图生视频就是上传一张图片，再用一句话告诉 AI 画面应该怎么动，它就能生成一段短视频。与纯文字生成视频相比，图片锁定了构图、人物和风格，结果更可控，也是目前做 AI 视频最常用的方式。本文讲清原理、选图、提示词写法和常见问题的处理方法。
一、图生视频是怎么回事
可以把视频理解为一连串连续的图片（帧）。图生视频模型做的事情是：把你给的图片当作第一帧，根据提示词“想象”接下来每一帧应该是什么样子。
模型在训练时看过大量视频，学到了现实中的运动规律，例如头发会随风飘动，人走路时手臂会前后摆动，镜头推近时画面中的物体会变大。生成时，它会在保持原图内容的同时，按照这些规律一帧一帧地推演出变化。
理解这一点，有两个直接的推论：
- 原图决定了上限：模型只能在原图的基础上发挥，原图模糊、结构混乱，视频不会变好。
- 越常见的运动越自然：走路、转头、风吹、水流这类在视频中大量出现的动作，效果通常很好；罕见、复杂的动作更容易出错。
二、选图要点
选对图片，问题就解决了一半。挑选或生成原图时，注意以下几点：
- 主体清晰：画面中有一个明确的主体，边缘清楚、不糊。多个主体挤在一起时，模型容易把它们“融”在一起。
- 留出运动空间：如果想让人物向右走，人物应该在画面左侧，右边留空；如果想让镜头推近，主体不要已经占满整个画面。
- 人物结构完整：脸部清晰，手部尽量完整可见或自然地藏起来。原图里已经畸形的手，动起来只会更糟。
- 比例与用途一致：原图的宽高比通常会决定视频的宽高比，竖屏视频就用竖图。
- 避免大面积文字：画面中的文字在运动过程中很容易变形。
三、运动提示词怎么写
图片已经交代了“画面里有什么”，所以提示词不需要再描述外观，重点写“怎么动”。推荐按三部分组织：
[主体动作] + [镜头运动] + [氛围 / 环境变化]
示例：
女孩缓缓转过头看向镜头，微微一笑。镜头缓慢推近。微风吹动她的头发，午后阳光闪烁。- 主体动作：一次只写一到两个动作，写清方向和速度，例如“缓慢地向左转头”。
- 镜头运动：一次只用一种镜头运动。同时写“推近”和“环绕”，结果往往两个都做不好。
- 氛围：环境中的细节变化，例如烟雾飘散、光影移动、树叶晃动，能让画面更生动。
下面是常用的镜头术语。多数工具支持中文提示词，部分海外工具用英文效果更稳定，可对照使用：
| 中文 | 英文 | 含义 |
|---|---|---|
| 推 | push in / dolly in | 镜头向主体靠近，主体逐渐变大 |
| 拉 | pull out / dolly out | 镜头远离主体，展示更多环境 |
| 摇 | pan（左右）/ tilt（上下） | 镜头位置不动，原地转动方向 |
| 移 | truck left / right | 镜头整体横向平移 |
| 跟 | tracking shot / follow shot | 镜头跟随运动中的主体 |
| 环绕 | orbit / arc shot | 镜头围绕主体转圈 |
| 升 / 降 | crane up / crane down | 镜头垂直上升或下降 |
| 变焦 | zoom in / zoom out | 镜头不动，改变焦距放大或缩小 |
| 固定镜头 | static shot | 镜头完全不动，只有主体在动 |
| 手持 | handheld | 轻微晃动，有纪实感 |
部分工具在界面上提供了镜头运动的选项或滑杆，如果有，优先使用界面控制，比写在提示词里更准确。
四、首尾帧控制的思路
只给第一帧时，视频最后会变成什么样由模型决定。如果你需要精确控制结果，可以使用首尾帧功能（不少工具都提供，名称可能不同）：同时上传开头和结尾两张图，模型负责生成中间的过渡。
适合的场景：
- 状态变化：花苞到盛开，空杯到倒满，白天到黑夜。
- 精确的镜头落点：从全景推到某个特写，结尾画面必须是指定的构图。
- 衔接多段视频：把上一段视频的最后一帧作为下一段的首帧，可以把几段短视频接成连续的长镜头。
五、常见问题与应对
主体变形、物体“融化”
通常由动作太复杂或太快导致。简化动作，加入“缓慢地”“轻微地”等描述；换一张主体更清晰、与背景区分更明显的原图。
画面闪烁、细节抖动
纹理细密的区域（草地、头发、织物花纹）容易闪烁。可以减小运动幅度，或改用固定镜头；成片后在剪辑软件中适当降低锐化也有帮助。
人物崩坏：脸变了、手指多了
- 避免大幅度转身、快速手部动作，多用“微笑”“眨眼”“转头”等小动作。
- 人物在画面中别太小，脸部越小越容易变形。
- 提示词中可以加入“保持面部一致”“动作自然”等描述，工具支持负面提示词时，可以写入“变形、多余手指、面部扭曲”。
画面几乎不动，或者乱动
几乎不动：动作描述太模糊，写得更具体，例如把“动起来”改成“海浪拍打礁石，浪花飞溅”。乱动：删掉多余的动作，只保留一个主要动作和一种镜头运动。
六、5 个提示词模板
替换方括号里的内容即可使用。
1. 人物肖像
[人物]缓缓[抬头/转头]看向镜头，眼神自然，轻轻眨眼，嘴角微微上扬。固定镜头。微风吹动发丝，柔和的光线。
2. 产品展示
[产品]静止放在[桌面/台面]上。镜头缓慢环绕产品半圈。光线在产品表面缓缓移动，背景柔和虚化。
3. 风景空镜
[场景]中，[云层缓慢移动/水面泛起涟漪/树叶随风轻摇]。镜头缓慢向前推进。[清晨薄雾/金色夕阳]，宁静的氛围。
4. 人物行走
[人物]从画面左侧向右侧自然行走，步伐平稳。镜头跟随人物横向移动。背景中[行人/车辆]缓慢经过。
5. 美食特写
[食物]冒出袅袅热气，[酱汁缓缓流下/芝士微微拉丝]。镜头缓慢推近至特写。暖色灯光，浅景深。先用这些模板跑通流程，再根据结果逐步调整。掌握了图生视频，就可以把自己生成的图片或拍摄的照片变成短视频素材，也为制作更完整的 AI 短片打下了基础。