tencent cloud

媒体处理

文档媒体处理AIGC 与多模态理解接入教程AI 视频生成文档生视频

文档生视频

下载
聚焦模式
字号
最后更新时间： 2026-09-18 17:10:02

功能介绍

文档生视频（Doc to Video） 可将一份静态文档转化为带讲解的成片视频。您只需提供 PDF / PPTX / DOCX / 图片等文档，系统即可结合大语言模型理解文档内容，自动完成分镜编排、画面生成、AI 配音与字幕，输出一条完整的讲解视频。
适用场景：短视频知识播报、在线教育课件、产品宣传片、企业培训与知识科普。
核心能力
能力
说明
多文档输入
单次最多 3 个文档，支持 pdf / pptx / docx / png / jpg。
多语言输出
支持中文、英文、日语、韩语、俄语、法语、西班牙语、德语8种语言。
多画幅
支持 16:9、9:16、1:1 三种宽高比。
AI 配音
可选开启语音合成，支持指定音色（含克隆音色 / 设计音色）。
字幕生成
可选开启字幕。
PPTX 保真复刻
尽可能复刻输入 PPTX 的原始版式与内容。
背景与水印
支持自定义背景图、四角位置水印。
分阶段确认
支持在大纲、配音动效两个阶段介入审核，可确认推进或按提示词重新生成。
结果持久化
支持将成片保存至您自有的 COS 存储桶。

两种生成模式

文档生视频提供两种生成模式，由创建任务时的 Mode 参数决定。这是接入前需要最先确定的设计选择，因为它决定了您的调用链路是「一次提交」还是「多轮交互」。
模式
取值
调用链路
适用场景
端到端直接生成
auto
创建任务 → 轮询查询 → 拿到成片
批量生成场景。
确认后再生成
stage
创建任务 → 阶段产物审核 → 确认 / 重新生成 → 拿到成片
对成片质量要求高、需人工把关的场景。
stage 模式将生成过程拆为两个可人工介入的阶段与一个自动执行的合成阶段：

阶段
阶段产物
可否人工介入微调
说明
STAGE_1
整体风格、视频大纲、分镜结构（仅文字）
可确认/重新生成大纲
大纲阶段只有文字，无画面预览。
STAGE_2
配音、动画效果、字幕、分镜预览
可确认/重新生成
产出每个分镜的预览视频与配音，可逐段审核。
STAGE_3
最终成片
否，确认 STAGE_2 后自动执行
合成最终成片，完成后任务进入终态。
注意：
stage 模式下每次重新生成都会重新消耗模型算力，请结合计费预期评估重试次数。

前提条件

在使用本功能前，您需完成以下前置操作：
1. 注册并登录腾讯云账号，开通 媒体处理 MPS 服务。
2. 完成服务角色授权，授权 MPS 读写您账号下的 COS 桶。使用主账号访问以下链接一键授权：
https://console.tencentcloud.com/cam/role/grant?roleName=MPS_QcsRole&policyName=QcloudCOSDataFullControl,QcloudCOSGetServiceAccess,QcloudAccessForMPSRole,QcloudCOSBucketConfigRead,QcloudCOSBucketConfigWrite,QcloudAccessForMPSRoleInDeliverToSCF&principal=eyJzZXJ2aWNlIjoibXBzLmNsb3VkLnRlbmNlbnQuY29tIn0=
3. 开通对象存储 COS 并创建存储桶，用于存放输入文档与生成结果。存储桶访问权限建议设置为「公有读 - 私有写」。
4. 获取 API 密钥：前往 访问密钥 获取 SecretId 与 SecretKey。
若您使用腾讯云子账号，还需保证该账号有足够权限使用 MPS 产品。具体指引请参考 快速入门，账号授权问题可参考 账号授权 文档。
说明：
快速使用：开通 MPS 服务后，可以点击跳转至 MPS 控制台 使用文档生视频功能。

计费说明

本服务采用按量计费，计费项分为必选与可选两类。

必选计费项

计费项
刊例价
计费口径
视频生成时长
0.07656 USD/分钟
*按计费周期累计总秒数后换算为分钟，向上取整。
按实际生成视频的时长计费。
文档理解
高级版：6.5 USD/百万 Token
基础版：1 USD/百万 Token
按大模型理解文档时实际消耗的 Token 数计费。

