视频内替换

在源视频中，将画面内某一特定元素（如人物、产品或服装）精准替换为参考图像中的对应内容，同时完整保留原始视频的运动轨迹、时间节奏、镜头运镜、光照条件、音频及背景。该能力的核心输入包括一段源视频、一至三张参考图像，以及一条明确指定需替换与需保留内容的提示词。这不是对场景的重拍或重新生成，而是一种帧级保真的定向替换操作。

需收集的输入项

• 源视频。 你希望保留其场景、动作与音频的视频片段。请提供你拥有合法使用权的素材（参见“技术要点”部分）。（仅当用户未提供时才需主动询问。）
• 参考图像（一张或多张）。 新元素应呈现的外观：若为人像重铸，需提供干净的人物肖像；若为物品替换，则需提供无遮挡的产品/服装正面静图。最少一张，最多三张。
• 需替换与需保留的内容。 明确指出画内被替换的具体对象，并说明其附近是否存在可能引起歧义的其他元素（例如第二位人物、手持物等），这些元素是否必须保留不变。
• 可选：目标分辨率（720p 草稿版 vs 1080p 成品版），以及源音频是否应在输出中播放、是否用于驱动口型同步，或是否应被完全移除。

模型

• 默认模型：Pruna P-Video-Replace（prunaai:p-video@replace）。专为在视频片段中替换单个画面内元素并保留其余全部内容而设计。接收源视频至 inputs.video，最多支持 3 张参考图像传入 inputs.referenceImages。能力标识为 io:video-to-video + op:edit。
• 反向方向： 若你希望以图像作为主体场景，仅借用视频的运动信息，则应使用 P-Video-Animate（prunaai:p-video@animate），而非本模型。Replace 保持视频的世界观，Animate 则保持图像的世界观。
• 先生成源视频再执行替换： 若需先生成一个标志性镜头或 UGC 推广视频（如通过 product-ad-video 路由至旗舰级 image-to-video 模型），再对该结果进行重铸，请先完成生成步骤，再对生成视频调用 Replace。
• 调用前务必确认模型状态为 live，并通过 runware-models + runware-run 查看其确切输入字段定义。切勿硬编码已过期的模型选择。

工作流

1. 解析 Schema（使用 runware-run），确认输入字段（inputs.video、inputs.referenceImages）、resolution 与 fps 可选项，并确认任务类型为 videoInference。
2. 将源视频与参考图像（支持 URL 或 base64 编码格式）分别上传至 inputs.video 和 inputs.referenceImages。
3. 以异步方式执行 videoInference（deliveryMethod: async）。调用后立即返回 taskUUID；需轮询 getResponse 直至任务终结，再读取 videoURL。视频处理永不采用阻塞式同步调用。
4. 针对局部化替换（如产品、服装，或多人画面中仅替换其中一人），需添加 positivePrompt，明确指出待替换元素及所有须保留内容。若为单一人物且画面无歧义的重铸，提示词可省略。
5. 审阅输出结果，重点检查被替换对象/身份的一致性，以及画面其他区域是否出现非预期变更。若发现漂移现象（drifters），请尝试提供更清晰的参考图像，或进一步收紧 preserve 列表。

详见 references/examples.md，其中包含三个完整可运行的异步 videoInference 示例（人物重铸、产品/服装替换、将主体置入生成场景），附带真实请求体与 videoURL 输出结构。

