图片转视频 AI：一张照片用三个模型做成视频

要用 AI 把图片转成视频，先打开图生视频工具，把照片作为第一帧上传，写一句想让画面怎么动，选一个视频模型，然后点生成。大约一分钟后，你就能得到一段 5 秒的短片，它正好从你的照片开始。

我们用一张人像、一句提示词，在三个不同的视频模型上做了测试，让你看到换模型时会有什么变化：动作、人脸、声音、速度和价格。

第一步：选一张适合动起来的照片

视频的第一帧就是你的照片，所以照片决定了大部分结果。以下这类照片效果最好：

• 一个清晰的主体，在画面里占得大，并且脸可见。
• 清晰、光线好。 照片里的模糊会变成视频里的模糊。
• 有活动空间。 正在走路的人前面有空间可以走；紧贴画面边缘的人就没有。

下面是我们用的照片：一位女士在黄昏的街道上，身后是虚化的城市，这是一张人像。

第二步：写一句关于动作的话

你不需要描述照片，模型已经看到了。你要描述的是接下来会发生什么。我们三个模型用的是同一句提示词：

公式很简单：谁做什么、布料或头发怎么动、镜头怎么动。 只写一个动作。「慢慢向前走并微笑」对模型来说很容易；「先走、再跳舞、然后挥手」就是人脸开始走样的地方。

第三步：选模型，看三种结果

三段视频都是 5 秒，用同一张照片和同一句提示词生成。

MiniMax H3

她转身、微笑、朝镜头走来，头发和夹克的摆动都和提示词要求的一致。配乐跟随了提示词里「自然的城市街道声」这句。费用：185 积分。

Kling 3.0

Kling 给出的表情最平静、最自然：是一个小而放松的微笑，而不是大笑，三者中皮肤细节也最清晰。声音默认关闭，所以这段是无声的。费用：336 积分。

Seedance 2.0 Fast

三者中最快，画面尺寸也最小（480p）。动作比另外两个更柔和。在你花更多钱做最好的那一个之前，它很适合先试五个想法。费用：225 积分。

并排对比

三段里，她的脸、头发和夹克在整段视频中都与照片保持接近。这正是图生视频模型该有的表现：让你的照片动起来，而不是把它替换掉。

第四步：下载、延长或使用特效

视频生成好后就可以下载。如果想要更长，可以从最后一帧延长视频。如果根本不想写提示词，视频特效是一键版的创意，比如气球升空、跳舞或拥抱。只需添加一张照片。

管用的提示词

• 走路。 「她慢慢朝镜头走来，风吹动她的头发。」
• 人像。 「他抬头微笑，轻轻点头。镜头缓慢推近。」
• 宠物。 「狗狗摇头摆尾，镜头保持不动。」
• 商品。 「镜头缓慢环绕马克杯，杯口升起热气。」
• 风景。 「云朵飘过天空，湖面泛起涟漪。」

常见问题

• 脸变了。 把提示词缩短到一个动作，然后用同一张照片换第二个模型试试。
• 几乎没动。 加一个镜头动作（「缓慢推近」）和一个身体或布料的动作（「她的围巾轻轻飘动」）。
• 结尾看起来怪。 要 5 秒，不要 10 秒；大多数模型在前五秒最稳定。
• 想要声音。 模型提供时就打开音频，并把声音写进提示词（「雨打在窗户上」）。

如果同一个角色要出现在很多段视频里，可以先在角色里做好这个角色，然后每次都用它作为起始照片。