媒体处理 文档生视频

一、功能介绍

适用场景：短视频知识播报、在线教育课件、产品宣传片、企业培训与知识科普。

核心能力

二、两种生成模式

文档生视频提供两种生成模式，由创建任务时的 Mode 参数决定。这是接入前需要最先确定的设计选择，因为它决定了你的调用链路是「一次提交」还是「多轮交互」。

stage 模式将生成过程拆为两个可人工介入的阶段与一个自动执行的合成阶段：

注意：stage 模式下每次重新生成都会重新消耗模型算力，请结合计费预期评估重试次数。

三、前提条件

在使用本功能前，你需完成以下前置操作：

1. 注册并登录腾讯云账号，开通 媒体处理 MPS 服务。

2. 完成服务角色授权，授权 MPS 读写你账号下的 COS 桶。使用主账号访问以下链接一键授权：

https://console.cloud.tencent.com/cam/role/grant?roleName=MPS_QcsRole&policyName=QcloudCOSDataFullControl,QcloudCOSGetServiceAccess,QcloudAccessForMPSRole,QcloudCOSBucketConfigRead,QcloudCOSBucketConfigWrite,QcloudAccessForMPSRoleInDeliverToSCF&principal=eyJzZXJ2aWNlIjoibXBzLmNsb3VkLnRlbmNlbnQuY29tIn0=

3. 开通对象存储 COS 并创建存储桶，用于存放输入文档与生成结果。存储桶访问权限建议设置为「公有读 – 私有写」。

4. 获取 API 密钥：前往 访问密钥 获取 SecretId 与 SecretKey。

若你使用腾讯云子账号，还需保证该账号有足够权限使用 MPS 产品。具体指引请参考 快速入门，账号授权问题可参考 账号授权 文档。

注意：说明：

注意：快速使用：开通 MPS 服务后，可以点击跳转至 MPS 控制台 使用文档生视频功能。

四、计费说明

本服务采用按量计费，计费项分为必选与可选两类。

五、必选计费项

六、可选计费项

详细定价请参考 计费说明。

七、创建文档生视频任务

文档生视频支持以下两种方式发起任务，你可根据使用场景选择：

·控制台方式：适用于可视化操作、快速体验或少量任务场景。在 MPS 控制台 中选择 AI 视频 > 场景化应用 > 文档生视频，配置输入文档、提示词及生成参数后提交即可。

·API 方式：适用于批量任务场景。通过调用 CreateDocToVideoTask 接口传入参数发起任务，详见下方参数说明。

八、方式1：控制台创建任务

在 MPS 控制台 中选择 AI 视频 > 场景化应用 > 文档生视频，上传文档，配置模型、提示词及参数后单击生成视频即可创建任务。

九、方式2：API 发起任务

调用 CreateDocToVideoTask 接口，发起 文档生视频 任务。详情见以下 文档生视频相关 API 介绍。

十、API 概览

注意：说明：

注意：通用信息：

十二、1. 创建文档生视频任务（CreateDocToVideoTask）

CreateDocToVideoTask 接口说明：提交文档并创建视频生成任务，可以创建端到端直接生成任务（mode=auto），也可以创建确认后再生成任务（mode=stage），返回任务 ID。

顶层参数

核心参数

生成模式参数

视频规格参数

配音与字幕参数

版式与画面参数

存储参数（CosInfo）

输出参数

错误码

发起示例（auto 模式）

{ "Input": { "FileUrl": [ "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/user-guide.pdf", "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/product-launch.pptx" ], "Prompt": "请根据这两份文档，生成一个 2 分钟左右的产品介绍视频，风格专业简洁，面向企业客户。", "ModelName": "Wand", "ModelVersion": "1.0", "Mode": "auto", "Ratio": "16:9", "Language": "zh", "ReferenceDuration": 120, "EnableTTS": true, "VoiceId": "v1_shUQBcs3N6VrPd9RMTf5************zq5Q9pE0HoEQ959hpulWHGFZSp3v4w=", "EnableCaption": true, "Watermark": { "ImageUrl": "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/assets/logo.png", "Position": "bottom-right" } }, "CosInfo": { "CosBucketRegion": "ap-guangzhou", "CosBucketName": "example-1303333058", "CosBucketPath": "/doc2video/output" }}

