Knight Cat AI 视频 TikTok 发布指南：9:16 竖版画幅、安全区与下载全解析
Knight Cat AI Team如何把 Knight Cat AI 的渲染成片发布到 TikTok：9:16 竖版构图、开场半秒的画面取舍、字幕摆放位置、安全区域，以及 MP4 下载的具体流程。
Knight Cat AI 的渲染作品本身就是 9:16 竖屏、时长约十秒，这正是短视频信息流的原生形态，因此把它发布到 TikTok 的工作主要是构图和文字摆放，而不是重新调整格式。你上传一张猫咪照片、选择一个预设，Seedance 2.0 模型便会返回一个私密 MP4，你下载该文件后即可发布到任何你选择的地方。本页讨论的是渲染完成之后真正重要的实际决策：为什么竖屏输出更契合、如何选择开头半秒内发生的事、字幕与画面文字应该放在哪里，以及画面中哪些区域可以安全使用。
为什么 9:16 输出契合短视频信息流
手机上的短视频信息流高度大于宽度，因为你手中的设备就是高大于宽。一条横向的 16:9 片段放进这个信息流，要么被加上黑边、上下留出黑条，要么被裁切，左右边缘就此消失。两种情况都不理想。如果你曾在手机上观看横屏片段，发现主体被挤在屏幕中间的一条窄带里，那就是用错误宽高比生成所付出的代价。
竖屏 9:16 的渲染没有这种代价。它不裁切地铺满屏幕边缘到边缘，这意味着你在提示词中做出的构图决策能完整传递给观众。没有任何东西被切掉，也没有任何东西被补边，你在工作室预览中看到的构图就是观众看到的构图。这就是为什么竖屏在这里是默认交付格式，而不是事后补上的选项：模型是在为目的地创作，而不是先做横屏、再指望你之后去裁切。
第二个有利属性是时长。默认渲染大约十秒，定价卡片上的标准档位为十二秒。十秒短到足以在注意力漂移之前结束，又长到足以容纳一个清晰的节拍。这也意味着文件很小，当你用手机流量上传时这一点很重要。
输出以 MP4 导出，且不带水印，因此该文件可以直接交给任何应用，无需转换步骤，也无需为避开叠加层而裁切。
工作室能产出什么
在讲构图细节之前，有必要先精确说明这个工具给你什么，因为这些限制塑造了下文的每一个决策。
- 一张参考照片。 你的猫或狗，上传一次。照片锚定主体的毛色花纹、脸型和斑纹，使宠物在服装和场景变化时依然可辨认。
- 四个预设之一。
stormy_moor（风暴荒原）、giant_protector（小猫与巨人骑士）、castle_gate（黄昏的城堡大门）和milk_guardian（牛奶的守护者）。 - 约十秒的 9:16 竖屏输出，由 Seedance 2.0 解码并以 MP4 交付。
- 私密渲染。 不会发布到任何公开信息流。视频属于你的账户，直到你决定发布它。
你可以直接在本页跑通整个流程，在围绕它规划任何剪辑之前先看看结果长什么样。
本条视频：30 积分 · 每月 6 条为 $39.90（Pro），或每年 80 条为 $319
为什么竖屏画幅契合信息流
竖屏构图会改变什么内容读起来顺畅。在宽画幅中，一个小主体可以置身于大片景致里，由环境来完成叙事。在竖画幅中，主体往往占据中间带状区域，上下空间则是氛围性的：天空、石墙、火光、地面。这就是为什么把宠物置于醒目位置的预设，在竖屏中效果如此干净。一只猫坐在食盆前，需要上方空间来容纳室内光线，下方空间来容纳地板，而 9:16 画幅两者都给你，且不必裁切动物。
实际后果是，你应该同时考虑画面的上三分之一和下三分之一，而不只是中心。如果你的提示词让整个场景均匀填满画面，你就会失去竖屏构图带来的纵深感。如果你让门楼、旗帜这样的高耸结构占据上三分之一，画面读起来就是一个场所，而不是一块背景板。
选择开头的半秒
开头的半秒决定了观众是否留下。在信息流里，这大约是你片段的头几帧，而观众在这段窗口里只能接收两件事：他们在看什么，以及什么在动。
最可靠的开场是那个在第一帧就把动物放大入画、并呈现一个清晰动作的预设。milk_guardian 和 castle_gate 都以宠物居中、镜头稳定开场，因此第一帧立刻就能读懂。giant_protector 开场更宽，所以第一帧更像是建立镜头而非主体镜头，它要求观众先读懂猫与超大骑士之间的体量关系，之后其他信息才被接收。这可能很有戏剧性，但读起来更慢。
