muse-videoMuse Video 是 Meta Superintelligence Labs 的视频模型。在 APIMODELS 上它是统一视频端点里的一个模型名 muse-video:只传提示词就是文生视频;加一张首帧图,视频就从这张图开始动;加最多 4 张参考图,模型会保持同一个人物或主体,但不从这些图开始。 请求很简单。prompt 必填(最多 4000 字,中英文都行)。duration 是整数秒,4 到 30(也认 OpenAI 写法的 seconds),不传按 5 秒。aspect_ratio 选 16:9 横屏(默认,1280×720)或 9:16 竖屏(720×1280),传 size 1280x720 / 720x1280 效果一样。输出固定 720p:没有 1080p,也没有方形,传了会在建任务前直接返回 400。图生视频时,把首帧放在 image_url(first_frame_url、image、input_reference 也认),横竖最好和视频一致;用参考图时,在 images 里放最多 4 张(image_urls、reference_image_urls 也认)。每张图都可以是公网 URL 或 base64 data URI,PNG、JPEG 或 WebP。两种只能选一种:首帧和参考图同时传、参考图超过 4 张、尾帧、参考视频或音频、negative_prompt、seed、关闭声音,都会返回 400。 时长按档出片。请求 5、6、8、10、15、20、25、30 秒时,出片正好这么长;其它整数会往上凑到下一档(4 秒出 5 秒、7 秒出 8 秒、11 秒出 15 秒),所以成片不会比你付费的秒数短。视频是 H.264 编码的 MP4,24 帧;Meta 介绍 Muse Video 会把声音和画面一起生成。我们用 4 张同一个女孩的图做参考图测试,生成的 5 秒海边视频里她的脸和发型都保持一致,而且视频不是从任何一张图开始的。 它是异步任务:先创建,再轮询或等回调。10 秒以内一般 1–2 分钟出片,15–30 秒一般 3–7 分钟。不保证每次都成功:内容可能被模型拒绝,生成可能遇到临时错误,横竖或时长不对的成片会被作废;失败的任务不扣费。价格按请求秒数 $0.037/秒:5 秒 $0.185,10 秒 $0.37,30 秒 $1.11。
API 也接受 4–30 之间的其它整数秒,会往上凑到下一档出片(如 7 秒出 8 秒),按请求的秒数计费。
Generated video will appear here
Provide URLs and click Generate
同一个模型名:只给提示词;给一张首帧,视频从你的画面开始;或给最多 4 张参考图,让同一个人物在多条视频里保持一致
按整秒设置;5、6、8、10、15、20、25、30 秒按原长出片,其他时长向上取整,成片不会短于你付费的时长
1280×720(16:9,默认)或 720×1280(9:16),H.264 MP4,24 fps;没有 1080p,没有方形或其他比例
Meta 介绍 Muse Video 会在生成画面的同时生成声音
不是每次请求都能成功,失败的任务不扣费;不支持的时长、尺寸或输入,会在建任务之前返回 400
按请求的秒数计费:5 秒 $0.185,10 秒 $0.37,30 秒 $1.11
Muse Video 是 Meta 的视频模型。只传提示词;或者加一张首帧图,让视频从这张图开始;或者加最多 4 张参考图,让视频里保持同一个人物或主体。返回一条 4 到 30 秒的 720p MP4,横屏 16:9 或竖屏 9:16。
在 APIMODELS 上它是一个模型名 muse-video,走 POST /v1/video/generations,按请求秒数每秒 $0.037 计费。接入前请先看下面的限制:只有 720p,只有横屏或竖屏,图片是 1 张首帧或最多 4 张参考图(二选一),而且不保证每次都成功。
muse-video文生视频,没有首帧图,9:16,10 秒。只生成了一次,原样展示。
用下面这段提示词发一次请求,duration 10,aspect_ratio 9:16。Muse Video 约 75 秒返回一条 10.0 秒、720×1280、带配乐的视频,一镜到底,按动作清单的顺序演完:闭眼贴着枕头,睁眼看向镜头,害羞地笑,拉起被子挡住半张脸,把 V 手势伸到镜头前,捂着嘴埋进枕头偷笑,最后手机一歪转向天花板。
这正是 Muse Video 擅长的视频类型:单人、手持竖屏自拍构图、一串细小连贯的动作,靠暖色低光和配乐营造氛围。同一段提示词再生成一次,画面会不一样。文生视频没法让不同视频里保持同一张脸;要做固定角色,请传最多 4 张这个角色的参考图(images),模型会保留这张脸,但视频不会从图片开始。