发起示例（stage 模式 + PPTX 保真复刻）

{ "Input": { "FileUrl": [ "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/input/product-launch.pptx" ], "Prompt": "这是一份产品发布演示文稿。请生成产品介绍视频，面向企业客户与媒体，逐页讲解产品亮点、核心参数与上市信息。", "ModelName": "Wand", "ModelVersion": "1.0", "Mode": "stage", "PPTXFidelity": true, "Ratio": "16:9", "Language": "zh", "ReferenceDuration": 120, "EnableTTS": true, "EnableCaption": true }, "CosInfo": { "CosBucketRegion": "ap-guangzhou", "CosBucketName": "example-1303333058", "CosBucketPath": "/doc2video/output" }}

输出示例

{ "Response": { "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "RequestId": "a2644899-acbf-4973-b8ea-1a93772be6f7" }}

十三、2. 查询任务（DescribeAigcTaskStatus）

DescribeAigcTaskStatus 接口说明：本接口为通用 AIGC 任务查询接口。传入任务 ID，返回执行状态与结果。

输入参数

输出参数

阶段状态字段（stage 模式必读）

Stage 与 TaskInfo 是 stage 模式下驱动交互流程的关键字段。TaskStatus 描述的是整个任务的宏观状态，而在 stage 模式下，任务会在某个阶段产物生成完毕后停下来等待你确认——此时 TaskStatus 仍可能是 RUNNING，你需要依靠 Stage / TaskInfo 判断「当前停在哪个阶段、该阶段产物是否已经就绪」，进而决定下一步是调用 confirm 推进还是 regenerate 重新生成。

Stage 完整取值与流转：

STAGE_1_RUNNING → STAGE_1_FINISHED ──confirm──▶ STAGE_2_RUNNING → STAGE_2_FINISHED ──confirm──▶ STAGE_3_RUNNING → FINISH

（regenerate 会使对应阶段回到 STAGE_x_RUNNING 重新产出。）

注意：说明：

阶段产物结构（TaskInfo.scenes）

stage 模式没有独立的产物下载接口，各阶段产物均在 TaskInfo 反序列化后的 scenes[] 数组中：

{ "current_stage": "STAGE_2", "title": "智能音箱 X1 产品发布介绍", "style_summary": "深蓝科技风、青橙双强调、简洁卡片式布局", "width": 1920, "height": 1080, "total_scenes": 6, "scenes": [ { "id": "scene-1", "title": "开篇：X1 重磅发布", "key_points": ["全新一代智能音箱 X1 正式发布", "三大升级：音质、语音助手、全屋联动"], "visual_summary": "深蓝科技背景，产品名居中弹出，产品图旋转登场", "sentences": ["全新一代智能音箱 X1 正式发布。", "今天重点介绍它的三大升级。"], "audio": "https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/workspace/audio/scene-1.m4a?q-sign-algorithm=sha1&…", "video": "https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/previews/scene-1.mp4?q-sign-algorithm=sha1&…" } ]}

各阶段产物填充情况：

注意：说明：

响应示例（任务成功）

{ "Response": { "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "TaskStatus": "FINISHED", "OutputUrl": "https://example-1303333058.cos.ap-guangzhou.myqcloud.com/doc2video/output/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3-202606012044-0.mp4", "CreateTime": "2026-06-01 20:40:50", "ScheduledTime": "2026-06-01 20:40:51", "FinishedTime": "2026-06-01 20:44:32", "TaskResultCode": null, "TaskResultMsg": null, "TaskType": "DocGenVideo", "Stage": "FINISH", "TaskInfo": "{\\"current_stage\\": \\"STAGE_3\\", \\"title\\": \\"智能音箱 X1 产品发布介绍\\", \\"style_summary\\": \\"深蓝科技风、青橙双强调、简洁卡片式布局\\", \\"width\\": 1920, \\"height\\": 1080, \\"total_scenes\\": 6, \\"scenes\\": [ { \\"id\\": \\"scene-1\\", \\"title\\": \\"开篇：X1 重磅发布\\", \\"sentences\\": [\\"全新一代智能音箱 X1 正式发布。\\", \\"今天重点介绍它的三大升级。\\"], \\"audio\\": \\"https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/workspace/audio/scene-1.m4a?q-sign-algorithm=sha1&…\\", \\"video\\": \\"https://doc2video-tmp-1300000000.cos.ap-guangzhou.myqcloud.com/doc2video/tasks/1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3/previews/scene-1.mp4?q-sign-algorithm=sha1&…\\" }, \\"……共 6 个分镜……\\" ]}", "RequestId": "9ee02d10-a534-4a2d-842a-c4d084bcfbde" }}