可选计费项

计费项
刊例价
触发条件
AI 配音
0.0746 USD/分钟
仅 EnableTTS = true 时产生。
克隆音色 / 设计音色
1.5 USD/音色
仅使用克隆音色或设计音色时产生。
详细定价请参考 计费说明。

API 概览

接口
Action
功能
请求频率限制
CreateDocToVideoTask
提交文档并创建视频生成任务，返回任务 ID。
20次/秒
DescribeAigcTaskStatus
根据任务 ID 查询执行状态与结果。
20次/秒
ModifyDocToVideoTaskStatus
确认阶段产物或按提示词重新生成指定阶段。
20次/秒
说明：
通用信息
请求域名：mps.tencentcloudapi.com
请求方式：POST（application/json）
API 版本：2019-06-12
签名方法：TC3-HMAC-SHA256。

接口详情

1. 创建文档生视频任务（CreateDocToVideoTask）

CreateDocToVideoTask 接口说明：提交文档并创建视频生成任务，可以创建端到端直接生成任务（mode=auto），也可以创建确认后再生成任务（mode=stage），返回任务 ID。
顶层参数
参数
类型
必选
说明
Input
是
文档生视频的输入信息，见下方分组说明。
CosInfo
否
结果存储的 COS 信息。不填则存储在平台默认地址，强烈建议填写。
ResourceId
String
否
资源 ID，用于分账管理，需保证对应资源为开启状态。默认为账号主资源 ID。示例值：vts-********-1。
核心参数
参数
类型
必选
说明
Input.FileUrl
Array of String
是
用于生成视频的文档链接。支持 pdf / pptx / docx / png / jpg；最多3个文档；单文档 ≤ 10MB；单文档 ≤ 100 页。链接须公网可访问。
Input.Prompt
String
是
生成视频的提示词，长度上限 2000 字符。
Input.ModelName
String
是
文档生成视频模型名称。
默认值：Wand
Input.ModelVersion
String
是
文档生成视频模型版本号。
枚举值：
1.0
1.0-lite
默认值：1.0
生成模式参数
参数
类型
必选
说明
Input.Mode
String
否
生成模式。auto：端到端直接生成；stage：确认后生成，可在 STAGE_1、STAGE_2 两阶段介入审核。
视频规格参数
参数
类型
必选
说明
Input.Ratio
String
否
宽高比。可选 16:9 / 9:16 / 1:1。默认值：16:9
Input.Language
String
否
生成语言。可选 zh（中文）/ en（英文）/ ja（日语）/ ko（韩语）/ ru（俄语）/ fr（法语）/ es（西班牙语）/ de（德语）。默认值：zh
Input.ReferenceDuration
Integer
否
时长参考值，单位秒，取值范围 [15, 1200]。非精确时长，仅供大模型参考，实际时长由模型根据文档内容与提示词决定。
配音与字幕参数
参数
类型
必选
说明
Input.EnableTTS
Boolean
否
是否开启 AI 配音。默认值：false。开启后产生 AI 配音费用。
Input.VoiceId
String
否
音色 ID，仅开启 AI 配音时有效。不填使用默认音色。可通过控制台音色库或查询音色接口获取。
Input.EnableCaption
Boolean
否
是否开启字幕生成。默认值：false
版式与画面参数
参数
类型
必选
说明
Input.PPTXFidelity
Boolean
否
是否开启 PPTX 保真复刻模式。默认值：false。开启后会尽可能复刻输入 PPTX 的内容与版式（暂不支持复刻动画效果，也无法做到完美复刻）。开启时输入文档中须至少含一个 PPTX；若有多个，仅对首个 PPTX 生效。
Input.Background.ImageUrl
String
否
背景图片 URL。仅在未开启保真复刻版式时生效。
Input.Watermark.ImageUrl
String
否
水印图片 URL。仅在未开启保真复刻版式时生效。
Input.Watermark.Position
String
否
水印位置。可选 top-left / top-right / bottom-left / bottom-right。
存储参数（CosInfo）
参数
类型
必选
说明
CosInfo.CosBucketRegion
String
否
COS 桶地域。示例值：ap-guangzhou
