
镜头5｜7.27–8.73秒｜靠墙曲腿，拨头发后转头
• 机位：平视中全景，比镜头4离人物更近。人物还是靠着同一块白色隔板，左边背景是坐着的乘客和行李。
• 7.27–7.60：硬切进来。人物背靠隔板，一条腿弯曲，脚掌向后抵在隔板上。右手抬到头侧拨头发，左手拿着奶茶，头歪着看向镜头。
• 7.60–8.10：右手放下，叉在腰侧，还保持曲腿姿势。
• 8.10–8.73：抬起的脚放回地面，双腿并拢站直。头转向画面左侧，看向车厢里面，侧脸朝镜头。
（补充）镜头5延续｜8.73–10.00
• 8.73–9.40：机位不变。人物保持站立，慢慢把头转回来看着镜头。
• 9.40–10.00：左手拿着奶茶放在胸前，右手自然垂下，身体轻轻靠着隔板，画面停在这个构图上直到结束。
风格：写实真人质感，手机竖屏随手拍的感觉，高清，自然生活场景，带轻微手持晃动。
音频：保留背景音乐，切镜点 1.97、3.37、5.33、7.27 秒对准音乐节拍。
参数：10.00 秒，9:16 竖屏，1080×1920，30fps。
负面提示词：换脸、五官变形、发型改变、服装颜色或款式变化、工牌消失、多出手指、肢体扭曲、腿部比例异常、路人看镜头、路人脸部畸形、画面闪烁、文字水印、背景变形、车厢结构错乱。Muse Video가 받는 것과 받지 않는 것입니다. 지원하지 않는 해상도, 화면비, 길이, 입력은 작업 생성 전에 400으로 거부되므로 과금되지 않습니다.
| 지원 | 미지원 | |
|---|---|---|
| 해상도 | 720p만(resolution: 720p 또는 생략) | 1080p, 2K, 4K, 480p |
| 화면비 | 가로 16:9, 1280×720(기본값); 세로 9:16, 720×1280 | 정사각형 1:1, 4:3, 3:4, 21:9 등 그 밖의 모든 비율 |
| 길이 | 4~30의 정수 초. 5, 6, 8, 10, 15, 20, 25, 30초는 정확히 그 길이로 나오고, 그 밖의 길이는 다음 단계로 올림 | 4초 미만, 30초 초과, 8.5 같은 소수 |
| 이미지 | 첫 프레임 1장, 또는 같은 인물이나 대상을 유지하는 참조 이미지 최대 4장 중 하나(함께 사용 불가). PNG·JPEG·WebP, 장당 최대 20 MB, 공개 URL 또는 base64 | 첫 프레임과 참조 이미지 함께 사용, 참조 이미지 4장 초과, 끝 프레임 |
| 영상·오디오 입력 | 없음(미디어 입력은 이미지만) | 참조 영상, 영상 편집이나 연장, 구동용 오디오, 내 오디오에 맞춘 립싱크 |
| 소리 | 모델이 화면과 함께 생성 | 소리를 끄는 옵션 없음(generate_audio: false는 거부됨). 모든 영상에 소리가 있다는 보장은 없음 |
| 기타 설정 | 어떤 언어든 최대 4,000자의 프롬프트. 카메라 움직임은 프롬프트에 작성 | negative_prompt, seed(결과 재현 불가), 카메라 제어 파라미터 |
다른 영상 모델과 마찬가지로 Muse Video의 성공률은 100%가 아닙니다. 실패한 작업은 과금되지 않습니다.
접수된 뒤에도 작업은 실패할 수 있습니다. 모델이 내용을 거부할 수 있고, 생성 중 일시적인 오류가 날 수 있으며, 완성된 영상의 방향이나 길이가 요청과 다르면 폐기됩니다. 실패한 작업은 failed 상태로 끝나고 이유는 failMsg에 담기며, 요금은 돌려드립니다.
