在人工智能飞速发展的今天，AI 生图和视频生成技术正不断刷新我们的创作体验。商汤 Seko 平台近期的功能更新，更是让创作者们眼前一亮。从丰富的生图模型选择到多样的视频模型支持，从精准的对口型功能到新增的粤语和英语音色，Seko 正在成为视频创作者的得力助手。

趁着他们即梦4.0和Nano模型正在限时免费、VEO3 模型半价的时候再更新一篇，探索他们现阶段的整个视频Agent的工作流程。

目前发现最棒的几点优化：

1. 在生成图片阶段就可以选择指定生图模型；

2.可以选择指定视频模型，非常齐全，我们的爱用款都在里面了；

3.增加了大量对口型音色，增加了新的语言粤语和英语。

不过这里要注意，目前最好选择上传主体，这样才会出现生图模型的选择。

目录

1. 一致性生图模型超全

2. 多人场景一致效果

3. 动物与物品一致效果

4. 粤语对口型

5. VEO 3 有声版效果

6. 小结

1. 一致性生图模型超全

这个视频中我全程使用的是即梦4.0生成图片，可灵2.1首尾帧，一共有32张分镜图👇

提示词：

为@阿真制作一个 30 秒左右的冒险短片，主角为参考图中的蓝色头发、蓝色外套的可爱卡通女孩。影片需要 10 个分镜场景，每个分镜既有不同环境，又有不同景别，整体连贯，带有冒险故事氛围。

分镜要求

场景多样化：森林、雪山、沙漠、城堡、海底、未来都市、古代遗迹、天空之岛、火山口、星空草原。

景别变化：远景展示环境、全景交代人物、近景突出动作、特写强调表情。

动作线索：奔跑、探索、攀爬、惊讶、战斗、微笑、发现宝物。

画面风格：明亮、治愈、梦幻的动画渲染，柔和色彩，卡通Q版视觉。

首先我们在主页打开添加出演主体，添加后输入提示词。如果没有主体，可以直接点击【画风】选择指定画风。另外注意主体，最好选择正面、近距离、清晰且动作不会遮挡面部细节的图片。

点击【添加新主体】，主体的图片可以自行上传，也可以直接输入提示词，点击AI生成。输入提示词的时候，可以要求场景或者分镜数量，另外景别、画面风格等都可以有。

然后是绘图和整个策划部分。值得注意的是生成分镜图这里的生图模型可以选择了，有Seko IDX 、即梦4.0、Flux.1 Kontext Pro、Nano，现在最顶一致性最好的几个生图模型全都在了。

我这里选择了即梦4.0，首先是好用，其次是限时免费，看大家个人喜好，Nano也免费嘿嘿。【画面比例】也可以选择了，现在预设有4个常用比例，横竖屏都有。

注意一点，那就是Nano会根据上传的主体图片的比例生成图片啊啊啊一定要注意。

下方可以看到生成好的分镜图已经按照我们的要求出现在操作区了，这里它基本上是每个场景生成了3个不同景别的分镜图👇

这个视频我在前一步的分镜图片生成那里选择的即梦4.0，我保存了几张分镜图，从生成视频效果可以看到一致性效果真的非常不错。

在生成视频之前，有觉得不合适的图也可以换掉。比如最开始这个场景，仙人掌感觉好像有点太扎了，选择【重新生成】

等图片都调整好了，就可以开始转视频了，转视频也有两种，一种是分镜生视频，相信大家也都比较熟悉了，这里的视频模型非常多和全。

下方是分镜生视频可以选的模型👇

另外就是首尾帧视频支持的模型，我上面的视频很丝滑就是使用了首尾帧功能，使用方法是点击下方的【转视频】然后选择【使用下一分镜首帧图】。然后选择小正方体点选视频模型，这几个模型也都非常哇塞。

有一点要非常注意！那就是当我们在生成视频之前务必要考虑清楚使用什么分辨率，不要直接就点击生成。因为如果我选择的是720P，那么接下来的所有分辨率都只可以使用720了。因为为了效果，成片多个镜头渲染导出一定是统一分辨率的。模型可以使用多种不同的，根据需要使用就可以。

