不能，至少 ChatGPT 自己已经不能了。截至 2026 年 10 月 17 日，ChatGPT 没有内置的视频生成功能。OpenAI 的视频应用 Sora 曾是在 ChatGPT 账号里生成视频片段的途径，而 OpenAI 帮助中心称，Sora 的网页版和应用版已于 2026 年 4 月 26 日停止服务，Sora API 将于 2026 年 9 月 24 日停止。
不过 ChatGPT 在视频工作中依然有用。它能制作和编辑图片，写脚本和分镜，还能把模糊的想法变成视频模型能听懂的提示词。而且 ChatGPT 可以通过 MCP 服务器调用外部工具，所以你可以接入一个视频服务，在同一段对话里拿回真正的视频片段。本文讲 ChatGPT 自己能做什么、不能做什么，以及在对话里拿到视频的具体步骤。
ChatGPT 在视频上能做什么、不能做什么
下面是人们最常提的几类请求，以及会得到的结果：
| 你向 ChatGPT 要求 | 你得到的结果 |
|---|---|
| 「帮我做一段 10 秒的视频……」 | 没有视频文件。它会说明做不到，或改为给出脚本或提示词。 |
| 一张图片或一张海报 | 真正的图片。ChatGPT 的图片功能在所有套餐里都能制作和编辑图片。 |
| 脚本、故事板或分镜表 | 可以，而且这部分它做得很好。 |
| 给视频模型用的提示词 | 可以。告诉它你要用哪个模型，它会调整措辞。 |
| 一段视频，且已连接视频工具 | 来自该工具的真实片段，以链接的形式出现在对话里。 |
规律很简单：ChatGPT 自己产出的是文字和静态图片。动态画面需要单独的视频模型，而 Sora 停服之后，ChatGPT 不再附带视频模型。
Sora 发生了什么
Sora 是 OpenAI 的文生视频产品，通过它自己的应用和网站使用，用 ChatGPT 账号登录即可。OpenAI 帮助中心关于停服的文章（2026 年 10 月 17 日查阅）给出了上面的日期，并补充了两点实用信息：在那里做好的视频仍然可以导出，剩余的 ChatGPT/Sora 积分可以用于 Codex。
所以，如果你今天搜索「ChatGPT 能做视频吗」，看到一些写着「能，用 Sora」的旧指南，那说的已经是不存在的东西了。你需要另一个视频模型。我们用同一条提示词在其中六个模型上做了测试，附上了真实片段和每个模型的价格，见 Sora 替代方案 页面；视频生成器 列出了你现在能用的全部模型。
ChatGPT 在视频上仍然擅长的部分
即使没有视频生成器，ChatGPT 也能在渲染之前的每一步帮你省时间：
- 创意。 让它为一段 15 秒的产品预告想五种不同的开场，然后挑一个。
- 脚本。 它能写出符合指定长度的旁白。可以这样要求：「30 字以内，适用于 10 秒的片段」。
- 分镜表。 让它把一个场景拆成三个 5 秒的镜头，每个镜头配一种运镜。短镜头是当前视频模型处理得最好的。
- 提示词。 描述主体、动作、镜头和声音。好的视频提示词读起来应该像一段清楚的文字，而不是一串关键词。
- 首帧。 让 ChatGPT 生成开场镜头的静态图片，再用图生视频模型让它动起来，这样片段就会从你想要的画面开始。
下面是按这种方式写成的一条提示词，也就是我们在 2026 年 10 月 17 日测试六个视频模型时用的那一条：
Golden hour on an old wooden pier by the sea. A Black street musician in his forties, wearing a gray knit beanie, sits on a crate playing acoustic guitar with his case open in front of him. A young woman with red hair and a denim jacket glides past on roller skates, spins once, and drops a coin into the guitar case; he grins and nods to her. Seagulls drift overhead and the water glitters behind them. Camera: a smooth tracking shot that follows her, then settles on him in a medium shot. Sound: a warm fingerpicked guitar melody, skate wheels rolling on wooden planks, waves, gulls, and the clink of the coin.