출시 테스트 요청 2건은 모두 영상이 나왔지만, 2건으로는 성공률을 약속하기에 턱없이 부족해 아직 성공률을 공개하지 않습니다. 가끔 실패한다는 전제로 파이프라인을 설계하세요. 일시적인 오류는 다시 시도하고, 거부된 프롬프트는 고쳐 쓰고, 첫 시도에 영상이 반드시 온다고 가정하지 마세요.
모델이 프롬프트나 입력 이미지를 거부할 수 있습니다. 같은 요청을 그대로 다시 보내는 것은 거의 도움이 되지 않으니 프롬프트를 고쳐 쓰거나 이미지를 바꾸세요.
요청 내용과 관계없는 이유로 생성이 실패할 수 있습니다. 잠시 뒤 같은 요청을 다시 보내면 대개 성공합니다.
완성된 영상의 방향이 틀리거나 요청보다 짧으면 전달하지 않고 폐기합니다. 요청을 다시 보내세요.
Meta는 화면과 함께 소리도 생성한다고 설명하지만, 테스트 영상 2개 중 1개는 소리 없이 나왔습니다. 오디오가 필요하다면 MP4마다 오디오 트랙이 있는지 확인하세요.
요청한 초당 $0.037. 첫 프레임이나 참조 이미지를 넣어도 추가 요금은 없으며, 실패한 작업은 과금되지 않습니다.
| 요청 길이 | 실제 영상 길이 | 가격 |
|---|---|---|
| 4초 | 5초 | $0.148 |
| 5초(기본값) | 5초 | $0.185 |
| 6초 | 6초 | $0.222 |
| 7초 | 8초 | $0.259 |
| 8초 | 8초 | $0.296 |
| 10초 | 10초 | $0.37 |
| 15초 | 15초 | $0.555 |
| 20초 | 20초 | $0.74 |
| 25초 | 25초 | $0.925 |
| 30초(최대) | 30초 | $1.11 |
10초 이하 영상은 보통 1~2분, 15~30초 영상은 보통 3~7분이 걸립니다. 4초 테스트 요청은 약 1분 30초가 걸렸습니다. 10초를 넘는 영상은 10초와 20초 무렵에 장면이 바뀝니다.
전면 카메라로 한 사람을 가까이서 찍고, 작은 동작을 이어 가며, 따뜻하고 어두운 조명과 음악을 더한 영상. 위 예시처럼요.
같은 인물의 사진을 images에 최대 4장 넣고 새 장면을 프롬프트에 적습니다. 한 번의 테스트에서 젊은 여성의 사진 4장과 해 질 녘 해변 프롬프트로 88초 만에 5.0초, 9:16, 소리가 있는 영상이 나왔습니다. 얼굴과 머리 모양이 같고 옷차림도 비슷했으며, 사진 속 브이 포즈와 손으로 입을 가리고 웃는 동작까지 이어졌습니다. 영상은 사진이 아니라 해변에서 시작했습니다. 한 번의 테스트일 뿐, 늘 그렇다는 보장은 없습니다.
숏폼 피드용 9:16 세로 영상이나 페이지·광고용 16:9 가로 영상을 5~30초, 720p로.
제품 사진, 일러스트, 사진을 첫 프레임으로 쓰고 움직임은 프롬프트에 적습니다.
Muse Video는 16:9나 9:16의 720p만 출력합니다. 더 높은 해상도나 다른 화면비가 필요하면 APIMODELS의 다른 영상 모델을 고르세요.
이미지는 첫 프레임이나 참조 이미지로만 쓸 수 있습니다. 끝 프레임도, 참조 영상도 없고, 내 오디오에 맞춘 립싱크도 안 됩니다.
실패하는 요청도 있고 소리 없이 오는 영상도 있습니다. 영상 하나가 빠지면 제품이 깨진다면, 이 모델에 의존하기 전에 재시도와 검사를 먼저 넣으세요.