CosInfo.CosBucketName
String
否
COS 桶名称。示例值：example-1303333058
CosInfo.CosBucketPath
String
否
COS 桶路径。示例值：/doc2video/output
输出参数
参数
类型
说明
TaskId
String
任务 ID。示例值：
1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3
RequestId
String
唯一请求 ID，定位问题时需提供
错误码
错误码
描述
FailedOperation.CreateAIGCTaskFailed
创建 AIGC 任务失败。
FailedOperation.UserArrears
用户状态已停服，请检查账户余额。
InvalidParameter
参数错误。
LimitExceeded.CreateTask
无法创建任务，当前正在执行的任务数达到上限。
发起示例（auto 模式）
{
  "Input": {
    "FileUrl": [
      "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/user-guide.pdf",
      "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/product-launch.pptx"
    ],
    "Prompt": "请根据这两份文档，生成一个 2 分钟左右的产品介绍视频，风格专业简洁，面向企业客户。",
    "ModelName": "Wand",
    "ModelVersion": "1.0",
    "Mode": "auto",
    "Ratio": "16:9",
    "Language": "zh",
    "ReferenceDuration": 120,
    "EnableTTS": true,
    "VoiceId": "v1_shUQBcs3N6VrPd9RMTf5************zq5Q9pE0HoEQ959hpulWHGFZSp3v4w=",
    "EnableCaption": true,
    "Watermark": {
      "ImageUrl": "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/assets/logo.png",
      "Position": "bottom-right"
    }
  },
  "CosInfo": {
    "CosBucketRegion": "ap-guangzhou",
    "CosBucketName": "example-1303333058",
    "CosBucketPath": "/doc2video/output"
  }
}
发起示例（stage 模式 + PPTX 保真复刻）
{
  "Input": {
    "FileUrl": [
      "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/product-launch.pptx"
    ],
    "Prompt": "这是一份产品发布演示文稿。请生成产品介绍视频，面向企业客户与媒体，逐页讲解产品亮点、核心参数与上市信息。",
    "ModelName": "Wand",
    "ModelVersion": "1.0",
    "Mode": "stage",
    "PPTXFidelity": true,
    "Ratio": "16:9",
    "Language": "zh",
    "ReferenceDuration": 120,
    "EnableTTS": true,
    "EnableCaption": true
  },
  "CosInfo": {
    "CosBucketRegion": "ap-guangzhou",
    "CosBucketName": "example-1303333058",
    "CosBucketPath": "/doc2video/output"
  }
}
输出示例
{
    "Response": {
        "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
        "RequestId": "a2644899-acbf-4973-b8ea-1a93772be6f7"
    }
}