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。Muse Video 收什么、不收什么。不支持的分辨率、画幅、时长和输入,都会在建任务前返回 400,不会扣费。
| 支持 | 不支持 | |
|---|---|---|
| 分辨率 | 只有 720p(resolution 传 720p 或不传) | 1080p、2K、4K、480p |
| 画幅 | 16:9 横屏 1280×720(默认);9:16 竖屏 720×1280 | 方形 1:1、4:3、3:4、21:9 及其他所有比例 |
| 时长 | 4 到 30 的整数秒;5、6、8、10、15、20、25、30 秒出片正好这么长,其他时长向上凑到下一档 | 少于 4 秒、多于 30 秒、带小数(如 8.5) |
| 图片 | 二选一:1 张首帧,或最多 4 张保留同一人物或主体的参考图(不能同时传);PNG、JPEG 或 WebP,每张不超过 20 MB,公网 URL 或 base64 | 首帧和参考图同时传、超过 4 张参考图、尾帧 |
| 视频和音频输入 | 无,图片是唯一的媒体输入 | 参考视频、视频编辑或续写、驱动音频、按你的音频对口型 |
| 声音 | 由模型和画面一起生成 | 没有关闭声音的开关(generate_audio: false 会被拒);也不保证每条都有声音 |
| 其他控制 | 提示词最多 4000 字,任何语言;运镜写在提示词里 | negative_prompt、seed(结果不可复现)、运镜参数 |
和所有视频模型一样,Muse Video 的成功率不是 100%。失败的任务不扣费。
任务被接受之后仍然可能失败:内容可能被模型拒绝,生成可能遇到临时错误,做出来的视频横竖或时长和请求不符时也会被作废。失败的任务状态为 failed,原因写在 failMsg 里,费用退回。
我们上线测试的两单都成功出片,但两单远远不够说明成功率,所以暂时不公布成功率。接入时请按「偶尔会失败」来设计:临时错误重试,被拒的提示词改写后再发,不要假设第一次一定能拿到视频。
模型可能拒绝某段提示词或某张输入图片。原样重试通常没用,请改写提示词或换一张图。
生成可能因为和你的请求无关的原因失败。稍后原样重试通常就能成功。
做出来的视频如果横竖不对,或者比请求的时长短,会被作废而不是交付给你。重试即可。
Meta 介绍会和画面一起生成声音,但我们两条测试里有一条没有声音。必须要声音的话,请逐条检查 MP4 里有没有音轨。
按请求秒数每秒 $0.037。带首帧或参考图不加价;失败的任务不扣费。
| 请求时长 | 实际出片 | 价格 |
|---|---|---|
| 4 秒 | 5 秒 | $0.148 |
| 5 秒(默认) | 5 秒 | $0.185 |
| 6 秒 | 6 秒 | $0.222 |
| 7 秒 | 8 秒 | $0.259 |
| 8 秒 | 8 秒 | $0.296 |
| 10 秒 | 10 秒 | $0.37 |
| 15 秒 | 15 秒 | $0.555 |
| 20 秒 | 20 秒 | $0.74 |
| 25 秒 | 25 秒 | $0.925 |
| 30 秒(最长) | 30 秒 | $1.11 |
10 秒以内的视频通常 1 到 2 分钟出片,15 到 30 秒通常 3 到 7 分钟;我们测试的 4 秒请求约一分半。超过 10 秒的视频会在 10 秒和 20 秒前后切换镜头。
前置镜头近距离拍一个人,一串细小的动作,暖色低光加配乐,就像上面的案例。
在 images 里传最多 4 张同一个人的照片,再写一个新场景。我们测过一次:四张年轻女性的照片加一段日落海滩的提示词,88 秒返回一条 5.0 秒、9:16、带声音的视频,同一张脸、同样的发型、相近的衣服,连照片里的比 V 和捂嘴笑都用上了;视频从海滩开始,而不是从某张照片开始。只是一次测试,不代表每次都这样。
短视频平台用的 9:16 竖屏,或页面、广告用的 16:9 横屏,5 到 30 秒,720p。
用一张产品图、插画或照片作首帧,在提示词里写它怎么动。
Muse Video 只出 720p 的 16:9 或 9:16。需要更高分辨率或其他画幅,请选 APIMODELS 上的其他视频模型。
图片只能作首帧或参考图:没有尾帧,没有参考视频,也不能按你的音频对口型。
部分请求会失败,部分视频没有声音。如果漏一条就会影响你的产品,请先加好重试和检查再依赖它。