响应示例（stage 模式：大纲已产出，等待确认）

下例中 TaskStatus 仍为 RUNNING（整个任务尚未走完），但 Stage 已显示 STAGE_1_FINISHED，说明大纲阶段产物已就绪、正在等待你确认。此时不能只看 TaskStatus 就继续空轮询，而应从 TaskInfo.scenes[] 取回大纲（仅文字，无画面预览）交由审核，再调用 ModifyDocToVideoTaskStatus 推进或重新生成。

{ "Response": { "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "TaskStatus": "RUNNING", "OutputUrl": null, "CreateTime": "2026-06-01 20:40:50", "ScheduledTime": "2026-06-01 20:40:51", "FinishedTime": "", "TaskResultCode": null, "TaskResultMsg": null, "TaskType": "DocGenVideo", "Stage": "STAGE_1_FINISHED", "TaskInfo": "{\\"current_stage\\": \\"STAGE_1\\", \\"title\\": \\"智能音箱 X1 产品发布介绍\\", \\"style_summary\\": \\"深蓝科技风、青橙双强调、简洁卡片式布局\\", \\"width\\": 1920, \\"height\\": 1080, \\"total_scenes\\": 6, \\"scenes\\": [ { \\"id\\": \\"scene-1\\", \\"title\\": \\"开篇：X1 重磅发布\\", \\"key_points\\": [\\"全新一代智能音箱 X1 正式发布\\", \\"三大升级：音质、语音助手、全屋联动\\"], \\"visual_summary\\": \\"深蓝科技背景，产品名居中弹出，产品图旋转登场\\", \\"sentences\\": \\"\\", \\"audio\\": \\"\\", \\"video\\": \\"\\" }, \\"……共 6 个分镜，均只有文字大纲……\\" ]}", "RequestId": "9ee02d10-a534-4a2d-842a-c4d084bcfbde" }}

错误码

注意：说明：

注意：轮询建议：间隔5秒查询一次，并设置整体超时上限（建议10分钟以上，视文档体量调整）。请勿高频空转轮询。

十四、3. 确认与重新生成（ModifyDocToVideoTaskStatus）

ModifyDocToVideoTaskStatus 接口说明：仅 Mode=stage 的任务需要用到本接口。调用 ModifyDocToVideoTaskStatus 接口，对 stage 模式下的阶段产物进行确认推进或重新生成。

输入参数

Action 与 Stage 的组合语义

重新生成参数（Regenerate）

注意：说明：

注意：Scope 的选择取决于修改的粒度：改变整体结构（合并页、增删场景、压缩节奏）用 full；只想改某几个场景的文案或画面而保留其余部分，用 scenes 并指定 SceneIds，这样可以避免已经满意的场景被重新生成。

输出参数

注意：说明：

注意：任务 ID 全程不变：stage 模式下，从创建任务到最终成片，整个流程始终使用同一个任务 ID。每次 confirm / regenerate 传入的 SourceTaskId，都是创建任务时返回的那个 TaskId；接口返回的 TaskId 也是同一个。业务侧只需保存这一个 ID，用它贯穿后续所有的状态查询与修改操作。

示例：全量重新生成大纲

{ "Input": { "Action": "regenerate", "Stage": "STAGE_1", "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "Regenerate": { "Scope": "full", "Prompt": "压缩一下，第一页和第二页的内容合并到一起" } }}

示例：局部重新生成指定场景

{ "Input": { "Action": "regenerate", "Stage": "STAGE_1", "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "Regenerate": { "Scope": "scenes", "Prompt": "这一页的讲解太笼统，请补充具体的数据说明", "SceneIds": [ "scene-3" ] } }}

示例：确认阶段并推进

{ "Input": { "Action": "confirm", "Stage": "STAGE_1", "SourceTaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3" }}

响应示例

{ "Response": { "TaskId": "1380000000-AigcScenario-6f2c9e4a8b7d3510f9a2c4e6d8b1a7f3", "RequestId": "3e8e036a-0aae-4ad6-b321-dc91eb5f7261" }}

十六、流程一：auto 模式（端到端）

1. CreateDocToVideoTask（Mode=auto） ↓ 返回 TaskId2. DescribeAigcTaskStatus（轮询，间隔 5s） ↓ TaskStatus=FINISHED3. 从 OutputUrl 下载 / 转存成片

