图生视频是什么：给第一次听说的人讲清楚

流程本身很简单：上传一张照片、插画或产品图，写一两句话说明你想要什么动作，选一个模型，点生成，等一两分钟。但中间发生的事情，并不是传统意义上的动画。模型不是在挪图层，像做 GIF 那样把元素推来推去；它是把每一帧重新画一遍，用你上传的图作为极强的参考，再尽量让前后帧保持一致。

一句话回答

这个「重画」的细节，几乎能解释它在实战中的所有脾气。动作小的时候，一次眨眼、一次呼吸、头偏一点点，模型没有多少空间可以自由发挥，成片就贴着你拍的那个人或那件东西。动作一大，等于让它凭空补出大量新像素，脸开始漂、手指多一根、背景自己滑动，都从这里来。所以更准确的说法是：图生视频是一场被真实画面约束住的想象。

生成出来的到底是什么

拿到的是一个视频文件，不是循环动图，也不是可以继续编辑的场景。它很短，通常 5 到 10 秒，具体看模型。所以要按「几秒钟」来设计动作，而不是按「一分钟的叙事」来设计。

• 时长：几秒钟。写一个能在片长里做完的动作。
• 格式：普通视频文件，可以下载、剪裁、发布。
• 连续性：一个连续镜头，中途没有切，也没有第二个机位。
• 还原度：开头通常很接近原图，后面像不像，取决于你要了多大的运动量。
• 声音：有的模型只出画面，有的能带音频，打算配音之前先确认一下。

和文生视频、视频生视频的区别

文生视频是从零开始。你描述一个场景，主体、构图、光线、服装全由模型自己发明。手上没有参考图时它很好用；手上已经有了参考图时它就很折磨人，因为想从提示词里要回一张特定的脸或者一个特定的产品，基本是在反复抽卡。图生视频把这一段直接省掉：画面已经定了，模型只需要守住它，让其中一部分随时间变化。代价是灵活度——你没法要一个新角度，也没法要一个图里本来就没有的场景。

视频生视频是第三个选项，也是最多人跟图生视频搞混的一个。它的输入是一段视频，输出也是一段视频，通常做的是风格转换。手上有素材、想让它变成另一种质感，用它；手上只有一帧、想让它动起来，用图生视频。

实际都用在什么地方

真实的用途大多不炫技，范围也很小。模式几乎一样：图本身已经成立，加几秒钟运动，补上静帧给不了的那点东西。

• 产品图：缓慢旋转或者一道扫光，让目录图有点像摆在货架上。
• 人像和老照片：一次眨眼、一次呼吸、轻微转头，画面活了，人还是那个人。
• 广告和社媒：从海报或主视觉做一条五秒短片，比实拍便宜得多。
• 插画和概念图：轻轻推近，让一张平面的画出纵深。
• 分镜和提案：正式制作之前，先用动态草图把镜头讲明白。

目前确实做不好的地方

最先崩的一般是脸。一个能把静态人像画得很准的模型，一旦你要求大幅度动作，它就开始重新解释五官。手更糟，尤其是抓握或者横穿画面的时候，手指是经典翻车点；画面里有手，就把动作挪到别处去。文字和 logo 会抖，原因类似：模型是重画字形，不是拷贝字形，字号越小越先坏。

长动作会被截断。一条片子就是一个几秒钟的连续镜头，有起承转合的序列塞不进去。写一个动作，让它做完；需要三个节拍，就做三条片子，后期再剪到一起。

怎么开始才不浪费积分

视频按次计费，提示词含糊的代价很直接。视频模型一次 60 到 600 积分：Sora 2 是 60，Kling 90，Veo 3.1 是 300，Wan 2.5 图生视频 300、文生视频从 320 起，Seedance 500，Wan Animate 600。免费额度 50 积分；付费从每月 $4.90（年付 $24）起，每月 300 积分外加每天 10 积分。供应商侧失败的运行会退回积分，所以一次失败真正花掉的是时间。

1. 1挑一张主体清楚、背景简单、光线均匀的图。
2. 2只要一个很小的动作，镜头写死，不动。
3. 3成片开始漂，先减运动量，不要急着改提示词。
4. 4细微版本看着对了，再考虑加一点运镜。

调动作的阶段，可以先拿便宜一点的模型试，确认描述没问题，再换到贵的那个上跑最终版，这样反复试错的成本最低。另外，同一条提示词在不同模型上的表现差别很大，换模型之前先别急着改提示词，有时候只是模型的脾气不合。