Muse Video은(는) Meta의 영상 생성 API입니다. Muse Video는 Meta Superintelligence Labs의 영상 모델입니다. APIMODELS에서는 통합 영상 엔드포인트의 모델 ID 하나, muse-video이며, 프롬프트만 보내면 텍스트-투-비디오, 첫 프레임 이미지 한 장을 더하면 그 이미지에서 시작하는 영상이 되고, 참조 이미지를 최대 4장 더하면 그 이미지에서 시작하지 않으면서 같은 인물이나 대상을 유지한 영상이 됩니다. 요청은 간단합니다. prompt는 필수입니다(최대 4,000자, 언어 무관). duration은 길이를 4~30 사이의 정수 초로 정하며(OpenAI 형식의 seconds도 됩니다), 생략하면 5초입니다. aspect_ratio로 가로 16:9(기본값, 1280×720) 또는 세로 9:16(720×1280)을 고르고, size에 1280x720 또는 720x1280을 넣어도 같습니다. 출력은 항상 720p로, 1080p나 정사각형 옵션은 없으며 요청하면 작업이 생성되기 전에 400이 돌아옵니다. 이미지-투-비디오는 첫 프레임을 image_url로 보내세요(first_frame_url, image, input_reference도 가능). 영상과 같은 방향이면 가장 좋습니다. 참조 이미지는 images에 최대 4장 보냅니다(image_urls, reference_image_urls도 가능). 이미지는 모두 공개 URL 또는 base64 data URI이고, PNG·JPEG·WebP 중 하나입니다. 둘 중 하나만 쓸 수 있으며, 첫 프레임과 참조 이미지 동시 사용, 4장을 넘는 참조 이미지, 끝 프레임, 참조 영상이나 오디오, negative_prompt, seed, 소리 끄기는 400으로 거절됩니다. 영상 길이는 단계로 나뉩니다. 5, 6, 8, 10, 15, 20, 25, 30초 요청은 정확히 그 길이로 돌아오고, 그 밖의 정수는 다음 단계로 올림됩니다(4 → 5초, 7 → 8초, 11 → 15초). 그래서 결제한 길이보다 짧은 영상이 나오지 않습니다. 영상은 H.264 MP4, 24 fps이며, Meta는 Muse Video가 영상과 함께 소리도 생성한다고 설명합니다. 참조 이미지 테스트에서는 한 여성의 사진 4장으로 5초짜리 해변 영상이 나왔고, 얼굴과 머리 모양이 그대로 유지되었습니다. 영상은 어느 사진에서도 시작하지 않았습니다. 생성은 비동기 작업으로 진행됩니다. 작업을 만든 뒤 폴링하거나 콜백으로 결과를 받으세요. 10초 이하 영상은 보통 1~2분, 15~30초 영상은 3~7분 정도 걸립니다. 모든 요청이 성공하지는 않습니다. 모델이 내용을 거절할 수 있고, 생성 중 일시적인 오류가 날 수 있으며, 방향이나 길이가 맞지 않는 영상은 폐기됩니다. 실패한 작업은 과금되지 않습니다. 요금은 요청한 초당 $0.037이며, 5초 $0.185, 10초 $0.37, 30초 $1.11입니다. APIMODELS 플랫폼을 거치면 통합 API와 투명한 종량 과금으로 이 모델을 호출할 수 있습니다. 현재 가격: per second: $0.037, 5s (default): $0.185, 8s: $0.296, 10s: $0.37, 15s: $0.555, 20s: $0.74, 30s (maximum): $1.11.
광고 캠페인과 SNS 마케팅에 쓸 브랜드 영상을 빠르게 만듭니다.
TikTok, Instagram, YouTube에 맞는 세로형 짧은 영상을 대량으로 뽑습니다.
기능 소개와 사용법 영상을 만들어 전환율을 끌어올립니다.
강의 해설과 지식 설명, 사내 교육 영상을 낮은 비용으로 꾸준히 제작합니다.