2. 查询任务（DescribeAigcTaskStatus）

DescribeAigcTaskStatus 接口说明：本接口为通用 AIGC 任务查询接口。传入任务 ID，返回执行状态与结果。
输入参数
参数
类型
必选
说明
TaskId
String
是
任务 ID。示例值：
1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3
输出参数
参数名称
类型
描述
TaskId
String
任务 ID。
TaskStatus
String
任务状态描述。
枚举值：
PENDING： 任务等待调度。
RUNNING： 任务运行中。
FINISHED： 任务执行成功。
STOP： 任务被中止。
FAILED： 任务失败。
TIMEOUT： 任务超时。
示例值：FINISHED
OutputUrl
String
输出 URL。
注意：此字段可能返回 null，表示取不到有效值。
示例值：https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/output/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3-202606012044-0.mp4
CreateTime
String
任务创建时间。
示例值：2026-06-01 20:40:50
ScheduledTime
String
任务调度时间。
示例值：2026-06-01 20:40:51
FinishedTime
String
任务完成时间。
示例值：2026-06-01 20:44:32
TaskResultCode
Integer
任务错误码。
示例值：-401
TaskResultMsg
String
任务返回错误信息。
示例值：Save to COS failed（通常为 COS 角色授权未完成或存储桶权限问题，见 前提条件 第2步）。
RequestBody
String
请求结构体。
示例值：{"Input":{"FileUrl":["https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/product-launch.pptx"],...},"Action":"CreateDocToVideoTask","RequestId":"5f4f34f0-...","Uin":"100012345678","ApiModule":"mps","Region":"","AppId":1303333058}
TaskType
String
任务类型，文档生视频任务返回 DocGenVideo。示例值：DocGenVideo。
TaskInfo
String
任务其他信息（JSON 字符串），包含当前阶段与完整分镜结构，是 stage 模式下获取阶段产物的唯一途径，结构见下文。注意：此字段可能返回 null。示例值：{"current_stage": "STAGE_1"}
Stage
String
任务子状态，stage 模式下判断阶段进展的关键字段；auto 模式下为空字符串。注意：此字段可能返回 null。示例值：STAGE_2_FINISHED
RequestId
String
唯一请求 ID，由服务端生成，每次请求都会返回（若请求因其他原因未能抵达服务端，则该次请求不会获得 RequestId）。定位问题时需要提供该次请求的 RequestId。
阶段状态字段（stage 模式必读）
Stage 与 TaskInfo 是 stage 模式下驱动交互流程的关键字段。TaskStatus 描述的是整个任务的宏观状态，而在 stage 模式下，任务会在某个阶段产物生成完毕后停下来等待您确认——此时 TaskStatus 仍可能是 RUNNING，您需要依靠 Stage / TaskInfo 判断「当前停在哪个阶段、该阶段产物是否已经就绪」，进而决定下一步是调用 confirm 推进还是 regenerate 重新生成。
Stage 完整取值与流转：
STAGE_1_RUNNING → STAGE_1_FINISHED ──confirm──▶ STAGE_2_RUNNING → STAGE_2_FINISHED ──confirm──▶ STAGE_3_RUNNING → FINISH
（regenerate 会使对应阶段回到 STAGE_x_RUNNING 重新产出。）
取值
含义
您需要做什么
STAGE_1_RUNNING
大纲生成中
继续轮询。
STAGE_1_FINISHED
大纲已产出
审核大纲，调用 confirm 或 regenerate。
STAGE_2_RUNNING
配音、动画效果、字幕生成中
继续轮询。
STAGE_2_FINISHED
配音、动画效果、字幕已产出
审核阶段产物，调用 confirm 或 regenerate。
STAGE_3_RUNNING
最终成片合成中
继续轮询。
FINISH
全部完成（终态）
从 OutputUrl 获取成片。注意终态是 FINISH，不是 STAGE_3_FINISHED。
说明：
auto 模式下 Stage 全程为空字符串，只需关注 TaskStatus 即可。
TaskInfo 是 String 类型而非结构化对象，解析时需要先做一次 JSON 反序列化，并做好字段缺失的兜底。其中 current_stage 给出当前阶段（STAGE_1 / STAGE_2 / STAGE_3），scenes[] 为完整分镜结构，见下节。
典型判断逻辑：轮询查询接口，当 Stage 为 STAGE_1_FINISHED / STAGE_2_FINISHED 时，从 TaskInfo.scenes[] 取回该阶段产物交由人工审核，再带上对应的 Stage（STAGE_1 或 STAGE_2）调用 ModifyDocToVideoTaskStatus。
阶段产物结构（TaskInfo.scenes）
stage 模式没有独立的产物下载接口，各阶段产物均在 TaskInfo 反序列化后的 scenes[] 数组中：
{
  "current_stage": "STAGE_2",
  "title": "智能音箱 X1 产品发布介绍",
  "style_summary": "深蓝科技风、青橙双强调、简洁卡片式布局",
  "width": 1920,
  "height": 1080,
  "total_scenes": 6,
  "scenes": [
    {
      "id": "scene-1",
      "title": "开篇：X1 重磅发布",
      "key_points": ["全新一代智能音箱 X1 正式发布", "三大升级：音质、语音助手、全屋联动"],
      "visual_summary": "深蓝科技背景，产品名居中弹出，产品图旋转登场",
      "sentences": ["全新一代智能音箱 X1 正式发布。", "今天重点介绍它的三大升级。"],
      "audio": "https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/workspace/audio/scene-1.m4a?q-sign-algorithm=sha1&...",
      "video": "https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/previews/scene-1.mp4?q-sign-algorithm=sha1&..."
    }
  ]
