当前Vidu不支持直接上传外部音频，需通过三种方式实现音画同步：一、使用内置Text-to-Audio生成匹配音轨；二、导出无声视频后用剪映等工具后期合成；三、调用API嵌入base64音频参数。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在 Vidu 中将自定义音频与生成视频同步输出，但发现生成结果中仅含模型自动合成的声音或无声，则可能是由于当前版本未开放用户自主上传外部音频轨道的功能。以下是实现音频与视频合成的可行操作路径：
一、使用 Vidu 内置 Text-to-Audio 合成音轨
该方式利用 Vidu Q3 及以上版本原生支持的 Text-2-Audio 能力，在文生视频或图生视频流程中直接生成匹配画面语义的语音或环境音，无需外部文件导入。
1、进入 Vidu 官网（https://www.vidu.cn），使用手机号完成登录。
2、点击左侧菜单栏【文生视频】或【图生视频】，进入创作界面。
3、在文本提示词输入框下方，找到【AI 音效】开关并开启；若需语音，勾选“添加旁白”选项。
4、在旁白输入区键入清晰语音脚本，例如：“清晨的城市街道，车流声渐起，远处传来清脆鸟鸣。”
5、确认模型版本为 Vidu Q3 或 Vidu-2025-Q4，时长选择支持音视频合成的档位（如10秒或32秒）。
6、点击【创作】按钮，系统将同步渲染画面与音频，生成带声视频文件。
二、通过后期合成工具叠加自定义音频
该方式适用于已拥有本地录制音频（如配音、背景音乐、SFX）的用户，利用 Vidu 导出无音视频后，在第三方工具中完成精准对齐与混音。
1、在 Vidu 中完成视频生成后，点击预览页右下角【下载图标】，选择导出格式为 MP4（无音频）。
2、准备您的音频文件，确保采样率与 Vidu 输出视频帧率兼容（推荐 48kHz / 30fps）。
3、打开剪映专业版、Adobe Premiere Pro 或 DaVinci Resolve 等软件，新建时间线并导入 Vidu 下载的 MP4 文件。
4、将自定义音频文件拖入音轨2，调整起始位置使其与画面关键动作点对齐（例如口型、物体撞击瞬间）。
5、启用软件内置的“音频波形对齐”或“手动帧级微调”功能，确保音画误差控制在 ±2 帧内。
6、导出最终成品时，选择 H.264 编码、AAC 音频、比特率不低于 6000 kbps，以保障音画同步稳定性。
三、调用 Vidu API 接入自定义音频参数（开发者模式）
该方式面向具备编程能力的用户，通过阿里云百炼平台调用 Vidu 图生视频 API，在请求体中嵌入 base64 编码的音频片段或音效指令，实现服务端级音画协同生成。
1、前往阿里云百炼控制台，搜索 Vidu 模型卡片，确认已开通 “中国内地(北京)”地域权限 并获取有效 API Key。
2、参考官方 API 文档中 “audio_prompt” 字段说明，构造 JSON 请求体，其中包含 image_url、text_prompt 和 audio_prompt 三个必填项。
3、将本地音频文件转换为 base64 字符串，并填入 audio_prompt 字段，格式限定为 WAV 或 MP3，时长不超过 15 秒。
4、设置 header 中 Content-Type 为 application/json，Authorization 值为 Bearer + 您的 API Key。
5、发送 POST 请求至 https://dashscope.aliyuncs.com/api/v1/services/aigc/video-generation/video，等待响应返回 task_id。
6、轮询 GET 接口获取生成结果，成功后下载含嵌入音频的完整 MP4 文件。
