百度发布文心闪电与文心一镜，两款应用模型开放API

两款模型有什么区别？先看最终要交付什么

文心闪电和文心一镜分别解决文本处理与人物视频生成问题。API，即应用程序编程接口，允许业务系统通过请求调用模型、接收结果；开放API并不意味着已经替用户完成了素材管理、任务调度和成品审核。

型号与规格来源：百度智能云官方模型页面。具体可调用范围以账户中的模型服务为准。

选型可以从一条具体需求开始。例如，要求系统“阅读项目材料并整理风险清单”，应先评估文本模型；要求系统“根据人物形象和台词制作一段讲解视频”，则应评估视频模型。如果业务希望从资料整理一路生成口播成片，还需要自行编排两个模型与素材、审核环节。

文心闪电：重点看推理过程是否适合业务

文心闪电的价值需要结合具体任务判断。官方介绍其采用BSA（Baidu Sparse Attention，百度稀疏注意力）和反馈式历史压缩，优化历史信息的存储与计算。这里涉及的KV缓存，是模型推理时保留中间信息的一种机制；缓存优化可以影响资源开销，但不能直接换算成所有业务都能获得的固定提速比例。官方技术介绍没有替代实际业务评估。

知识处理与报告生成，可以先做小规模对照

企业可以选择已有标准答案的资料，测试模型能否定位关键事实、保留条件、解释差异，并按要求组织输出。例如，把同一批产品文档交给模型，要求生成“功能—适用对象—限制—原文位置”清单，再由业务人员逐项核对。

这种测试比单纯观察回答是否流畅更有价值。知识问答关注有没有答错，报告生成还要看有没有遗漏、引用是否对应原文、字段是否满足下游系统要求。

思考开关应服务任务，而不是固定打开

建议把简单提取、常规改写和复杂推理分成不同测试组，分别比较回答质量、耗时与消耗。任务较简单时，可先评估较轻的处理方式；遇到多条件判断、交叉材料分析时，再比较开启思考后的收益。

最大输出能力也不适合直接当成默认输出配置。长结果增加阅读与校验成本。更实用的做法，是按交付物限制篇幅：摘要控制重点，清单保证字段完整，长报告按章节生成并复核。需要长输出时，再逐步提高长度设置。

文心一镜：从人物素材到可查询的视频任务

文心一镜通过视频生成API支持带有人物表演的视频制作。开发者需要准备角色与镜头素材，再提交生成任务；对于口播、访谈或短剧片段，设计重点可以放在台词、表情变化和镜头衔接上。它是否适合某种内容，应通过样片判断，而不能只看展示视频。

先准备角色、声音和分镜

创建任务文档要求提供人物形象与声音等信息。例如，人物图像支持JPEG、PNG或WEBP；人物参考声音使用包含人声的WAV文件，时长要求为10—60秒。文档还分别规定了分镜图片和台词片段的要求，不能只准备一张图片就假定请求已经完整。

制作测试样片时，建议先选单人物、短台词和明确情绪变化。例如，同一句产品说明分别采用平静介绍、提出疑问和强调重点三种表达，观察人物是否一致、嘴部动作是否自然、表情是否与内容相符。这里的三种表达是测试设计建议，不代表模型必然达到相同效果。

业务系统需要管理任务状态

视频生成采用异步流程。创建请求返回任务标识后，系统再查询生成进展；查询任务文档列出了pending、processing、succeeded和failed等状态。拿到任务标识后，应继续跟踪结果，而不是把“提交成功”直接展示为“视频生成成功”。

实际产品可以给用户显示排队、处理中、完成或失败等进度。任务失败时，保留任务标识与错误信息，帮助定位素材、参数或服务问题；重复提交之前，应先确认原任务的状态，减少重复操作。

调用成本怎样计算？文字和视频需要分开预算

截至资料日期，千帆模型服务计费文档列出的文心闪电单价，折算为每百万Token输入8元、缓存命中输入0.8元、输出28元；文心一镜为每秒视频0.7元。Token是模型计量文本的单位，不能简单视为固定数量的汉字。

举一个预算示例：假设一条文本请求使用10,000个普通输入Token和2,000个输出Token，不考虑缓存与账户优惠，按上述单价估算，费用为10,000÷1,000,000×8＋2,000÷1,000,000×28＝0.136元。同样的用量重复1,000次，模型费用约为136元。

视频预算则可以从成片时长倒推。按每秒0.7元计算，一段10秒视频约7元；如果同一脚本生成3个候选版本供筛选，预算约21元。这个例子只计算对应的视频生成费用，没有包含脚本处理、配套素材、存储或其他服务开销。

企业更值得跟踪的是“获得一份合格结果的成本”。若一段视频需要多次修改，或一份报告需要大量人工重写，单次调用价格就无法代表交付成本。上述金额用于估算，实际消费仍应依据计费文档、账户权益及账单核对。