}
字段
说明
current_stage
当前阶段（STAGE_1 / STAGE_2 / STAGE_3），任务全部完成后为 STAGE_3。
title
视频标题。
style_summary
视觉风格概述。
width / height
分辨率。
total_scenes
分镜总数。
scenes[].id
分镜 ID（scene-1、scene-2 …），即 Regenerate.SceneIds 需要填写的值。
scenes[].title
分镜标题。
scenes[].key_points
该分镜的讲解要点。
scenes[].visual_summary
画面描述。
scenes[].sentences
配音台词。
scenes[].audio
该分镜配音（m4a）的临时签名 URL。
scenes[].video
该分镜预览视频（mp4）的临时签名 URL。
各阶段产物填充情况：
字段
STAGE_1 结束时（大纲）
STAGE_2 结束时（配音动效）
title / style_summary / width / height / total_scenes
有值
有值
scenes[].id / title / key_points / visual_summary
有值
有值
scenes[].sentences / audio / video
空
有值
说明：
大纲阶段只有文字、没有画面预览：审核 STAGE_1 产物时看不到实际画面，需推进到 STAGE_2 才能逐分镜查看预览视频与配音。
scenes[].audio / video 为临时签名 URL（有效期约 2 小时），审核或留存请及时下载；过期后重新查询任务可获取新的签名链接。
scenes[].id（如 scene-1）即调用重新生成时 Regenerate.SceneIds 要填写的分镜 ID。
响应示例（任务成功）
{
  "Response": {
    "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
    "TaskStatus": "FINISHED",
    "OutputUrl": "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/output/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3-202606012044-0.mp4",
    "CreateTime": "2026-06-01 20:40:50",
    "ScheduledTime": "2026-06-01 20:40:51",
    "FinishedTime": "2026-06-01 20:44:32",
    "TaskResultCode": null,
    "TaskResultMsg": null,
    "TaskType": "DocGenVideo",
    "Stage": "FINISH",
    "TaskInfo": "{\\"current_stage\\": \\"STAGE_3\\", \\"title\\": \\"智能音箱 X1 产品发布介绍\\", \\"style_summary\\": \\"深蓝科技风、青橙双强调、简洁卡片式布局\\", \\"width\\": 1920, \\"height\\": 1080, \\"total_scenes\\": 6, \\"scenes\\": [ { \\"id\\": \\"scene-1\\", \\"title\\": \\"开篇：X1 重磅发布\\", \\"sentences\\": [\\"全新一代智能音箱 X1 正式发布。\\", \\"今天重点介绍它的三大升级。\\"], \\"audio\\": \\"https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/workspace/audio/scene-1.m4a?q-sign-algorithm=sha1&...\\", \\"video\\": \\"https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/previews/scene-1.mp4?q-sign-algorithm=sha1&...\\" }, \\"……共 6 个分镜……\\" ]}",
    "RequestId": "9ee02d10-a534-4a2d-842a-c4d084bcfbde"
  }
}
响应示例（stage 模式：大纲已产出，等待确认）
下例中 TaskStatus 仍为 RUNNING（整个任务尚未走完），但 Stage 已显示 STAGE_1_FINISHED，说明大纲阶段产物已就绪、正在等待您确认。此时不能只看 TaskStatus 就继续空轮询，而应从 TaskInfo.scenes[] 取回大纲（仅文字，无画面预览）交由审核，再调用 ModifyDocToVideoTaskStatus 推进或重新生成。
{
  "Response": {
    "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
    "TaskStatus": "RUNNING",
    "OutputUrl": null,
    "CreateTime": "2026-06-01 20:40:50",
    "ScheduledTime": "2026-06-01 20:40:51",
    "FinishedTime": "",
    "TaskResultCode": null,
    "TaskResultMsg": null,
    "TaskType": "DocGenVideo",
    "Stage": "STAGE_1_FINISHED",
    "TaskInfo": "{\\"current_stage\\": \\"STAGE_1\\", \\"title\\": \\"智能音箱 X1 产品发布介绍\\", \\"style_summary\\": \\"深蓝科技风、青橙双强调、简洁卡片式布局\\", \\"width\\": 1920, \\"height\\": 1080, \\"total_scenes\\": 6, \\"scenes\\": [ { \\"id\\": \\"scene-1\\", \\"title\\": \\"开篇：X1 重磅发布\\", \\"key_points\\": [\\"全新一代智能音箱 X1 正式发布\\", \\"三大升级：音质、语音助手、全屋联动\\"], \\"visual_summary\\": \\"深蓝科技背景，产品名居中弹出，产品图旋转登场\\", \\"sentences\\": \\"\\", \\"audio\\": \\"\\", \\"video\\": \\"\\" }, \\"……共 6 个分镜，均只有文字大纲……\\" ]}",
    "RequestId": "9ee02d10-a534-4a2d-842a-c4d084bcfbde"
  }
}
错误码
错误码
描述
FailedOperation.QueryAIGCTaskFailed
查询任务发生错误。
ResourceNotFound.TaskNotFound
任务不存在，请检查 TaskId 是否正确。
说明：
轮询建议：间隔5秒查询一次，并设置整体超时上限（建议10分钟以上，视文档体量调整）。请勿高频空转轮询。

