脚本化自动成片操作指南_智能媒体服务(IMS)-阿里云帮助中心

当您具有确定的成片结构预期和对应的素材储备时，推荐使用脚本化自动成片功能。此方法适用于电商、本地生活营销等场景，能够根据预设的脚本节点和关联素材，一键批量生成高质量的视频内容。

计费说明

脚本化自动成片具体费用详情请参见脚本化成片计费。

注意事项

脚本自动化成片功能支持按预设脚本执行素材合成，不包含口播与画面的智能匹配。若要实现口播或脚本文案与视频画面匹配，请使用智能图文匹配成片。

功能介绍

说明

脚本化自动成片与智能图文匹配成片共用同一个提交任务的OpenAPI。有关如何通过参数区分这两者，请参见参数区别说明。
脚本化自动成片提供了【全局口播】和【分组口播】两种主要生成模式，这两种模式针对不同场景下的视频制作需求，提供了灵活高效的生成模式。

成片模式	功能描述	使用场景	匹配方式
全局口播模式	将多个完整的口播文案与视频素材随机搭配，快速生成大量风格相似的视频。强调视频的整体感觉。	制作强调连贯性和一致性、讲述完整故事的视频。希望所有视频保持统一风格的情况。	整体匹配，确保视频从头到尾感觉和谐一致。
分组口播模式	将一个完整的口播文案拆分成多个段落，每个段落分别与视频中的不同节点匹配，确保每个片段都精确对应，适合需要精细控制内容的视频。	对视频中每个部分有具体要求的情况。需要精确表达每个环节内容的视频。	分段匹配，让每个片段都能精准对应口播内容。

创建脚本化自动成片任务

通过控制台创建任务

登录智能媒体服务控制台。
在顶部左上角根据实际情况选择地域。
导航至智能生产制作 > 智能批量一键成片。
在“脚本化自动成片标签页”中，点击“创建脚本化自动成片”以开始创作。
配置脚本节点、背景音乐、贴纸、标题、口播区域及合成配置，具体操作详见下方表格。
点击发起智能任务以提交任务。

成片模式	使用介绍
全局口播模式	在脚本节点配置区域，添加脚本节点，设置节点描述并关联节点媒资（必填）；在背景音乐区域，添加背景音乐（非必填，未填写时默认使用官方音乐）；在贴纸区域，添加图片素材，作为整个合成视频的贴纸或水印信息，支持添加多个，合成每个视频时随机1个生效（非必填）；在标题区域，添加标题文本，支持通过AIGC基于关键词生成文本，支持添加多个文本内容，合成每个视频时随机1个生效（非必填）；在口播区域，添加口播文本，支持通过AIGC基于关键词生成文本，支持添加多个文本内容，合成每个视频时随机1个生效（非必填）；在合成配置区域，填写预期合成数量、合成文件命名规则、合成存储路径等，即可发起脚本化自动成片任务（必填）；
分组口播模式	在脚本节点配置区域，添加脚本节点，设置节点描述并关联节点媒资。同时可以对每一个媒资分组可分别设置多个口播文案，合成时候随机取1个生效（必填）；在背景音乐区域，添加背景音乐（非必填，未填写时默认使用官方音乐）；在贴纸区域，添加图片素材，作为整个合成视频的贴纸或水印信息，支持添加多个，合成每个视频时随机1个生效（非必填）；在标题区域，添加标题文本，支持通过AIGC基于关键词生成文本，支持添加多个文本内容，合成每个视频时随机1个生效（非必填）；在合成配置区域，填写预期合成数量、合成文件命名规则、合成存储路径等，即可发起脚本化自动成片任务（必填）；

通过API创建任务

提交脚本化成片任务：SubmitBatchMediaProducingJob - 批量智能一键成片、脚本化自动成片参数说明
查询任务列表：ListBatchMediaProducingJobs - 列出符合条件的一键成片任务
查询任务信息：GetBatchMediaProducingJob - 获取批量智能一键成片任务信息
文案、标题智能生成：SubmitTextGenerateJob - 提交关键词扩写任务

高级配置选项

说明

对于希望对合成视频进行更强个性化定制的用户，可以通过高级配置选项调整字幕样式、进出场动效、转场、特效、配音效果以及匹配策略等，从而提升视频的视觉效果。

通过API进行参数设置	如果通过API创建任务，具体参数配置参见批量一键成片混剪逻辑与进阶配置
通过控制台进行参数设置	如果通过控制台创建任务，您可以在创建任务时，在页面右侧的剪辑策略高级设置标签页中，按照页面提示进行配置。

应用示意

全局口播模式

如下图所示，视频预期介绍哈尔滨旅游，视频结构明确为“城市风貌”、“历史底蕴”、“吃喝玩乐”，每个节点关联对应的图片/视频素材，系统将按照结构顺序整体排布，各节点随机选择素材，搭配口播文稿，进行时长自适应，一键批量生成成百上千个不同的视频。

分组口播模式

如下图所示，视频预期介绍哈尔滨旅游，视频结构明确为“城市风貌”、“历史底蕴”、“吃喝玩乐”，每个节点关联对应的图片/视频素材，系统将按照结构顺序整体排布，各节点随机选择素材和各自节点中的口播文稿，进行时长自适应，一键批量生成成百上千个不同的视频。