Muse Video은(는) APIMODELS를 통해 per second: $0.037, 5s (default): $0.185, 8s: $0.296, 10s: $0.37, 15s: $0.555, 20s: $0.74, 30s (maximum): $1.11에 이용할 수 있습니다. 과금은 종량제라서 생성한 만큼만 냅니다.
APIMODELS에 가입해 API 키를 받고 통합 엔드포인트를 호출하면 됩니다. cURL / Python / Node.js 예제를 담은 상세 문서를 제공합니다.
APIMODELS는 같은 Muse Video을(를) 집약 플랫폼을 통해 제공합니다. API 인터페이스가 통합되어 있어 공급자마다 계정을 만들 필요가 없고, 키 하나로 모든 모델에 닿습니다.
Muse Video는 Meta Superintelligence Labs의 영상 모델입니다. 텍스트 프롬프트로 4~30초 길이의 720p 영상을 가로 16:9나 세로 9:16으로 만듭니다. 첫 프레임 이미지 한 장을 더하면 그 이미지에서 영상이 시작되고, 참조 이미지를 최대 4장 더하면 같은 인물이나 대상을 유지합니다. Meta는 영상과 함께 소리도 생성한다고 설명합니다. apimodels.app에서는 Meta의 Muse Video 모델을 POST /v1/video/generations의 모델 ID 하나, muse-video로 제공합니다. 실패한 생성은 과금되지 않으며, 요금은 요청한 초당 $0.037입니다.
Muse Video의 제한 사항은 다음이 전부입니다. 720p만 지원합니다(1080p, 2K, 4K, 480p 없음). 가로 16:9 1280×720 또는 세로 9:16 720×1280만 됩니다(정사각형, 4:3, 21:9 등 다른 비율 없음). 길이는 4~30초 정수이며 5, 6, 8, 10, 15, 20, 25, 30초는 그대로, 나머지는 올림되고 소수는 안 됩니다. 이미지는 첫 프레임 한 장 또는 같은 인물이나 대상을 유지하는 참조 이미지 최대 4장 중 하나만 쓸 수 있고 둘을 함께 쓸 수는 없으며, 각각 PNG·JPEG·WebP, 최대 20 MB입니다(끝 프레임 없음, 참조 이미지는 4장까지). 영상 입력, 오디오 입력, 내 오디오에 맞춘 립싱크, 영상 편집이나 연장은 없습니다. Meta는 이 모델이 소리도 생성한다고 설명하지만, 모든 영상에 소리가 보장되지는 않으며 소리를 끌 수도 없습니다. negative_prompt, seed, 카메라 제어 파라미터는 없습니다(카메라 움직임은 프롬프트에 쓰세요). 프롬프트는 최대 4,000자입니다. 다른 해상도나 비율, 첫 프레임과 참조 이미지 동시 사용, 5장 이상의 참조 이미지, 끝 프레임, 영상·오디오 입력, negative_prompt, seed, generate_audio: false 같은 지원하지 않는 입력은 작업 생성 전에 400으로 거절됩니다. 이 범위 안에서도 모든 요청이 성공하지는 않습니다. 모델이 내용을 거절하거나 일시적인 오류가 날 수 있으며, 실패한 작업은 과금되지 않습니다.
