pavo平台支持从一句话创意自动生成音画同步的完整视频，涵盖剧本拆解、分镜生成、画面渲染及配乐环境音合成，全程无需手动剪辑。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想用AI一键生成带旁白、配乐、环境音的完整视频成片，不用再手动对轨、剪辑、调音？Pavo平台能直接从一句话需求出发，自动完成剧本拆解、角色设计、分镜生成、画面渲染与音画同步合成，全程无需切换工具或上传音频文件。
输入创意，启动Agent全流程
打开Pavo官网（https://app.pavo-ai.work/），登录后点击「新建项目」→ 选择「短剧/视频」模式 → 在中央输入框中输入你的完整创意描述，例如：“地铁站里，穿西装的年轻人盯着手机发呆，突然弹出一条‘你已被AI录取’通知，他抬头微笑，背景灯光随情绪变暖，BGM从冷色调钢琴渐变为轻快弦乐”。
这一步不能只写画面，【必须包含人物动作、情绪变化、声音线索（如BGM转变、通知提示音）】，否则Agent无法触发音画联动逻辑。
点击“生成”后，Pavo会自动运行Harness调度系统，5–12秒内输出结构化需求卡片：含标题、时长预估、画幅比例、分镜数量、风格标签及音效关键词。
确认分镜与音效锚点
进入分镜编辑页，你会看到系统已将原始文案拆解为3–7个镜头，每个镜头下方明确标注了音效类型和节奏锚点，例如：
镜头2：“手机震动+消息提示音（短促电子音）→ 持续0.8秒 → 钢琴单音切入”；
镜头4：“BGM升调转折点 → 同步灯光变暖 → 角色瞳孔反光增强”。
这些锚点是音画同步的底层依据，【不可删除或拖动错位，否则会导致语音与画面脱节】。若某处节奏不自然，只能通过“重写该镜头描述”来调整，而非手动拖时间轴。
确认无误后点击右上角「锁定分镜」，系统将冻结所有音画绑定关系，进入批量合成阶段。
批量生成并合成音画一体视频
方法一：全自动合成（推荐新手）
点击「开始生成」→ 系统自动并行处理：Agnes-Image-2.1-Flash生成每帧画面 → Agnes-Video-2.0驱动动态运镜 → Agnes-2.0-Flash实时生成旁白文本并驱动TTS语音 → 背景音乐与环境音由音效引擎按锚点注入 → 最终封装为MP4。
整个过程约90–180秒，生成结果直接带完整音轨，无静音片段、无口型偏差、无BGM突兀切入。
方法二：分段精修后合成（适合有修改需求）
在分镜列表中勾选需重做的镜头 → 点击「重生成」→ 输入更具体的画面指令（如“主角嘴角上扬幅度加大，增加0.3秒停顿”）→ 等待单镜完成 → 返回总览页点击「合成剩余镜头」→ 系统自动补全缺失音轨并做跨镜声场平滑处理。
注意：重生成镜头后，原锚点会自动迁移至新视频起始帧，但环境音持续时间可能微调，需检查衔接处是否出现空白或重叠。