十七、流程二：stage 模式（分阶段确认）

1. CreateDocToVideoTask（Mode=stage） ↓ 返回 TaskId —— 全流程只用这一个 ID2. DescribeAigcTaskStatus(TaskId) 轮询 ↓ 直到 Stage=STAGE_1_FINISHED → 大纲产出（TaskInfo.scenes，仅文字，无画面预览）3. 审核大纲（读 TaskInfo.scenes 的 title / key_points / visual_summary） ├─ 不满意 → ModifyDocToVideoTaskStatus │ (SourceTaskId=TaskId, Action=regenerate, Stage=STAGE_1, Regenerate={…}) │ ↓ 回到步骤 2 继续轮询同一个 TaskId └─ 满意 → ModifyDocToVideoTaskStatus (SourceTaskId=TaskId, Action=confirm, Stage=STAGE_1)4. DescribeAigcTaskStatus(TaskId) 轮询 ↓ 直到 Stage=STAGE_2_FINISHED → 配音 / 动效 / 字幕产出（可逐分镜审核）5. 审核阶段产物（下载 TaskInfo.scenes[].video 逐段看画面与配音，注意临时 URL 约 2 小时有效） ├─ 不满意 → ModifyDocToVideoTaskStatus │ (SourceTaskId=TaskId, Action=regenerate, Stage=STAGE_2, Regenerate={…}) │ ↓ 回到步骤 4 继续轮询同一个 TaskId └─ 满意 → ModifyDocToVideoTaskStatus (SourceTaskId=TaskId, Action=confirm, Stage=STAGE_2) ↓ 进入 STAGE_3 合成最终成片6. DescribeAigcTaskStatus(TaskId) 轮询 ↓ Stage 先后为 STAGE_3_RUNNING → FINISH，TaskStatus=FINISHED7. 从 OutputUrl 下载 / 转存成片

接入要点

·判断阶段进展要看 Stage / TaskInfo，而不是 TaskStatus。 stage 模式下任务在等待人工确认期间，TaskStatus 仍可能是 RUNNING，只有 Stage 才能告诉你当前停在哪个阶段、产物是否已就绪。

·阶段产物（大纲、分镜预览）均在查询接口返回的 TaskInfo.scenes[] 中，没有独立的产物下载接口，取用前需对 TaskInfo 做一次 JSON 反序列化。

·任务 ID 全程不变：创建任务拿到的 TaskId 会贯穿整个 stage 流程，每次 confirm / regenerate 都用它作为 SourceTaskId，状态查询也始终查这一个 ID。业务侧保存一个 ID 即可。

·阶段产物的审核是人工环节，建议将任务状态落库、以异步架构承接，不要用同步阻塞轮询串起整条 stage 链路。

·每次重新生成都会重新消耗模型算力并产生相应费用，建议在业务侧对单任务的重试次数设置上限。

十九、文档要求

·支持的格式：pdf、pptx、docx、png、jpg。

·单次请求最多3个文档，多个文档的内容会被合并理解后生成视频。

·单个文档大小 ≤ 10MB，页数 ≤ 100页。

·文档链接必须是公网可访问的 URL，建议上传至 COS 后获取访问链接，并确保链接在任务执行期间持续有效。

20、提示词

·Prompt 上限2000字符。

·建议在提示词中明确视频时长、风格、目标受众、讲解侧重点，生成效果会明显更贴合预期。

21、视频时长

·ReferenceDuration 是参考值（15~1200 秒），不是精确时长；实际时长由模型根据文档内容与提示词决定。

·计费按实际生成时长计算。

22、结果存储

·不填 CosInfo 时结果存储在平台默认地址，该地址有时效限制。

·生产环境请填写 CosInfo 持久化到自有 COS 桶，并在拿到 OutputUrl 后尽快下载或转存。

·stage 模式下，分镜预览与配音（TaskInfo.scenes[].video / audio）为临时签名 URL，有效期约2小时，审核或留存请及时下载。

23、并发与频率

·接口请求频率限制：20次/秒。

·同时执行的任务数上限为8个，超限时返回 LimitExceeded.CreateTask，请控制并发并重试。

24、签名时间

请求时间戳与服务器时间相差不得超过5分钟，请确保本地系统时间与标准时间同步。

26、文档链接无法访问怎么办？

FileUrl 必须是公网可访问的 URL。建议将文档上传至腾讯云 COS 并设置为公有读私有写，或使用预签名 URL，并确保链接在任务执行期间持续有效。

27、应该选 auto 还是 stage 模式？

批量生产、无人值守场景选 auto；成片需要人工把关、允许多轮调整的场景选 stage。建议先用 auto 跑通链路与效果验证，再按需切换。

28、stage 模式下任务卡在 RUNNING 不动，是卡住了吗？

不一定。stage 模式下任务产出阶段产物后会停下来等待你确认，此时 TaskStatus 仍为 RUNNING。请改看 Stage 字段：若已显示 STAGE_1_FINISHED / STAGE_2_FINISHED，说明任务在等你调用 ModifyDocToVideoTaskStatus，而不是执行卡住。