Muse Video 是由 Meta 提供的视频生成 API。Muse Video 是 Meta Superintelligence Labs 的视频模型。在 APIMODELS 上它是统一视频端点里的一个模型名 muse-video:只传提示词就是文生视频;加一张首帧图,视频就从这张图开始动;加最多 4 张参考图,模型会保持同一个人物或主体,但不从这些图开始。 请求很简单。prompt 必填(最多 4000 字,中英文都行)。duration 是整数秒,4 到 30(也认 OpenAI 写法的 seconds),不传按 5 秒。aspect_ratio 选 16:9 横屏(默认,1280×720)或 9:16 竖屏(720×1280),传 size 1280x720 / 720x1280 效果一样。输出固定 720p:没有 1080p,也没有方形,传了会在建任务前直接返回 400。图生视频时,把首帧放在 image_url(first_frame_url、image、input_reference 也认),横竖最好和视频一致;用参考图时,在 images 里放最多 4 张(image_urls、reference_image_urls 也认)。每张图都可以是公网 URL 或 base64 data URI,PNG、JPEG 或 WebP。两种只能选一种:首帧和参考图同时传、参考图超过 4 张、尾帧、参考视频或音频、negative_prompt、seed、关闭声音,都会返回 400。 时长按档出片。请求 5、6、8、10、15、20、25、30 秒时,出片正好这么长;其它整数会往上凑到下一档(4 秒出 5 秒、7 秒出 8 秒、11 秒出 15 秒),所以成片不会比你付费的秒数短。视频是 H.264 编码的 MP4,24 帧;Meta 介绍 Muse Video 会把声音和画面一起生成。我们用 4 张同一个女孩的图做参考图测试,生成的 5 秒海边视频里她的脸和发型都保持一致,而且视频不是从任何一张图开始的。 它是异步任务:先创建,再轮询或等回调。10 秒以内一般 1–2 分钟出片,15–30 秒一般 3–7 分钟。不保证每次都成功:内容可能被模型拒绝,生成可能遇到临时错误,横竖或时长不对的成片会被作废;失败的任务不扣费。价格按请求秒数 $0.037/秒:5 秒 $0.185,10 秒 $0.37,30 秒 $1.11。 通过 APIMODELS 平台，您可以使用统一的 API 接口调用该模型，按量计费、价格透明。当前定价：per second: $0.037, 5s (default): $0.185, 8s: $0.296, 10s: $0.37, 15s: $0.555, 20s: $0.74, 30s (maximum): $1.11。
快速生成品牌宣传视频，适用于广告投放和社交媒体推广。
为抖音、小红书等平台创建引人注目的短视频内容。
生成产品功能演示和使用教程视频，提升用户转化率。
制作课程讲解、知识科普等教育类视频，降低视频制作门槛。
Muse Video 通过 APIMODELS 平台调用，当前定价：per second: $0.037, 5s (default): $0.185, 8s: $0.296, 10s: $0.37, 15s: $0.555, 20s: $0.74, 30s (maximum): $1.11。按量计费，用多少付多少。
在 APIMODELS 注册账号并获取 API Key，然后通过我们的统一 API 端点调用即可。我们提供详细的 API 文档和 cURL、Python、Node.js 代码示例。
APIMODELS 通过聚合平台提供与官方相同的 Muse Video 模型。我们提供统一的 API 接口，无需分别注册各平台账号，一个 API Key 即可调用所有模型。
Muse Video 是 Meta Superintelligence Labs 的视频模型:给它一段提示词,就生成一条 4 到 30 秒的 720p 视频,横屏 16:9 或竖屏 9:16;再加一张首帧图,视频就从这张图开始,或者加最多 4 张参考图,让视频里保持同一个人或同一个主体。Meta 介绍它会在生成画面的同时生成声音。在 apimodels.app 上,Meta 的 Muse Video 模型以一个模型名 muse-video 提供,走 POST /v1/video/generations。生成失败不扣费,按请求的秒数每秒 $0.037 计费。
Muse Video 的全部限制:只有 720p(没有 1080p、2K、4K 或 480p);只有 16:9 横屏 1280×720 和 9:16 竖屏 720×1280(没有方形、4:3、21:9 或其他任何比例);时长为 4 到 30 的整数秒,5、6、8、10、15、20、25、30 秒按原长出片,其他时长向上取整,不支持小数;图片二选一:一张首帧图,或最多 4 张保持同一个人或主体的参考图,两者不能同时传;每张 PNG、JPEG 或 WebP,不超过 20 MB(不支持尾帧,参考图不能超过 4 张);不支持视频输入和音频输入,不能按你的音频对口型,也不能编辑或延长视频;Meta 介绍模型会生成声音,但不保证每条都有声音,也不能关掉声音;不支持 negative_prompt、seed 和运镜参数(镜头怎么动写在提示词里);提示词最多 4000 个字符。不支持的输入,比如别的分辨率或画幅、首帧和参考图同时传、参考图超过 4 张、尾帧、视频或音频输入、negative_prompt、seed 或 generate_audio: false,都会在建任务前返回 400。即使在这些限制之内,也不是每次请求都能成功:模型可能拒绝内容,也可能遇到临时错误;失败的任务不扣费。
