模型定位
ERNIE-Wizshot-ME，即文心一镜微表情大模型，是百度面向人物表现的视频生成应用模型，通过百度智能云千帆提供 API。百度于 2026-11-12 发布该模型。(prnewswire.com)
能力与用途
- 使用人物形象图、文本和参考音频驱动视频生成，让图片中的人物开口演绎；重点表现近景或特写中的眉眼、嘴角和视线等微表情。(cloud.baidu.com)
- 百度产品页列出的输出规格为 4–15 秒、1080p。适用于播客访谈、AI 短剧特写、故事讲述和情感口播。(cloud.baidu.com)
- 百度发布公告称，模型支持最长 4,000 个汉字的长文本输入；具体 API 请求仍须遵守接口字段和时长限制。(prnewswire.com)
- 千帆采用异步调用流程：先创建视频生成任务，再查询任务结果。(cloud.baidu.com)
限制
- 千帆模型列表所列并发数和排队数均为 1。(cloud.baidu.com)
- 创建任务 API 对单段台词
dialog限制为最多 450 个 UTF-8 字节；每个fragment内合成语音与静音的总时长须为 4–16 秒，以服务端实测为准，否则任务失败。这是接口校验范围，与产品页列出的 4–15 秒视频规格应分别理解。(cloud.baidu.com)
价格
- 中国大陆百度智能云千帆刊例价：CNY 0.7 元／视频秒，按视频时长计费。产品页举例：5 秒视频约 CNY 3.5 元。该页面未列出该模型按输入或输出 token 分别计费的价格；不能套用其他文心模型的 token 价格。查询日期：2026-11-14。百度智能云产品与价格页面。(cloud.baidu.com)
- 已查询百度智能云国际站价格页面，截至 2026-11-14，未在该页面核实到本模型的 USD 报价；这不代表国际站一定不提供该模型。(intl.cloud.baidu.com)