接入千帆API，可以按四个环节推进

1. 确认型号与访问权限。进入官方模型页面关联的千帆控制台，核对具体型号、账户可用服务和计费。不要只按中文产品名配置调用。
2. 准备测试材料与鉴权。先使用可用于测试的文档、图片和音频。视频接口文档使用API Key鉴权；密钥应保留在服务端配置中。
3. 打通最小调用链路。文本任务先验证结果格式是否可用；视频任务先完成“创建任务—查询状态—取得结果”的完整流程。模型名称和请求参数按对应接口文档填写。
4. 再增加批处理与业务编排。在基本流程稳定后，再加入并发控制、重试、结果保存、人工审核和费用监控，避免一次扩大到全部用户。

下面是一段查询已有视频任务的请求示例。它需要事先配置有效的QIANFAN_API_KEY与TASK_ID，用途是查看任务状态，不会创建新的视频任务。接口地址与Bearer鉴权形式来自官方查询示例。

curl --get 'https://qianfan.baidubce.com/v2/mm/ernie/tasks'   --header "Authorization: Bearer ${QIANFAN_API_KEY}"   --data-urlencode "task_id=${TASK_ID}"

查询结果显示完成后，还要处理结果文件的保存。官方文档标注生成视频链接有效期为24小时，视频内容最多保存30天；需要长期使用的成片，应按业务需求及时转存到自己的内容管理或存储系统。不要把临时下载链接当成永久素材地址。

上线前，用真实业务样本验证这四件事

验证应围绕业务是否可交付展开。建议先确定验收标准，再选择样本，记录每次输入、模型型号、设置与结果，方便比较不同配置。

• 文本是否准确且可追溯：用有标准答案的材料检查事实、条件和引用位置；需要结构化输出时，检查字段是否齐全、格式能否被程序解析。
• 视频是否适合发布：逐段检查人物一致性、台词表达、表情与画面的协调程度；近景、多人对话或情绪变化可分别设计样例。
• 流程是否能够恢复：模拟任务失败、超时和重复点击，确认系统能展示正确状态，并保留必要的任务记录。
• 成本是否可接受：同时记录调用次数、用量、候选版本数和人工修改时间，比较单位合格结果的综合成本。

面向外部用户提供人物视频时，还应确认肖像、参考声音和素材的使用权限，并遵循平台对生成内容的要求。对内上线也应限制素材访问范围，避免将未经授权的资料直接投入批量流程。

文心闪电与文心一镜API常见问题

128K是不是文心闪电的上下文长度？

官方页面在这里标注的是最大输出。输入材料与输出结果的容量是不同指标，具体上下文、请求长度和参数限制，应继续查看该型号的API文档。不能把这一数字直接换成“可输入128K字的文档”。

思考模式打开后，回答一定更好吗？

是否值得开启，要看任务难度与验收结果。可以对同一组业务样本比较质量、响应时间和用量，再决定默认设置；简单任务与复杂任务不必使用同一套配置。

文心一镜能否只用一句话直接生成成片？

不能据此假定接口只需要一段文字。当前创建任务文档还要求人物与镜头相关素材。具体必填字段应按接口说明准备，资料齐全后再发起任务。

视频展示页与API文档的时长范围为什么不同？

产品展示页标注4—15秒；创建任务文档对台词合成语音与静音的总时长给出4—16秒范围，并以服务端实测为准。这是不同说明位置的口径。规划业务成片时，可以先按产品展示范围设计，再依据当前接口约束及返回结果验收。

API提交成功后，为什么还没有视频？

异步任务需要继续查询状态。只有任务完成后，才能按返回信息取得结果；仍在排队或处理中的任务，需要等待后续状态，而失败任务需要根据错误信息排查。

需要一开始就把两款模型全部接入吗？

不需要。以文字交付为主的项目，可以先验证文心闪电；以人物视频为主的项目，可以先打通文心一镜的素材与异步流程。只有当业务确实需要从资料生成脚本再生成视频时，再将两个环节连接起来。

如何开始选型？从一份可验收的交付物开始

百度这次发布的两款应用模型，为企业提供了文本推理和人物视频两类接口选择。接入工作的起点应是一份明确的交付物：选取一组有代表性的材料或脚本，规定结果应该达到什么标准，再核对调用用量与人工修改成本。

文本项目先验证准确性与输出结构，视频项目先验证素材条件、任务状态和成片质量。完成这一步后，再决定是否扩大调用量、连接更多业务系统，或将两个模型编排进同一条内容生产流程。

参考资料

1. 百度智能云：文心模型说明与API入口
2. 第一财经：百度推出两款文心应用模型
3. 百度智能云：模型服务计费
4. 百度智能云：创建视频生成任务
5. 百度智能云：查询视频生成任务