29、TaskInfo 怎么解析？

TaskInfo 是 String 类型的 JSON 字符串（如 {"current_stage": "STAGE_1"}），需要先做一次 JSON 反序列化才能取用其中的 current_stage，并建议对字段缺失做兜底处理。

30、stage 模式的阶段产物（大纲、分镜预览）从哪里获取？

没有独立的产物下载接口，产物就在查询接口返回的 TaskInfo 中：反序列化后，scenes[] 数组即分镜结构。STAGE_1 阶段审核 title / key_points / visual_summary（文字大纲，无画面预览）；STAGE_2 阶段可额外审核 sentences（台词）、video（分镜预览）、audio（配音）。注意预览 URL 为临时签名链接（约2小时有效），请及时下载。

31、stage 模式下，每次确认或重新生成后任务 ID 会变吗？

不会。整个 stage 流程自始至终只有一个任务 ID：创建任务时返回的 TaskId，既是每次调用修改接口时要传的 SourceTaskId，也是修改接口返回的 TaskId，还是状态查询要用的 ID。业务侧保存这一个 ID 贯穿全程即可，不需要维护 ID 的更替。

32、Scope=full 和 Scope=scenes 怎么选？

需要调整整体结构（合并页面、增删场景、压缩节奏）用 full；只想修改个别场景内容、保留其余已满意的场景，用 scenes 并通过 SceneIds 指定目标场景，单次最多5个。

33、局部重新生成（Scope=scenes）后，为什么查询发现所有分镜的预览都没了？

这是重新生成处理期的正常现象：提交 regenerate 后，所有分镜的 video / audio 字段会被暂时清空，完成后仅目标分镜的产物更新，其余分镜不变。请勿据此误判为局部重新生成未生效、整阶段被重新生成。

34、开启 PPTX 保真复刻后，背景图和水印为什么没生效？

保真复刻模式下画面版式完全来自原始 PPTX，Background 与 Watermark 不生效。若需要自定义背景与水印，请关闭 PPTXFidelity。

35、PPTX 保真复刻能完美还原原稿吗？

会尽可能复刻内容与版式，但无法做到完美复刻，且暂不支持复刻动画效果。若输入了多个 PPTX，仅对首个 PPTX 生效。

36、如何开启 AI 配音和字幕？

创建任务时设置 EnableTTS: true 开启配音，EnableCaption: true 开启字幕。配音可通过 VoiceId 指定音色，不填则使用默认音色。开启配音会产生额外费用（0.5 元/分钟），使用克隆 / 设计音色会产生音色费用（9.9 元/音色）。

37、审核后想更换音色怎么办？

VoiceId 只能在创建任务时指定，Regenerate 不支持修改音色。需要更换音色只能重新创建任务。

38、任务一直处于 PENDING 怎么办？

排队时间取决于当前系统负载。若长时间（超过 10 分钟）仍为 PENDING，请检查账户是否欠费（FailedOperation.UserArrears），或联系技术支持。

39、如何排查任务失败原因？

查询任务详情时关注三个字段：TaskResultCode（错误码）、TaskResultMsg（错误信息）、RequestBody（创建任务时的原始请求，用于核对参数）。若 TaskResultMsg 为 Save to cos failed，通常是 COS 角色授权未完成或存储桶权限问题，请检查 前提条件 第2步。

40、签名失败怎么排查？

常见原因：时间戳与服务器时间相差超过 5 分钟；Date 未按 UTC+0 从时间戳换算；签名用的 Content-Type 与实际发送不一致；SecretKey 错误或已禁用。对应错误码为 AuthFailure.SignatureExpire、AuthFailure.SignatureFailure、AuthFailure.SecretIdNotFound，详见 签名方法 v3。

41、相关文档

·请求结构

·公共请求参数

·签名方法 v3

·错误码

·快速入门

·账号授权

·计费说明

·SDK 中心