如何用 AI 将图片生成视频

图生视频 AI 可以把一张静态图片变成新生成的动态短片。将源图上传到 Video Generator，描述哪些内容需要运动、镜头应如何移动，选择画幅与时长，然后生成并检查返回的视频。模型会创建原图中不存在的新画面，因此它适合让主体或场景真正动起来，而不是制作简单的幻灯片效果。

图生视频 AI 实际改变了什么

静态图片只固定了一个瞬间。模型必须推测这个瞬间之前或之后会发生什么：人物如何转移重心，布料如何响应，反光如何移动，背景会有什么变化，镜头又如何运动。源图提供外观与构图，提示词提供时间变化。

如果只需在不改变照片内容的情况下缓慢缩放或平移，请使用 Image Motion，它更快，结果也更可预测。只有需要场景内部产生新动作时，才适合使用图生视频，例如商品旋转、蒸汽上升、角色转头看向镜头、树叶随风摆动，或者镜头环绕后展现新的角度。

生成画面只是对后续内容的合理推演，并不会锁定源图的每一个像素。人物特征、小字、手部、商品形状和背景细节都可能发生偏移。第一次结果应当视为需要检查的镜头，而不是自动完成的最终成片。

用五步把一张图片生成视频

1. 准备清晰的源图。 选择主体明确、边缘清楚，并为预期动作留有空间的图片。提前把图片裁到接近最终画幅，避免模型在画面外大面积补充不存在的内容。
2. 把它添加为参考图片。 打开 Video Generator，在参考图片中上传一张图片。使用 Auto 和兼容的单图设置时，这张图片会引导生成镜头的起始帧与外观。
3. 描述动作，而不是重复图片内容。 说明主体做什么、环境中什么会动，以及镜头如何响应。颜色、服装、形状与构图已经包含在图片中。
4. 选择合适的画幅和时长。 根据发布平台选择宽高比。第一次测试保持简短；除非需要某个模型独有的输入或输出控制，否则模型使用 Auto 即可。
5. 生成并检查视频素材。 先以正常速度看完整段视频，在问题位置再逐帧检查。进入剪辑前，确认开场、主体一致性、动作、边缘、背景、文字和最后一帧。

写出动作可控的提示词

实用的提示词可以按这个顺序组织：主体动作、环境运动、镜头行为、节奏、声音。如果连续性很重要，应明确要求一个连续镜头。

陶瓷小鸟把头转向窗户，窗帘的柔和影子缓缓掠过桌面。镜头慢慢推进，构图保持稳定，节奏像安静的清晨。轻微的室内环境声，窗外有远处鸟鸣。

这段提示有效，是因为每项要求都会随时间发生变化。“电影感、漂亮、细节丰富”可以描述外观，却没有告诉模型该让什么动起来。使用转向、打开、飘动、跟随、推进等具体动词，才能给短片一个清晰任务。

不要在一次短生成中堆叠无关动作。“人物起身、走到室外、上车并开走”需要多个镜头和转场。每次只生成一个动作；如果需要一段完整流程，再把确认过的短片剪到一起。

让主体保持可辨认

优先使用最干净且符合用途的图片，而不是信息最拥挤的图片。主体醒目、轮廓清楚时，留给模型重新解释的模糊区域更少。细密图案、小号文字、交叠的手、透明物体和反射尤其需要仔细检查，因为轻微变化也很显眼。

第一次尝试应使用克制的动作。轻微转头、商品转动、光线移动或缓慢推进镜头，都比全身动作加大幅环绕镜头更容易评估。主体保持稳定后，再在下一次生成中增加动作幅度。

必要时明确指出哪些内容应保持稳定，例如固定镜头高度、不变的服装、稳定的商品形状或静止的背景。这些要求能改善任务说明，但不是绝对锁定。包含品牌标记、人脸、手部或重要物体的每一帧都需要检查。

第一次生成不必使用复杂设置

Auto 会根据输入与设置选择兼容的视频模型。第一次单图测试可使用一张参考图、简单提示词、720p；横屏选择 16:9，竖屏选择 9:16。先用短片判断动作思路是否成立，再尝试更长或更高分辨率的版本。

兼容的生成路径会提供生成音频控制，请根据用途使用。即使镜头需要自然环境声或同步音效，具体行为与输出仍取决于所选模型。生成后务必检查音频；不需要的声音可在剪辑时静音，或替换为单独制作的旁白、音乐或音效。

只有当每张图片都有明确用途时，才增加参考图，例如同一商品的另一个角度，或者独立的风格参考。多张参考图可以帮助定义主体身份或外观，但任务也会从“让一张特定静态图动起来”变成“协调多个来源”。可用模型与限制会随输入变化；保留 Auto，或只选择表单明确支持该组合的模型。

排查常见的图生视频问题

问题	可能原因	下一次如何改进
短片几乎没有动作	提示词描述的是外观，而不是变化	增加一个主体动作和一个镜头运动
主体形状发生变化	动作幅度过大，或源图存在歧义	减小动作，并使用更干净的源图
镜头出现不需要的切换	提示词包含多个地点或行为	要求一个连续镜头和一个动作
画面边缘补出不存在的区域	源图裁切与输出画幅不匹配	先把源图裁到接近目标比例
文字或标志变形	生成画面无法精确保留字符	生成完成后再添加准确文字与品牌元素

每次重新生成只做一个有意的改动。如果同时更换源图、动作、镜头、画幅和时长，就无法判断哪项决定改善或破坏了结果。

用确认过的镜头组成更长视频

图生视频最适合作为单个镜头的制作步骤。保留满意的短片，单独制作下一个镜头，再在剪辑阶段判断连续性。这样能限制失败尝试的成本，也能让每条提示词只关注一个可见动作。

准备把多个镜头、音频、字幕与品牌元素规划为完整制作流程时，可继续阅读如何制作 AI 视频。