图片定主体，视频定动作，音频定声音。
图片最多9张、单张20MB；视频和音频各最多3段、每段2–15秒/60MB。输入 @ 选择素材，或点击素材上的引用标签。
时长可选5–15秒。时长越长、参考越多，生成越慢，显存需求也越高。
添加参考素材，描述你想要的画面。视频完成后，可以直接预览和下载。