用途：把无声、生成、动画、游戏、广告或社交视频片段做成可信的音效底床。定位是制作加速器，不是成品混音，需人工决定哪些自动化、哪些手工校点。
主要能力：依据画面与文本提示生成同步音效；支持环境声、脚步、衣物、道具、冲击、车辆、机械、人群、天气、UI 等声音角色；可按声学场景分段生成，再在剪辑软件中对齐瞬态、交叉淡化与分层。
使用方式：先复制并保留原视频，确认上传与发布权限，去除或静音原声，按一个动作、一个地点或一个环境区裁剪，保留 6-12 帧余量。制作 spot list（时间码、可见成因、声音角色、同步优先级、声学视角、制作方法、权利与排除项），再按场景底、主角动作、材质机制、视角与密度、排除项分层写提示词。生成后与画面同步审看，标记漂移、错误声源、多余事件与缺失主角音，再叠加精确音效并混音。
适用场景：短片、社交视频、动态分镜、广告临时轨、游戏原型、氛围铺底。
限制：帧级精确同步、可复用游戏资产或分离音轨、含隐私或未发布素材、需真人声音或受版权保护音效时不宜仅依赖自动 V2A；模型端点、模型 ID、费用、许可、时长限制与商用条款易变，付费或承诺交付前须查最新文档。资料未提供具体价格与平台支持细节。