네. 모델 ID 하나, muse-video에 입력 방식이 세 가지 있고, 보낸 내용에 따라 방식이 정해집니다. 프롬프트만 보내면 텍스트-투-비디오입니다. 첫 프레임 이미지 한 장을 보내면 그 이미지에서 영상이 시작됩니다. image_url로 보내세요(first_frame_url, image, input_reference도 가능). 참조 이미지를 1~4장 보내면 영상은 그중 어느 이미지에서도 시작하지 않지만 같은 인물, 대상, 스타일이 유지되어 반복 등장하는 캐릭터에 잘 맞습니다. images에 배열로 보내세요(image_urls, reference_image_urls도 가능). 배열은 모두 참조 이미지로 처리하므로, 항목이 하나인 image_urls는 첫 프레임이 아니라 참조 이미지 한 장입니다. 첫 프레임과 참조 이미지는 둘 중 하나만 쓸 수 있으며, 둘을 함께 보내거나 참조 이미지가 4장을 넘으면 작업 생성 전에 400을 돌려줍니다. 모든 이미지는 공개 URL이나 base64 data URI, PNG·JPEG·WebP, 최대 20 MB입니다. 첫 프레임은 영상과 방향을 맞추는 것이 좋습니다. 16:9는 가로 이미지, 9:16은 세로 이미지입니다. 끝 프레임(last_frame_url), 참조 영상, 오디오 입력은 지원하지 않습니다. 세 방식 모두 가격이 같습니다.
참조 이미지는 화면에 누가, 무엇이 나와야 하는지 모델에 알려 주는 것이고, 영상의 프레임이 되지는 않습니다. 같은 인물이나 대상의 이미지 1~4장을 images에 넣고, 프롬프트에는 새 장면을 쓰면서 "참조 이미지 속 그 젊은 여성"처럼 참조 이미지를 가리키세요. 2026년 10월 30일에 한 번 테스트했습니다. 같은 젊은 여성의 사진 4장(베개에 누운 모습, 미소, 브이 포즈, 손으로 입을 가리고 웃는 모습)과 프롬프트 "The same young woman from the reference images walks barefoot along a beach at sunset, smiling back at the camera, handheld vertical shot", 4초, 9:16으로 요청했더니 88초 만에 오디오 트랙이 있는 5.0초, 720×1280 영상이 돌아왔습니다. 영상은 어느 참조 이미지에서도 시작하지 않고 처음부터 해변 장면이었습니다. 여성의 얼굴과 머리 모양은 그대로였고 옷차림도 비슷했으며(참조 이미지의 크림색 캐미솔이 흰 슬립 드레스로 바뀜), 브이 포즈와 입을 가리고 웃는 동작까지 참조 이미지에서 가져왔고, 5초 동안 클로즈업, 와이드, 뒷모습으로 여러 번 컷이 바뀌었습니다. 이는 한 번의 테스트일 뿐, 닮은 정도나 컷 구성을 보장하지 않습니다. 영상이 반드시 특정 이미지에서 시작해야 한다면 첫 프레임을 쓰세요. 참조 이미지는 추가 요금이 없습니다. 참조 이미지를 넣은 4초 요청도 4초 텍스트-투-비디오와 똑같이 과금되었습니다.
4~30초이며 duration에 정수 초로 지정합니다(OpenAI 형식의 seconds 필드도 가능). 생략하면 5초입니다. 출력 길이는 단계로 나뉩니다. 5, 6, 8, 10, 15, 20, 25, 30초 요청은 정확히 그 길이로 돌아오고, 그 밖의 정수는 다음 단계로 올림됩니다: 4 → 5초, 7 → 8초, 9 → 10초, 11~14 → 15초, 16~19 → 20초, 21~24 → 25초, 26~29 → 30초. 결제한 길이보다 짧은 영상은 나오지 않습니다. 정확한 길이가 필요하면 단계 값 중 하나로 요청하세요. 소수나 4~30을 벗어난 값은 작업 생성 전에 400을 돌려줍니다.
720p만 지원하며 형태는 두 가지입니다. 가로 16:9 1280×720(기본값)과 세로 9:16 720×1280입니다. aspect_ratio를 16:9 또는 9:16으로 정하거나 size에 1280x720 또는 720x1280을 넣으세요. resolution은 선택 사항이며 720p만 받습니다. 정사각형, 다른 비율, 1080p는 없고, 요청하면 다른 크기로 조용히 바꿔 주는 대신 작업 생성 전에 400을 돌려줍니다. 모든 영상은 H.264 MP4, 24 fps입니다.
