AI 多语言产品视频

把「AI 多语言产品视频」当成一次要交付的活，不是名词解释。输入是一行批准脚本和目标语言，输出是一条本地化视频和回调记录，工作比例定在按渠道而定。先写驳回原因，再把它变成第一条硬约束。

必须有 schema、幂等键、重试策略、超时、存储路径、失败回调、成本上限，以及每个资产对应的行。未经隐私审查不把客户媒体发给新路由；任务 ID 无处可存的批量不要启动。

批量前先验一条 payload：模型 ID、参考 URL、比例、时长、回调地址、签名规则和任务 ID 映射。五条小批量通过后才跑全量目录。

imgmov 已公开的 API 表面是：一个 generate 端点、一个任务端点、一个 SSE 流和一个 webhook 注册端点。批量由调用方按这条契约做受控循环，不要发明批量参数。循环前预留月度预算，响应后把返回的任务 ID 与源数据行绑定，再核对预估积分和实际积分。

锁定请求结构、提示词模板版本、模型路由、比例、时长、回调契约、存储键和重试次数。重试不能悄悄产生第二份付费资产。

把锁定字段放在提示词开头，不要放在结尾：实际做法是锁定API payload 和任务 ID 映射，只改一行本地化数据和一个回调检查。 把提示词、参考、比例、模型和驳回原因存成一组；下一次执行时先读驳回原因，再决定哪些字段可以放开，避免从一张好看但不可复现的画面重新猜起。

第1步「定规则」：我打开表格或 API 里的任务数据，锁定API payload 和任务 ID 映射，并写下不能变的部分。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第2步「跑最小版本」：我先做一个小一条本地化视频和回调记录。翻译文案超出边界，我缩短句子并先测一个语言。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第3步「做聚焦变体」：我复用同一参考，只改一行本地化数据和一个回调检查。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。 第4步「检查导出」：我按原尺寸检查payload、任务 ID、回调、重试和日志，再导出最终按渠道而定。 这一步要留下一个可检查的产物，并注明通过条件、失败原因和修正动作；上一步没有产物，下一步不启动。

每次重跑只改一个命名变量：提示词、参考、相机、时长、模型、比例或导出裁切。一次改两处，即使结果变好也无法复用，因为没人知道是哪处修复起了作用；重跑前先把当前版本编号、失败描述和准备验证的假设写清楚，避免下一次又凭感觉推翻上一版。

日志要把任务 ID、请求哈希、模型、积分、资产 URL、回调回执和终检状态连起来。

源图、批准文案、被驳回版本、修正、积分成本和最终裁切都放在资产旁边。这份记录要让下一个复审者不用翻聊天记录也能复现决策。

重复回调用幂等键丢弃；队列压力靠限流，不靠关闭重试；坏行连同 payload 一起隔离。

成本控制是代码路径的一部分。Agnes Video 2.5 Flash 是 2 积分/秒，5 秒探路 10 积分；Seedance 2.5 是 480p 18 积分/秒、720p 39 积分/秒。提高并发前先把任务 ID 落库，未标记的重试最容易让同一行付两次钱。

发布记录写清模型版本、提示词模板、样例输出、每千任务成本、回滚提示词和批准人。

交付文件夹故意做得很无聊：源素材、批准参考、生成设置、字幕文件、渠道裁切、QA 截图和一行修正日志。可复用资产就要无聊得恰到好处。

这是 imgmov 和提示词游乐场的差别：资产库存参考，Canvas 存依赖，生成历史存任务，API 路径存任务 ID 和回调。通用聊天框能写一句话，但不会帮你把重试、坏行和最终交付的资产对上。

未经隐私审查不把客户媒体发给新路由；任务 ID 无处可存的批量不要启动。 如果只想问「AI 多语言产品视频」是什么，搜索页更快；这里值得看，是因为要把一条本地化视频和回调记录在真实约束下交付出去。如果没有地方存任务 ID，就不要开批量。