3. 确认与重新生成（ModifyDocToVideoTaskStatus）

ModifyDocToVideoTaskStatus 接口说明：仅 Mode=stage 的任务需要用到本接口。调用 ModifyDocToVideoTaskStatus 接口，对 stage 模式下的阶段产物进行确认推进或重新生成。
输入参数
参数
类型
必选
说明
Input.Action
String
是
修改动作。
confirm：确认已完成阶段并推进下一阶段。
regenerate：重新生成指定阶段。
Input.Stage
String
是
目标阶段。
STAGE_1：大纲阶段。
STAGE_2：配音 / 动画 / 字幕阶段。
Input.SourceTaskId
String
是
需要修改的目标任务 ID。
Input.Regenerate
DocToVideoRegenerateInput
否
重新生成参数，仅 Action=regenerate 时必填。
Action 与 Stage 的组合语义
Stage
Action=confirm
Action=regenerate
STAGE_1
确认大纲，继续生成后续配音、动画效果、字幕。
重新生成大纲。
STAGE_2
确认配音、动画效果、字幕，生成最终成片。
重新生成配音、动画效果、字幕。
重新生成参数（Regenerate）
参数
类型
必选
说明
Regenerate.Scope
String
是
重新生成范围。
full：该阶段全量重新生成（如调整整体场景数量）。
scenes：按场景局部重新生成（如修改某个场景的具体内容）。
Regenerate.Prompt
String
是
重新生成时的提示词，用于描述希望如何调整。
Regenerate.SceneIds
Array of String
否
目标场景 ID 数组。仅 Scope=scenes 时必填；不可重复，单次最多5个。
说明：
Scope 的选择取决于修改的粒度：改变整体结构（合并页、增删场景、压缩节奏）用 full；只想改某几个场景的文案或画面而保留其余部分，用 scenes 并指定 SceneIds，这样可以避免已经满意的场景被重新生成。
输出参数
参数
类型
说明
TaskId
String
任务 ID，与传入的 SourceTaskId 一致。示例值：1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3。
RequestId
String
唯一请求 ID。
说明：
任务 ID 全程不变：stage 模式下，从创建任务到最终成片，整个流程始终使用同一个任务 ID。每次 confirm / regenerate 传入的 SourceTaskId，都是创建任务时返回的那个 TaskId；接口返回的 TaskId 也是同一个。业务侧只需保存这一个 ID，用它贯穿后续所有的状态查询与修改操作。
示例：全量重新生成大纲
{
  "Input": {
    "Action": "regenerate",
    "Stage": "STAGE_1",
    "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
    "Regenerate": {
      "Scope": "full",
      "Prompt": "压缩一下，第一页和第二页的内容合并到一起"
    }
  }
}
示例：局部重新生成指定场景
{
  "Input": {
    "Action": "regenerate",
    "Stage": "STAGE_1",
    "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
    "Regenerate": {
      "Scope": "scenes",
      "Prompt": "这一页的讲解太笼统，请补充具体的数据说明",
      "SceneIds": [ "scene-3" ]
    }
  }
}
示例：确认阶段并推进
{
  "Input": {
    "Action": "confirm",
    "Stage": "STAGE_1",
    "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3"
  }
}

响应示例
{
  "Response": {
    "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3",
    "RequestId": "3e8e036a-0aae-4ad6-b321-dc91eb5f7261"
  }
}

完整调用流程

流程一：auto 模式（端到端）

1. CreateDocToVideoTask（Mode=auto）
      ↓ 返回 TaskId
2. DescribeAigcTaskStatus（轮询，间隔 5s）
      ↓ TaskStatus=FINISHED
3. 从 OutputUrl 下载 / 转存成片