这里有两条规则有帮助。第一，每个镜头只保留一个动作。一个镜头里要求两三个独立动作，会让其中一些被抹糊或直接丢失，因为模型是把固定的帧预算分摊到你请求的所有内容上。一次抬爪、一次转头或一次缓慢推近都读得很清楚；三者同时出现就不行。第二，开头那一拍最好用固定机位。镜头语言是真实存在的参数，运动镜头会把生成的帧花在视差和背景位移上，而不是花在主体上，留给动物的预算就更少。静态镜头更稳定，而稳定正是让第一帧可读的原因。
如果你想要特定的开场姿态，最强的杠杆是参考照片，而不是纠正性的提示词文本。身份锚定依据的是图像实际包含的内容，所以一张你想要的姿态的照片，胜过一句描述它的句子。当提示词暗示了参考照片没有展示的身体姿态时，就会出现多余的肢体，因为模型对隐藏的几何结构没有图像依据，只能靠猜。一张清晰的参考姿态加上单一动作，能避免其中大部分问题。
字幕与画面文字
字幕有两个作用：让人们静音也能观看，以及在场景还来不及自我解释之前，告诉观众他们在看什么。骑士猫在视觉上并不寻常，所以一句简短字幕是有价值的。
句子要短。一行，大约六到十个词，描述场景而不是评价它。字幕应位于画面下部，但要高于界面控件，这就是下面安全区表格之所以重要的原因。如果你自己写字幕，而不是让平台自动生成，就把它写成对画面中正在发生之事的平直陈述，并避免在画面其他地方再叠一行文字。在十秒的片段里，两个文字块相互竞争会分散注意力。
还有一个与这个工具特别相关的考虑。渲染不带水印，所以你是在一张干净图像上放置自己的文字。这是优势，因为你不必在角落与叠加层较劲；但这也意味着画面里没有任何东西阻止你把文字正好放在平台放置自己控件的位置。
安全区域、宽高比与格式指引
每个短视频竖屏信息流都会在视频上绘制界面元素：右侧是按钮和字幕，靠近底部是字幕块和账号名，顶部还有少量界面装饰。你放在这些区域里的文字可能被遮挡。下表列出 9:16 画幅的各个区域以及如何处理它们。
| 9:16 画幅中的区域 | 大致范围 | 放什么 | 避免什么 | | ----------------- | ------------------------ | -------------------------------- | ---------------------------------- | | 顶部边缘 | 上面十分之一 | 天空、天花板、远处的石墙、氛围 | 文字，因为顶部界面装饰可能与之重叠 | | 中上区域 | 大约第 10 到第 40 百分位 | 宠物的头部和场景中的主要高耸元素 | 你想让人一眼看清的细小细节 | | 中间带状区 | 中间三分之一 | 你的主体及其单一动作 | 什么都不放，这是工作区 | | 中下区域 | 大约自上往下三分之二处 | 一行字幕文字 | 第二个竞争的文字块 | | 底部边缘 | 下面十分之一及最底部条带 | 地板、地面阴影、渐变 | 字幕和文字，界面控件就在那里 | | 右侧下半部 | 沿右侧的竖向条带 | 仅放场景内容 | 文字，操作按钮就画在那里 |
结论是稳妥的：把画面中部当作你自己的，把最边缘当作借来的。字幕放在略高于底部中央的位置，并与左右边缘都留出边距，就能在各种信息流和设备上存活。
| 格式属性 | Knight Cat AI 渲染的取值 | 为什么对发布重要 | | -------- | ------------------------------------------------- | ------------------------------------------- | | 宽高比 | 9:16 竖屏 | 无需加黑边或裁切即可铺满手机信息流 | | 容器 | MP4 | 短视频应用直接接受，无需转换 | | 时长 | 默认约 10s，Standard 为 12s | 短到只容一个节拍，长到足以读完一句字幕 | | 分辨率 | 480p（5 积分）、720p（10 积分）、1080p（30 积分） | 1080p 默认是信息流的安全选择；480p 适合测试 | | 水印 | 无 | 没有需要裁掉的叠加层，文字下也没有遮挡 |