如何在 ChatGPT 里借助 PopNow 做视频
ChatGPT 可以使用 MCP 服务器提供的工具。Model Context Protocol 是一个开放标准，用来把工具接入 AI 助手（modelcontextprotocol.io）。PopNow 在 api.popnow.ai/mcp 上运行着这样一个服务。连接之后，ChatGPT 就能调用 PopNow 的 create_video 工具，片段会以链接的形式回到对话里。
步骤如下：
- 在网页版 ChatGPT 中打开插件（Plugins）。 点击加号按钮，选择「添加自定义 MCP 服务器」。
- 粘贴 PopNow 地址。 名称填 PopNow，在「连接」下填入
https://api.popnow.ai/mcp，登录方式选 OAuth。确认风险提示后，把它创建为插件。 - 登录并授权。 ChatGPT 会打开 PopNow；登录后点击「允许」。之后可以在 PopNow 的账号设置里断开连接。
- 请求一个片段。 在新对话里输入 @，选择 PopNow，然后描述视频。如果时长或画幅很重要，就一起说明（例如「竖版，用于手机」）。
有一点需要提前知道：OpenAI 帮助中心目前说明，自定义 MCP 服务器连接只在网页版的 ChatGPT Business 以及 Enterprise/Edu 套餐中可用，无法通过移动应用设置。如果你看不到「添加自定义 MCP 服务器」，说明你的套餐或工作区管理员还没有开放这项功能。同样的步骤以及 Claude 的做法，都写在 PopNow 在 ChatGPT 和 Claude 中 页面上。
得到什么、要花多少
如果没有指定模型，create_video 会使用 MiniMax H3，分辨率 768p、画幅 16:9、时长 5 秒。这次花费 185 积分，典型片段需要一到三分钟。每次请求开始前都会先告诉你价格，超过 30 积分的会等你确认后才开始。如果片段生成失败，积分会退回你的余额。
这是我们在测试中，MiniMax H3 用上述默认设置为那条海边提示词生成的结果：
她一边旋转一边张开双臂滑过，随后镜头推近，给出吉他手的一个干净中景。硬币落下的动作发生在画面之外，这很正常：5 秒很短，所以每个片段最好只放一两个动作。
想换个风格？在消息里直接指定模型即可。「使用 Kling 3.0」可以选择 4K，并且在我们的测试中动作最自然；「使用 Seedance 2.5」最长可以一镜到底生成 30 秒。让 ChatGPT「列出 PopNow 的视频模型」，它会调用 list_models，返回每个模型及其价格。
没有商业版套餐？另外两条路
- Claude。 Anthropic 帮助中心说明，自定义连接器可用于 Free、Pro、Max、Team 和 Enterprise 套餐，其中 Free 账号限一个（添加方法）。在 Customize 下添加同样的 PopNow 地址，再进入 Connectors，然后用同样的方式请求视频。
- 网站。 让 ChatGPT 写好提示词，再粘贴到 视频生成器 里。模型相同，积分相同，素材库也相同。
常见问题
ChatGPT 能免费做视频吗？
ChatGPT 本身在任何套餐下都不能做视频。通过 PopNow，默认的 5 秒片段花费 185 积分，按片段付费，无需订阅。要把 ChatGPT 连接到 MCP 服务器，还需要套餐允许使用自定义服务器。
有官方的 ChatGPT 视频生成器吗？
Sora 停服之后就没有了。那些标榜「ChatGPT 视频生成器」的页面，本质上是把聊天机器人和单独的视频模型拼在一起，和通过 MCP 连接 PopNow 是同一个思路。
ChatGPT 能把我的照片变成视频吗？
ChatGPT 自己不能。连接 PopNow 之后，附上照片并要求它动起来即可。create_video 会运行图生视频模型，把你的图片作为第一帧。
ChatGPT 能编辑我已有的视频吗？
不能。它无法打开或修改视频文件，但可以为你写好剪辑方案或字幕，由你在视频编辑软件里执行。
ChatGPT 能做带声音的视频吗？
声音来自视频模型，而不是 ChatGPT。默认的 MiniMax H3 没有声音开关，在我们的测试中返回了配乐：吉他旋律和海浪声。Kling、Seedance 和 Wan 可以开关声音。