流程二：stage 模式（分阶段确认）

1. CreateDocToVideoTask（Mode=stage）
      ↓ 返回 TaskId —— 全流程只用这一个 ID
2. DescribeAigcTaskStatus(TaskId) 轮询
      ↓ 直到 Stage=STAGE_1_FINISHED → 大纲产出（TaskInfo.scenes，仅文字，无画面预览）
3. 审核大纲（读 TaskInfo.scenes 的 title / key_points / visual_summary）
   ├─ 不满意 → ModifyDocToVideoTaskStatus
   │            (SourceTaskId=TaskId, Action=regenerate, Stage=STAGE_1, Regenerate={...})
   │            ↓ 回到步骤 2 继续轮询同一个 TaskId
   └─ 满意   → ModifyDocToVideoTaskStatus
                (SourceTaskId=TaskId, Action=confirm, Stage=STAGE_1)
4. DescribeAigcTaskStatus(TaskId) 轮询
      ↓ 直到 Stage=STAGE_2_FINISHED → 配音 / 动效 / 字幕产出（可逐分镜审核）
5. 审核阶段产物（下载 TaskInfo.scenes[].video 逐段看画面与配音，注意临时 URL 约 2 小时有效）
   ├─ 不满意 → ModifyDocToVideoTaskStatus
   │            (SourceTaskId=TaskId, Action=regenerate, Stage=STAGE_2, Regenerate={...})
   │            ↓ 回到步骤 4 继续轮询同一个 TaskId
   └─ 满意   → ModifyDocToVideoTaskStatus
                (SourceTaskId=TaskId, Action=confirm, Stage=STAGE_2)
                ↓ 进入 STAGE_3 合成最终成片
6. DescribeAigcTaskStatus(TaskId) 轮询
      ↓ Stage 先后为 STAGE_3_RUNNING → FINISH，TaskStatus=FINISHED
7. 从 OutputUrl 下载 / 转存成片
接入要点
判断阶段进展要看 Stage / TaskInfo，而不是 TaskStatus。 stage 模式下任务在等待人工确认期间，TaskStatus 仍可能是 RUNNING，只有 Stage 才能告诉您当前停在哪个阶段、产物是否已就绪。
阶段产物（大纲、分镜预览）均在查询接口返回的 TaskInfo.scenes[] 中，没有独立的产物下载接口，取用前需对 TaskInfo 做一次 JSON 反序列化。
任务 ID 全程不变：创建任务拿到的 TaskId 会贯穿整个 stage 流程，每次 confirm / regenerate 都用它作为 SourceTaskId，状态查询也始终查这一个 ID。业务侧保存一个 ID 即可。
阶段产物的审核是人工环节，建议将任务状态落库、以异步架构承接，不要用同步阻塞轮询串起整条 stage 链路。
每次重新生成都会重新消耗模型算力并产生相应费用，建议在业务侧对单任务的重试次数设置上限。

使用限制与注意事项

文档要求

支持的格式：pdf、pptx、docx、png、jpg。
单次请求最多3个文档，多个文档的内容会被合并理解后生成视频。
单个文档大小 ≤ 10MB，页数 ≤ 100页。
文档链接必须是公网可访问的 URL，建议上传至 COS 后获取访问链接，并确保链接在任务执行期间持续有效。

提示词

Prompt 上限2000字符。
建议在提示词中明确视频时长、风格、目标受众、讲解侧重点，生成效果会明显更贴合预期。

视频时长

ReferenceDuration 是参考值（15~1200 秒），不是精确时长；实际时长由模型根据文档内容与提示词决定。
计费按实际生成时长计算。

结果存储

不填 CosInfo 时结果存储在平台默认地址，该地址有时效限制。
生产环境请填写 CosInfo 持久化到自有 COS 桶，并在拿到 OutputUrl 后尽快下载或转存。
stage 模式下，分镜预览与配音（TaskInfo.scenes[].video / audio）为临时签名 URL，有效期约2小时，审核或留存请及时下载。

并发与频率

接口请求频率限制：20次/秒。
同时执行的任务数上限为8个，超限时返回 LimitExceeded.CreateTask，请控制并发并重试。

签名时间

请求时间戳与服务器时间相差不得超过5分钟，请确保本地系统时间与标准时间同步。

常见问题

文档链接无法访问怎么办？

FileUrl 必须是公网可访问的 URL。建议将文档上传至腾讯云 COS 并设置为公有读私有写，或使用预签名 URL，并确保链接在任务执行期间持续有效。

应该选 auto 还是 stage 模式？

批量生产、无人值守场景选 auto；成片需要人工把关、允许多轮调整的场景选 stage。建议先用 auto 跑通链路与效果验证，再按需切换。

stage 模式下任务卡在 RUNNING 不动，是卡住了吗？

不一定。stage 模式下任务产出阶段产物后会停下来等待您确认，此时 TaskStatus 仍为 RUNNING。请改看 Stage 字段：若已显示 STAGE_1_FINISHED / STAGE_2_FINISHED，说明任务在等您调用 ModifyDocToVideoTaskStatus，而不是执行卡住。

