要做 AI 影片，先寫一段簡短的一個鏡頭描述（畫面裡有誰、他們做什麼、鏡頭怎麼動、會聽到什麼聲音），選一個影片模型，然後按下生成。五秒的片段大約一分鐘就會出來。在 PopNow 上，預設模型 MiniMax H3 生成一段附聲音的五秒影片要 185 點數。如果你想先決定第一格畫面長什麼樣，就改從一張圖片開始，這叫圖生影片。
以上就是整個流程。本指南其餘部分講的是決定影片好不好的關鍵：該寫什麼、該用哪一種起點，以及該有什麼預期。我們在 2026 年 10 月 17 日用同一個場景做了兩種影片，兩段都放在本頁，並附上完整的提示詞。
做 AI 影片的兩種方式
| 文字生影片 | 圖片生影片 | |
|---|---|---|
| 你提供 | 一段文字描述 | 一張圖片加上動作描述 |
| 最適合 | 有想法但手上沒有圖片 | 需要特定的臉、產品、服裝或構圖 |
| 你能控制 | 故事與鏡頭 | 第一格畫面的確切樣子 |
| 要注意 | 模型替你決定細節 | 動作必須從那個特定姿勢開始 |
大多數新手應該先從文字生影片開始。這是最快了解模型如何理解你文字的方式。當外觀很重要時，再改用圖生影片：例如你自己的產品、你已經設計好的角色，或是想讓它動起來的照片。
如何用文字生成 AI 影片
- 打開影片生成器。 它會開在生成頁，預設選好 MiniMax H3，解析度 768p、比例 16:9、長度 5 秒。
- 寫一個鏡頭。 用一段文字描述主角、動作、鏡頭和聲音。五秒內能容納一兩個動作，裝不下一整個故事。
- 選比例。 16:9 適合 YouTube 和筆電，9:16 適合手機，1:1 適合動態牆。
- 看按鈕上的價格，然後按生成。 開始前按鈕會顯示確切點數。如果片段失敗，點數會退回。
- 看完後只調一件事。 如果鏡頭的動作怪怪的，只改鏡頭那一句再跑一次。一次全部改，就很難知道哪個改動有效。
這是我們用的提示詞，寫法就是有效的那種：
Early morning on a wet cobblestone street in an old European town. A woman in her late twenties with curly red hair and a yellow raincoat rides a vintage green bicycle with a wicker basket of bread past a small bakery with warm glowing windows. She rings the bell and smiles as a few pigeons take off from the stones in front of her. Camera: a smooth side tracking shot that keeps pace with her. Sound: the bicycle bell, tires on wet stones, fluttering wings and a quiet town waking up.
這是生成的結果，按下生成後 32 秒完成：
它做對的部分：雨衣、腳踏車、麵包籃、發亮的麵包店和濕濕的石板路，還附上了配樂。它改掉的地方：她一開始是朝鏡頭騎過來，而不是從側面經過；麵包店遮陽棚上的字則是亂碼。這兩點都很常見。模型會把鏡頭指示當成參考，而且還無法在影片裡穩定地寫出招牌字。如果店名很重要，就從招牌已經正確的圖片開始。
如何用照片生成 AI 影片
- 準備第一格畫面。 用你自己拍的照片，或在圖片生成器做一張。我們的第一格是用同一個場景的一段描述做出來的。
- 打開影片生成器並加入圖片。 選擇「用照片開頭」，把圖片拖進來作為「加入首幀」。影片的比例會跟著圖片走。
- 只描述動作。 圖片已經告訴模型是誰、在哪裡，所以提示詞只需要寫接下來發生什麼、鏡頭怎麼動，以及聲音。
- 生成。 用 MiniMax H3 生成五秒片段要 185 點數，和文字生影片的價格相同。
我們用的動作提示詞是："She keeps pedaling along the wet cobblestones, rings the bicycle bell and smiles; the pigeons in front of her take off into the air. The camera tracks smoothly alongside her." 片段 46 秒後完成：
這次鏡頭確實沿著她移動，一隻鴿子就在車輪前飛起，而且她的臉、頭髮和外套從第一格到最後一格都和靜態圖完全一致。這就是圖生影片的真正優勢：模型不用自己發明外觀，所以能把力氣花在動作上。
如何寫 AI 影片的提示詞
好的影片提示詞應該像導演寫的一段清楚文字，而不是一串關鍵字。依下面四個部分、按這個順序寫：
- 主角。 是誰或什麼，加上兩三個重要的細節：「一位二十多歲、有著捲曲紅髮、穿黃色雨衣的女子」。
- 動作。 五秒內發生的一兩件事：「按鈴並微笑，鴿子同時飛起」。
- 鏡頭。 一種運鏡：跟拍、緩慢推近、固定的遠景、手持特寫。如果不確定怎麼說，提示詞框下方的「攝影機」按鈕有十幾種現成的運鏡可以選。
- 聲音。 寫出你想聽到的聲音。會生成音訊的模型對這一點的配合度出奇地好。
三個能省點數的習慣：每段片段只拍一個鏡頭、寫你要的東西而不是你不要的、每次重跑只改一件事。
該用哪個模型，要花多少
PopNow 有幾十個影片模型，模型庫列出每一個並附上範例。第一支影片，這三個就涵蓋了大部分需求：
- MiniMax H3，預設模型。動作和聲音都好，不用想任何設定：5 秒 768p 要 185 點數。
- Seedance 2.0 Mini 用 480p，適合在你調整提示詞時快速出草稿：5 秒要 124 點數。
- Kling 3.0，當你想要 1080p 或 4K，以及非常自然的動作時使用；每個解析度的價格請看它的模型頁。
需要一支以上的鏡頭？可以把每個鏡頭各自做成片段再接起來；或用延伸影片從上一段的最後一格接著往下拍。如果你只想輸入一句話，就得到一支有多個鏡頭、旁白和配樂、並且已經剪好的成品影片，那正是 AI 影片製作工具的用途：它會先寫好計畫、做出每個鏡頭，再把它們剪在一起。
常見問題
可以免費做 AI 影片嗎？
PopNow 按次用點數計費，沒有訂閱。一段 5 秒的 MiniMax H3 片段要 185 點數，一段 480p 的 5 秒 Seedance 2.0 Mini 草稿要 124 點數。所以先用便宜的 480p 草稿測試提示詞，再花錢做更清晰的版本，是最省的方式。生成失敗時，點數會退回你的餘額。
做一支 AI 影片要多久？
我們的兩段 5 秒片段分別花了 32 秒和 46 秒。更長的片段、更高的解析度或尖峰時段都會更久；幾分鐘是正常的。
可以用我自己的照片做 AI 影片嗎？
可以。把照片加為首幀，再描述動作。請使用你本人的照片，或已經同意的人的照片，並且臉部要清楚可見。
AI 影片有聲音嗎？
許多模型現在會隨畫面一起生成聲音。MiniMax H3 根據我們的提示詞，自己加上了鈴聲、輪胎聲和街道的聲音。其他模型，例如 Kling 和 Seedance，可以開啟或關閉聲音。
AI 影片可以多長？
大多數模型每段生成 5 到 10 秒，有些可以到 15 秒或更長。要更長的影片，就做幾段再接起來，或每次延長幾秒。