Meta는 Muse Video가 영상과 함께 소리도 생성한다고 설명합니다. 2026년 10월 30일 출시 시점의 자체 테스트에서 4초 요청 두 건이 모두 5.0초 영상으로 돌아왔는데, 가로 영상에는 AAC 오디오 트랙이 있었고 세로 영상은 무음이었습니다. 그러니 파이프라인에 소리가 꼭 필요하다면 MP4마다 오디오 트랙이 있는지 확인하고(ffprobe로 볼 수 있습니다), 트랙 없이 온 영상에는 음악이나 내레이션을 입히는 등의 대안을 준비하세요. 소리는 끌 수 없습니다. generate_audio: false는 400("muse-video cannot turn sound off: the model decides whether a clip has sound")을 돌려주고, generate_audio: true는 받지만 소리가 있다는 보장은 없습니다.
10초 이하 영상은 보통 1~2분, 15~30초 영상은 보통 3~7분 걸립니다. 4초 테스트 요청은 약 1.5분 만에 끝났습니다. 호출은 비동기입니다. 작업을 만들면 바로 taskId가 돌아오고, 이후 10~15초마다 GET /v1/video/generations?task_id=를 폴링하거나 callback_url을 넘겨 저희가 보내는 POST를 기다리면 됩니다.
요청한 초당 $0.037이며, 보낸 duration 기준으로 과금됩니다. 4초 $0.148, 5초(기본값) $0.185, 6초 $0.222, 8초 $0.296, 10초 $0.37, 15초 $0.555, 20초 $0.74, 25초 $0.925, 30초 $1.11입니다. 단계 사이의 길이는 요청한 초 수대로 과금됩니다. 7초는 $0.259이고, 영상은 8초로 돌아옵니다. 첫 프레임이나 참조 이미지에는 추가 요금이 없어 세 방식 모두 같은 가격이며, 화면비도 가격에 영향을 주지 않습니다. 실패한 생성은 과금되지 않습니다.
모든 Muse Video 요청이 성공하지는 않습니다. 생성이 실패하는 이유는 세 가지입니다. 모델이 내용을 거절하는 경우, 생성 중 일시적인 오류가 나는 경우, 완성된 영상의 방향이 틀렸거나 요청보다 짧아 폐기되는 경우입니다. 실패한 작업은 failed 상태로 끝나고 이유는 failMsg에 담기며, 과금되지 않습니다. 성공률은 아직 공개하지 않습니다. 출시 테스트 요청 두 건은 모두 영상이 돌아왔지만, 두 건으로는 성공률을 약속하기에 너무 적습니다. 일시적인 오류는 다시 시도하고, 거절된 프롬프트는 고쳐 쓰고, 첫 시도가 늘 성공한다고 가정하는 파이프라인은 피하세요. Muse Video가 처리할 수 없는 요청은 아예 작업이 되지 않습니다. prompt가 없거나 4,000자를 넘는 경우, duration이 4~30의 정수가 아닌 경우, resolution이 720p가 아닌 경우, 화면비가 16:9나 9:16이 아닌 경우, 첫 프레임과 참조 이미지를 함께 보낸 경우, 참조 이미지가 4장을 넘는 경우, 끝 프레임이나 영상·오디오 입력이 있는 경우, negative_prompt나 seed가 있는 경우, generate_audio가 false인 경우는 모두 작업 생성 전에 알기 쉬운 오류 메시지와 함께 400을 돌려줍니다. 이미지 자체는 실행 중에 검사합니다. PNG·JPEG·WebP가 아니거나 20 MB를 넘는 이미지가 있으면 작업이 이유와 함께 실패하며(예: "first-frame image must be PNG, JPEG or WebP", "reference image 2 must be PNG, JPEG or WebP"), 이 경우도 과금되지 않습니다.