TaskInfo 怎么解析？

TaskInfo 是 String 类型的 JSON 字符串（如 {"current_stage": "STAGE_1"}），需要先做一次 JSON 反序列化才能取用其中的 current_stage，并建议对字段缺失做兜底处理。

stage 模式的阶段产物（大纲、分镜预览）从哪里获取？

没有独立的产物下载接口，产物就在查询接口返回的 TaskInfo 中：反序列化后，scenes[] 数组即分镜结构。STAGE_1 阶段审核 title / key_points / visual_summary（文字大纲，无画面预览）；STAGE_2 阶段可额外审核 sentences（台词）、video（分镜预览）、audio（配音）。注意预览 URL 为临时签名链接（约2小时有效），请及时下载。

stage 模式下，每次确认或重新生成后任务 ID 会变吗？

不会。整个 stage 流程自始至终只有一个任务 ID：创建任务时返回的 TaskId，既是每次调用修改接口时要传的 SourceTaskId，也是修改接口返回的 TaskId，还是状态查询要用的 ID。业务侧保存这一个 ID 贯穿全程即可，不需要维护 ID 的更替。

Scope=full 和 Scope=scenes 怎么选？

需要调整整体结构（合并页面、增删场景、压缩节奏）用 full；只想修改个别场景内容、保留其余已满意的场景，用 scenes 并通过 SceneIds 指定目标场景，单次最多5个。

局部重新生成（Scope=scenes）后，为什么查询发现所有分镜的预览都没了？

这是重新生成处理期的正常现象：提交 regenerate 后，所有分镜的 video / audio 字段会被暂时清空，完成后仅目标分镜的产物更新，其余分镜不变。请勿据此误判为局部重新生成未生效、整阶段被重新生成。

开启 PPTX 保真复刻后，背景图和水印为什么没生效？

保真复刻模式下画面版式完全来自原始 PPTX，Background 与 Watermark 不生效。若需要自定义背景与水印，请关闭 PPTXFidelity。

PPTX 保真复刻能完美还原原稿吗？

会尽可能复刻内容与版式，但无法做到完美复刻，且暂不支持复刻动画效果。若输入了多个 PPTX，仅对首个 PPTX 生效。

如何开启 AI 配音和字幕？

创建任务时设置 EnableTTS: true 开启配音，EnableCaption: true 开启字幕。配音可通过 VoiceId 指定音色，不填则使用默认音色。开启配音会产生额外费用（0.0746 USD/分钟），使用克隆 / 设计音色会产生音色费用（1.5 USD/音色）。

审核后想更换音色怎么办？

VoiceId 只能在创建任务时指定，Regenerate 不支持修改音色。需要更换音色只能重新创建任务。

任务一直处于 PENDING 怎么办？

排队时间取决于当前系统负载。若长时间（超过 10 分钟）仍为 PENDING，请检查账户是否欠费（FailedOperation.UserArrears），或联系技术支持。

如何排查任务失败原因？

查询任务详情时关注三个字段：TaskResultCode（错误码）、TaskResultMsg（错误信息）、RequestBody（创建任务时的原始请求，用于核对参数）。若 TaskResultMsg 为 Save to cos failed，通常是 COS 角色授权未完成或存储桶权限问题，请检查前提条件第2步。

签名失败怎么排查？

常见原因：时间戳与服务器时间相差超过 5 分钟；Date 未按 UTC+0 从时间戳换算；签名用的 Content-Type 与实际发送不一致；SecretKey 错误或已禁用。对应错误码为 AuthFailure.SignatureExpire、AuthFailure.SignatureFailure、AuthFailure.SecretIdNotFound，详见 签名方法 v3。
上一篇: 视频裂变下一篇: 世界模型

帮助和支持

本页内容是否解决了您的问题？

填写满意度调查问卷，共创更好文档体验。

文档反馈

搜索
    请输入关键词搜索文档