技术要点

• 明确命名“替换什么”与“保留什么”。 这是整个流程的关键模式。参考图像承载的是新元素应有的外观，而 positivePrompt 承载的是哪些内容被替换、哪些必须保留。结尾处的指令——“仅 X 发生变化，其余一切严格保持源视频原貌”——是将全局外观匹配转化为局部精准替换的核心。请对目标对象描述足够具体：“替换她手中持有的哑光黑色耳机盒”有效，“替换产品”则过于模糊，易导致多次运行结果不一致。模板如下：Replace [源视频中具体元素] with [X] from the reference image. Preserve [列出所有须保留项] exactly as they appear in the source. Only [被命名的元素] should change, everything else stays as the source.
• 人物重铸：干净肖像进，身份特征出。 人物替换仅需参考图像中包含面部、发型、体型与身份特征即可。源视频本身负责提供服装、光照、环境与动作，因此无需让参考图像刻意匹配场景着装。正面或三分之四侧面、清晰可见的人脸是最稳妥的参考形式。若为单人画面且无歧义，可不提供提示词。
• 物品替换：裸图进（无手、无人、纯色背景）。 产品或服饰替换所需的参考图像，应为仅含目标物体本身的干净照片，不得出现人物、手部或其他干扰元素，背景须为中性纯色。参考图像的构图应尽量匹配源视频中该元素的呈现方式（如竖直持握的产品，对应竖直构图的产品照；上半身穿着的服装，对应正面平铺的服装照）。
• 三张参考图像支撑头部转向时的身份一致性。 referenceImages 最多支持 3 张图像。若源视频中人物存在明显转头动作，建议提供正面 + 左/右三分之四侧脸共三张紧密参考图像，以增强重铸稳定性；静态或近似静态镜头则单张正面参考图像已足够。
• 多目标替换：每个元素对应一张参考图像。 当源视频中含两位以上画面人物，或需在一次调用中同时替换服装与产品时，请为每个目标分别提供一张参考图像，并在提示词中显式索引（如“reference image 1”、“reference image 2”），明确映射至其画面位置或所指对象。若未提供提示词，模型将基于视觉线索自动分配，该方式仅在各参考图像视觉差异显著时可靠。
• 版权与肖像权由调用方自行负责。 Replace 不判断源视频是生成、实拍还是已获授权，亦不阻止对真实人物肖像进行重铸。请确保你拥有源视频片段与参考图像的完整合法使用权。未经本人明确许可，严禁对真实、可识别的自然人进行肖像重铸。

关键参数说明

• taskType: videoInference 与 deliveryMethod: async：始终采用轮询方式获取结果，绝不可使用阻塞式同步调用。
• inputs.video 为源视频片段。inputs.referenceImages 最多接收 3 张图像。务必依据实时 Schema 确认字段名，切勿猜测。
• positivePrompt 为可选参数。但用于局部化物品/服装替换，或多人物画面消歧时为必填项，需明确定义替换目标与保留清单。
• resolution 取值为 720p 或 1080p。输出视频继承源视频的宽高比，因此这是唯一控制尺寸的参数。1080p 分辨率下每秒处理成本约为 720p 的两倍。建议先以 720p 批量生成草稿，仅对审核通过的版本再以 1080p 重跑。
• fps 仅支持 24 或 48。若省略此参数，则默认继承源视频原生帧率，适用于绝大多数工作流。
• settings.preserveAudio（默认 true）：控制源音频是否保留在输出中。设为 false 可生成静音输出，供后续配音使用。
• settings.sourceAudioSync（默认 true）：控制源音频是否驱动人物口型与动作同步。当音频仅为环境音或背景音乐等非关键声源时，应设为 false，避免音频牵动面部形变。
• seed：固定 seed 值可用于锁定某次输出以便迭代优化；变更 seed 值则可生成不同变体。

质量标准

• 仅指定元素发生变更：演员（或其他角色）、动作、节奏、镜头、光照、背景与音频均与源视频完全一致。
• 身份或物品保真度准确：重铸人物应能清晰辨识为参考图像中人物；替换产品在形状、颜色与材质上须与参考图像高度一致。
• 关键位置音画同步：源音频默认保留，因此若将男性参考图像置入女性配音源视频，除非进行性别匹配或剥离音频，否则将出现声音与形象不匹配问题。
• 警惕典型失败场景：剧烈镜头运动、或仅呈现后脑而无面部锚点的画面，会导致模型即兴生成全新场景；微小细节（如 Logo、小字号文字、球衣号码等）也可能发生漂移。如需像素级细节保真，请改用带掩码的 inpainting 模型。凡出现即兴生成或漂移现象，均需重试。

相关技能

runware-run、runware-models、runware-prompting；edit-video（整段视频通用编辑/风格重绘），product-ad-video（生成广告源视频，或向实拍镜头中插入产品）。