피사체가 무엇인지, 어떻게 움직이는지, 카메라가 어떻게 움직이는지를 쓰세요. 예: "주황색 고양이가 창턱에서 기지개를 켜고, 햇살이 들어오고, 카메라가 천천히 다가간다". 프롬프트는 최대 4,000자이며 언어는 상관없습니다. 10초가 넘는 영상은 10초와 20초 즈음에서 장면이 바뀌므로, 긴 프롬프트는 "처음 10초는 …, 그다음 …"처럼 구간별로 쓰면 좋습니다. 이미지-투-비디오에서는 첫 프레임의 방향을 영상과 맞추고, 프롬프트에는 그다음에 일어날 일을 적으세요. 참조 이미지를 쓸 때는 "참조 이미지 속 같은 인물"이라고 쓰고 새 장면을 적으세요. 영상은 어느 참조 이미지에서도 시작하지 않습니다.
apimodels.app에 가입하고 콘솔에서 API 키를 만드세요. 키 하나와 달러 잔액 하나로 모든 모델을 씁니다. 그다음 요청을 보냅니다: curl -X POST https://api.apimodels.app/v1/video/generations -H "Authorization: Bearer YOUR_API_KEY" -H "Content-Type: application/json" -d '{"model": "muse-video", "prompt": "주황색 고양이가 창턱에서 기지개를 켜고, 햇살이 들어오고, 카메라가 천천히 다가간다", "duration": 5, "aspect_ratio": "16:9"}'. 내 첫 프레임에서 시작하려면 "image_url"을, 같은 인물이나 대상을 유지하려면 참조 이미지를 최대 4장 담은 "images"를 더하세요. 응답의 taskId로 state가 completed가 될 때까지 10~15초마다 GET /v1/video/generations?task_id=를 폴링하거나 callback_url을 넘기고, 30일 이내에 resultUrls에서 MP4를 내려받으세요.
완전히 무료는 아닙니다. 조건을 충족하는 신규 계정은 $0.10의 체험 크레딧을 받지만, 가장 짧은 Muse Video 요청(4초)이 $0.148이라서 첫 테스트에는 충전이 필요합니다. 충전은 $10부터입니다. 구독 없는 종량제입니다. 이 페이지의 플레이그라운드는 Generate를 누르기 전에 가격을 보여 주며, 실패한 생성은 과금되지 않습니다.
APIMODELS에서는 Muse Video이(가) 60개가 넘는 모델과 같은 API 키, 같은 잔액 위에 나란히 놓입니다. 그래서 선택은 궁합의 문제이지 종속의 문제가 아닙니다. Text to Video、Image to Video (First Frame)、Up to 4 Reference Images、720p · 16:9 / 9:16、4–30s · Exact at 5/6/8/10/15/20/25/30s、Sound with the Picture、Failed Generations Not Charged、$0.037/s을(를) 지원하며 다른 영상 생성 모델과 가격·성능을 나란히 놓고 따져볼 수 있습니다. 갈아타기는 모델 이름 문자열 하나만 바꾸면 되고 새 계정도 추가 작업도 필요 없습니다. 영상 생성 선택지와 실시간 가격은 apimodels.app/models에서 볼 수 있습니다.
Muse Video은(는) 다음을 지원합니다: Text to Video、Image to Video (First Frame)、Up to 4 Reference Images、720p · 16:9 / 9:16、4–30s · Exact at 5/6/8/10/15/20/25/30s、Sound with the Picture、Failed Generations Not Charged、$0.037/s. 전체 파라미터와 호출 예제는 APIMODELS 문서를 참고하세요.
네. APIMODELS는 Muse Video을(를) 하나의 통합 API와 키 한 개로 제공합니다. 공급자별 계정도 필요 없고, 각 공급자의 지역별 네트워크 경로를 직접 챙길 필요도 없습니다.
Stripe(Visa, Mastercard 등 해외 카드)와 Alipay를 지원합니다. 결제 후 잔액은 즉시 반영됩니다.