怎么用 AI 把一张照片做成视频？

照片动画到底在做什么

图生视频类模型，是把你这张照片当作第一帧，然后预测它后面的帧。它不是重画你的主体，而是接着画下去。所以一张清晰、打光均匀的照片能干净地动起来，而一张合影里糊成一团的局部，出来的就是融化的脸——模型没有结实的边可以接。

另外两种做法也常被叫作「照片动画」，但性质完全不同。对口型模型是靠一段音频驱动嘴形和头部动作，适合一张需要「开口说话」的肖像。风格迁移则是把照片重画成某种画风——卡通、人偶、老胶片——它改变的是画面本身，不是接着画下去。如果你要的是照片里的人按他原本的样子动起来，那你需要的是图生视频。

第一步：挑一张经得起动的照片

大部分废片，在花第一个积分之前就已经注定了。模型只能让它看得见的东西动，所以你得先给它看得见的东西。

• 主体明确。一张肖像、一只宠物、一件产品、一个全身人像——不是一群人。
• 主体在画面里占足够大的比例。脸只有 40 像素宽，动起来也就 40 像素宽。
• 要动的那部分必须对焦清楚。原图里的运动模糊，到下一帧会变成模型自己编出来的细节。
• 光要匀。硬阴影会吃掉模型用来跟踪转头、抬手的那些边缘。

第二步：描述动作，不要描述画面

照片已经说明了画面里有什么，再复述一遍只会白白占掉模型的注意力。先说镜头怎么动，再说主体怎么动，最后说氛围。一句话通常就够，三个短句好过一大段。

• 差：「一个花园里的女人，很美，4k，写实」。好：「镜头缓缓推进，她转向镜头微笑」。
• 差：「让它动起来」。好：「狗歪了一下头，耳朵轻晃，镜头不动」。
• 差：「电影感婚礼视频」。好：「镜头向左缓慢平移掠过两人，彩纸缓缓落下」。

如果是特写，动作一定往小里写。15 度的缓慢推进，看起来像昂贵的摇臂镜头；绕着脸转 180 度，看起来像渲染崩了。拿不准的时候，就想一个摄影师只有一副三脚架和一条滑轨时，会怎么拍。

第三步：按需求选模型

站上每个模型都是按次计费、以积分结算，开始跑之前价格就摆在页面上。便宜的不等于差，它们只是用时长、分辨率或动作幅度换了价格。

第四步：先看成片，真要用再放大

看第一秒，不是最后一秒。脸、手、文字是生成帧最容易露馅的地方，而且一般都早早崩掉。片子好但糊，做一次视频放大比重新生成便宜得多：放大 75 积分，远低于重跑一次的 60 到 600。如果唯一的问题是别人家的水印或奇怪的浮层，去水印是 10 积分。

到底要花多少积分

单次生成在 60 积分（Sora 2）到 600 积分（Wan Animate）之间。新账号注册送 300 积分——够跑一次 Veo 3.1 Fast，或者五次 Sora 2——之后每天登录再送 50。付费方案从每月 $4.90 的 300 积分起、每天再送 10，不想包月的话，一次性积分包 $9.90 起、500 积分。

价格在任务开始前就定死了，跑完也不会变；如果是服务商或我们这边出了问题没出成片，积分自动退回。你买的是成片，不是一次尝试。

照片动画是怎么做砸的

• 脸在融化：原图里脸太小或太糊。裁紧一点重新上传。
• 两个人糊成一个人：两个主体在画面里挨得太近。分开各做一次。
• 背景在扭曲：提示词要了大动作，而照片里有大量笔直的线条。把动作收小。
• 画风不对：原图滤镜太重，模型没有多少自然纹理可以接下去。从你手上最原始的版本开始。

这些都不需要换工具，只需要换一张原图或者少写一句话。这也是为什么在第一、第二步花的那两分钟，整体上最省积分。