能。同一个模型名 muse-video 有三种输入方式,按你传了什么来区分。只传提示词就是文生视频。传一张首帧图,视频就从这张图开始:用 image_url 传(也接受 first_frame_url、image、input_reference)。传 1 到 4 张参考图,模型会保持图里的人物、主体或风格,但视频不会从其中任何一张开始,适合需要反复出场的角色:用数组放进 images(也接受 image_urls、reference_image_urls)。只要是数组就按参考图处理,所以只含一项的 image_urls 是一张参考图,不是首帧。首帧和参考图只能二选一:两种一起传,或参考图超过 4 张,都会在建任务前返回 400。每张图都可以是公网 URL 或 base64 data URI,格式 PNG、JPEG 或 WebP,不超过 20 MB。首帧方向最好和视频一致:16:9 用横图,9:16 用竖图。不支持尾帧(last_frame_url)、参考视频和音频输入。三种方式同价。
参考图是告诉模型画面里该出现谁、出现什么,它不会变成视频里的某一帧。把同一个人或主体的 1 到 4 张图放进 images,提示词里写新的场景,并点明是参考图里的那个人,比如「参考图里的那个年轻女孩」。我们在 2026 年 10 月 30 日测过一次:传了同一个年轻女孩的 4 张照片(躺在枕头上、微笑、比 V、捂嘴笑),提示词是「The same young woman from the reference images walks barefoot along a beach at sunset, smiling back at the camera, handheld vertical shot」,4 秒、9:16。88 秒后返回一条 5.0 秒、720×1280、带音轨的视频。视频没有从任何一张参考图开始,一开场就在海边。女孩的脸和发型保持一致,衣着风格也接近(参考图里的米白色吊带背心变成了白色吊带裙),模型还用上了参考图里的动作(比 V、捂嘴笑),5 秒里自己切了几个镜头:特写、远景、背影。这只是一次测试,不保证每次都这么像,也不保证镜头怎么切。如果视频必须从某张确定的画面开始,请改用首帧。参考图不额外收费:这条 4 秒请求的扣费和 4 秒文生视频完全一样。
4 到 30 秒,用 duration 按整秒设置(也接受 OpenAI 写法的 seconds 字段);不传默认 5 秒。成片时长是分档的:请求 5、6、8、10、15、20、25、30 秒,出来就是这么长;其他整数会向上取到下一档:4 → 5 秒,7 → 8 秒,9 → 10 秒,11–14 → 15 秒,16–19 → 20 秒,21–24 → 25 秒,26–29 → 30 秒。成片不会短于你付费的时长。想拿到精确时长,直接请求这几档之一即可。小数或 4–30 以外的值,会在建任务前返回 400。
只有 720p,两种画幅:16:9 横屏 1280×720(默认)和 9:16 竖屏 720×1280。用 aspect_ratio 设 16:9 或 9:16,或者用 size 传 1280x720 / 720x1280;resolution 可以不传,传的话只接受 720p。没有方形、其他比例或 1080p,请求这些会在建任务前直接返回 400,不会悄悄换成别的尺寸交付。每条都是 H.264 MP4,24 fps。
Meta 介绍 Muse Video 会在生成画面的同时生成声音。我们 2026 年 10 月 30 日上线时自测了两条 4 秒请求,都返回 5.0 秒的视频:横屏那条带 AAC 音轨,竖屏那条没有声音。所以如果你的流程必须有声音,请逐条检查 MP4 里有没有音轨(用 ffprobe 一看便知),对没有音轨的片子准备兜底方案,比如配乐或配音。声音不能关闭:generate_audio 传 false 会返回 400(「muse-video cannot turn sound off: the model decides whether a clip has sound」);传 true 可以,但同样不保证有声音。