以适合信息流的设置进行渲染
分辨率是对发布最重要的设置，而成本表很短。一次 480p 十二秒渲染花费 5 积分，720p Standard 渲染花费 10 积分，默认的 1080p 交付花费 30 积分。更长的片段按基础费率线性缩放，并向上取整到整数积分。
对于信息流，1080p 默认是直接了当的选择：它就是交付规格，能经受平台重新编码，也不需要放大。如果你还在挑选预设或测试提示词，480p、5 积分能用同样的花费换来多得多的尝试次数，这是在投入全分辨率运行之前明智的试验方式。当前档位列在定价页面上。
账号的创建方式决定了你能花多少。Google 登录一次性发放 30 积分，刚好够一次 1080p 默认渲染。邮箱注册立即发放 0，并从每日签到累积：第一次签到 10 积分，第二次 20，第三次 30，之后四次各 10 积分，每 24 小时一次。如果渲染失败，该次尝试的积分会退回到原余额，所以技术错误不会让你损失起初的余额。
为一条帖子编排多个镜头
十秒就是一个节拍。如果你想要一条帖子展示同一只猫的两三个瞬间，可靠的方法是分别生成，而不是把提示词塞得过满，因为要求多个动作的提示词会把其中一些抹糊或丢失。
- 把每个节拍生成为独立的渲染，只设一个主导动作，并尽可能使用与预期姿态相符的参考照片。
- 下载每个 MP4。每次渲染都只属于你的账户，从那一刻起就归你使用。
- 在剪辑器里排列片段，把最强的那一个镜头放在最前，因为开场那一拍决定了后面的内容会不会被看完。
- 把总时长控制得适度。两三个十秒节拍是一条连贯的短帖；五个就属于另一种格式，对注意力的要求也不同。
- 字幕只放一次，放在安全区内，而不是在序列的每个片段上都放。
如果你正为同一只猫在多次发帖中建立统一的视觉标识，提示词指南里的方法说明了如何在多次生成之间保持场景语言一致。若想了解这种格式本身为何成为关注对象，关于这一趋势的解读介绍了其前提，且不含任何统计性论断。
下载与保存文件
MP4 下载就是这一侧流程的终点。渲染的任何部分都不会发布到公开信息流，除非你自己选择分享文件，否则没有其他账号能看到你的作品。如果你上传的照片是你不希望被索引的，这一点很重要；它也意味着发布时点完全由你决定，而不是生成行为带来的副产品。
保留原始 MP4，而不是只留平台上的副本。平台会重新压缩上传的视频，而二次编码会损失毛发和金属边缘这类精细纹理的细节。下载操作指南说明了文件落在哪里以及如何保留最高质量的版本。主页面有登录和上传流程，如果你还没开始；博客目录列出了其他指南。
常见问题
发布到短视频信息流之前，我需要裁切或重排渲染格式吗？ 不需要。输出本身已是 9:16 竖屏，并以 MP4 交付，正是这些应用期望的画幅和容器。裁切反而会去掉模型构建的构图。
开头半秒应该发生什么？
主体应该大而醒目地入画，并有一个清晰的动作在进行。milk_guardian 和 castle_gate 都以稳定、居中的主体开场，这是最容易读懂的开场。把镜头控制在单一动作，并在这第一拍使用固定机位。
字幕文字放在哪里安全？ 放在画面中部、略高于下三分之一处，并与左右边缘留出边距。最底部的条带是信息流控件绘制的地方，下半部的右侧是操作按钮所在之处，所以那里的文字可能被遮挡。
视频有水印吗？ 没有。任何分辨率下的任何渲染都没有水印，因此没有需要裁掉的叠加层，也没有东西被字幕遮住。
一次渲染要花多少钱？ 480p 十二秒输出是 5 积分，720p Standard 渲染是 10 积分，默认 1080p 交付是 30 积分。更长的片段按基础费率线性缩放，并向上取整到整数积分。
渲染内容其他人能看到吗？ 不能。渲染仅对创建它的账户可见，不会发布到任何公开信息流。文件何时、何处发布由你决定。
为什么我的片段里出现了多余的肢体？ 几乎总是因为提示词暗示了参考照片没有展示的姿态，于是模型对隐藏的几何结构进行了猜测。使用与你想要的姿态相符的照片，并把镜头缩减为一个动作。