2. 多人场景一致效果

在前面我们已经看到了，一个主体效果挺好的，那么多个呢？

来啊，把男主角和女主角呈上来！（狗血小短剧看多了后遗症）

这个视频中我使用的是即梦4.0生成图片，海螺02分镜转视频，部分使用对口型视频👇

可以看看连续多分镜的情况下的角色效果。连续分镜功能真的很不错，可以一次性制作超过2分钟的视频内容，几十个镜头一次输出分镜图，而且角色形象保持一致效果很不错。对做较长视频的创作者来说很方便了。复杂的剧情表达、不同的拍摄角度、精准的位置关系，现在都可以好好尝试一下了👇

提示词如下（来自DeepSeek AI编剧大大的狗血剧情，如果有同名实在对不住啊）：

这里我使用旁白成片，就选了2个主体，小角色就让Seko自己生成得了（主要是懒）。

在分镜转视频的时候，可以自己修改提示词👇

其他操作和前面还是一样的，最后我感觉有点安静，导出后加了一点环境音音效。

3. 动物与物品一致效果

然后我尝试了动物和物品融合后的一致性保持效果。下面是2个主体👇

提示词：

@猫教父 猫代言 @手机，无旁白无对话。

猫咪是直接让Seko在主体中生成的，因为Iphone 17我只上传了一张背部的图片，所以厚度它是不好判断的，但是背壳的一致性保持很不错，从图片到视频都比较稳定，个别图片不满意点击了重新生成。

这个视频中我使用的是即梦4.0生成图片，海螺02首尾帧视频👇

4. 粤语对口型

另外我还尝试了下粤语对口型效果。这里致敬一下经典电视剧，看过的朋友们估计他一开口就知道了。

这个视频中我使用的是对口型视频👇

提示词：

“什么？你连七万块都存不到？你吃也廉价，穿也廉价，全身都廉价，你哪有地方需要花钱的？你的理财能力也太差了吧？”只需要这一个镜头场景。

别骂了，别骂了哈哈哈🤦

来来，看看操作方式，非常简单，对口型效果也好。

这里如果我们想要的图片是我们原始的那张，可以点击分镜图位置，会出现一个小加号图标，可以在这里上传自己的图片👇

我直接上传了新的图片，去掉了旧的图片。然后左边选择配音-对口型，然后输入全部台词👇

值得一提的是声音音色增加了非常多，粗略看了下至少60种以上，还增加了声音情绪，有8种情绪可以选：

还有关于视频时长的一点，视频时长方面，现在有三种选择：5秒、10秒，或者直接按配音长度来定。如果选了”裁剪至配音时长”这个选项，视频就会自动匹配我们的旁白或角色对话的长度。也可以手动调整，点击分镜按钮里的剪裁图标就能自定义时长了👇

觉得满意，直接右上角点击导出视频就可以了。

5. Veo3 有声版效果

下面这个视频中我全程使用的是即梦4.0生成图片，VEO3 音效版生成视频，直出没怎么优化粗糙了点，大家将就看一下哈哈哈👇

最后补充一个知识点，在想要增加或重新生成分镜图片的时候，可以输入@来艾特我们之前设定好的主体，这样就可以保持一致性了，这个很好用。

小结

基于本次尝试，Seko在下面这些方面都做得很不错👇

• 图片视频模型选择：生图有即梦4.0、Flux.1、Nano，生视频有海螺02、可灵2.1、VEO3、SeedDance等等一大堆，基本上现在最顶的模型都齐了。也不用到处跑平台，一个地方就能都用上。
• 一致性保持：不管是单人还是多人场景，连续几十个分镜下来角色都不会跑偏，个别图片可以直接选中，通过对话优化修改再生成视频，这个对做视频的朋友来说真的很省心。@主体功能很贴心，直接艾特就能保持一致性。
• 音色与对口型：多种音色、8种情绪，选择更丰富，我们在视频中安排多个角色也有了更多音色选择。口型同步很好，商汤自家的舒适区了。
• 工作流：从分镜到成片一条龙，首尾帧功能让视频过渡非常丝滑，从头做到尾也不用几个工具反复横跳了。除了分辨率选定后不能改这点要注意，整体用下来是很流畅的。

上次我写Seko提到过的一些小问题，比如生图不能选，滑块拉动之类的细节现在都优化了，很贴心。