10 秒以内的视频通常 1 到 2 分钟,15 到 30 秒的通常 3 到 7 分钟;我们自测的 4 秒请求大约 1.5 分钟完成。调用是异步的:建任务立刻返回 taskId,之后每 10 到 15 秒轮询一次 GET /v1/video/generations?task_id=,或者传 callback_url 等我们回调。
按请求的秒数计费,每秒 $0.037:4 秒 $0.148,5 秒(默认)$0.185,6 秒 $0.222,8 秒 $0.296,10 秒 $0.37,15 秒 $0.555,20 秒 $0.74,25 秒 $0.925,30 秒 $1.11。介于两档之间的时长,按你请求的秒数计费:请求 7 秒收 $0.259,交付的是 8 秒的视频。首帧图和参考图都不额外收费,三种输入方式同价,画幅也不影响价格。生成失败不扣费。
不是每次请求都能成功。生成失败有三种原因:模型拒绝了内容;生成遇到临时错误;成片的横竖方向不对或比请求的短,被作废。失败的任务状态为 failed,原因写在 failMsg 里,不扣费。我们暂不公布成功率:上线时测的两条请求都出了片,但两次测试太少,不足以承诺成功率。遇到临时错误就重试,被拒的提示词就改写,不要按「第一次一定成功」来设计流程。Muse Video 处理不了的请求根本不会建任务:没有提示词或提示词超过 4000 个字符、duration 不是 4 到 30 的整数、resolution 不是 720p、画幅不是 16:9 或 9:16、首帧和参考图同时传、参考图超过 4 张、传了尾帧、传了视频或音频输入、传了 negative_prompt 或 seed、generate_audio 传了 false,都会在建任务前返回 400,并附上清楚的错误信息。图片本身在运行时检查:有图不是 PNG、JPEG 或 WebP,或超过 20 MB,任务会失败并写明原因,比如「first-frame image must be PNG, JPEG or WebP」或「reference image 2 must be PNG, JPEG or WebP」,同样不扣费。
写清三件事:主体是什么、它怎么动、镜头怎么动,比如「一只橘猫在窗台上伸懒腰,阳光洒进来,镜头缓缓推近」。提示词最长 4000 个字符,任何语言都可以。超过 10 秒的视频会在 10 秒和 20 秒前后切换镜头,所以长提示词可以分段写:「前 10 秒……,然后……」。图生视频时,首帧方向和视频保持一致,提示词写接下来发生什么。用参考图时,提示词里写「参考图里的同一个人」,再写新的场景,因为视频不会从任何一张参考图开始。
在 apimodels.app 注册,进控制台创建 API Key;一个 Key、一个美元余额就能调用所有模型。然后发请求: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": "一只橘猫在窗台上伸懒腰,阳光洒进来,镜头缓缓推近", "duration": 5, "aspect_ratio": "16:9"}'。想从自己的首帧开始,再加 "image_url";想保持同一个人或主体,改加 "images",放最多 4 张参考图。返回里有 taskId,每 10 到 15 秒轮询一次 GET /v1/video/generations?task_id=,直到 state 为 completed,或者传 callback_url 等回调,然后在 30 天内从 resultUrls 下载 MP4。
不能完全免费。符合条件的新账号有 $0.10 试用额度,但最短的一单 Muse Video(4 秒)要 $0.148,所以第一次试用需要先充值,充值 $10 起。按量付费,没有订阅。本页体验区在你点生成之前就会显示价格;生成失败不扣费。
在 APIMODELS，Muse Video 与 60+ 个模型共用一个 API Key、一个余额，所以选型只看合不合适，不存在锁定。它支持 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，你可以在价格和能力上把它和其它视频生成模型对比，换模型只需改一个模型名字符串——无需新账号、无需重新对接。所有视频生成模型与实时价格见 apimodels.app/models。
Muse Video 支持：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。完整参数与调用方式见 APIMODELS 的 API 文档。
可以。APIMODELS 提供可直接访问的统一 API,一个 API Key 即可调用 Muse Video,无需分别注册官方账号、也无需自行处理官方接口的网络访问。
我们支持 Stripe（Visa、Mastercard 等国际信用卡）和支付宝付款。充值后积分即时到账。