组合参考与特殊用法：多素材混投的进阶组织思路
单个素材的参考玩熟之后，真正的生产力来自组合。API 官方文档把全模态参考的组合方式明确列为：图片 + 音频、图片 + 视频、视频 + 音频、图片 + 视频 + 音频。这一页讲组合的组织思路与官方推荐的特殊写法。
组合参考的基本原则
- 一个素材一个岗位：首帧归图片、运镜归视频、旋律归音频，互不越界。
- 岗位写在 @指代后面：@图片1 作为首帧、参考 @视频1 的动作、@音频1 作为背景音乐。
- 文本仍是总指挥：素材锁定"标准态"，叙事与逻辑靠提示词串起来。
官方列出的五种特殊用法
即梦官方使用指南专门列了"没有限制、只有建议"的五个问答，都是组合场景：
- 有首尾帧图，还想参考视频动作？ 直接写：@图片1 作为首帧，参考 @视频1 的打斗动作。
- 想延长现有视频？ 指定延长时长：把 @视频1 延长 5 秒。注意所选的生成时长要填"新增部分"的时长。
- 想合并多段视频？ 描述衔接逻辑：我想在 @视频1 和 @视频2 之间加一段……内容是 xxx。
- 没有音频文件？ 直接引用视频里的声音（见音频参考）。
- 要连续动作？ 在提示词里加衔接描述：角色从跳跃直接过渡到翻滚，动作流畅连贯，并连续引用 @图片1 @图片2 @图片3。
一个完整的组合示例
官方 API 教程的果茶广告提示词是组合参考的教科书：
- 图片1：首帧（摘苹果的手部特写）
- 图片2：尾帧（果茶成品举杯）
- 视频1：全程第一视角构图 + 动作节奏
- 音频1：背景音乐
- 文本：按秒编排的分镜脚本（0-2 秒摘苹果、2-4 秒摇雪克杯、4-6 秒倒果茶、6-8 秒举杯定格）
七种素材岗位，一条提示词全部点名。
组织多素材的检查清单
- 每个上传的素材都有对应的 @指代或编号引用？
- 每个引用都写了明确岗位？
- 时间顺序类的描述（"2-4 秒"）与总时长参数一致？
- 提交前逐个核对素材卡片与引用编号？
组合方式与特殊用法整理自火山引擎官方教程与即梦官方使用指南，以官方最新版为准。