AI 图片转视频：让静态照片动起来

静态照片已经有光、有主体、有构图。图生视频补上的是时间：头发会动、衣料会垂坠、镜头会缓慢推移，原本平铺在页面上的照片，变成能让人多停留三秒的短片。

本文讲的是 Animate AI 视频生成器 背后的实际操作：哪些照片能用、提示词怎么写，以及模型修不好什么。如果原图本身就糊、光不对、手缺了一截，加动效也救不回来。

图生视频到底在做什么

模型把你的照片当成第一帧，然后预测后面几帧应该长什么样。它不是三维重建：没有可编辑的相机、没有深度图、没有时间线。你用文字描述运动，中间帧由模型自己补。

这带来三个结论：

• 第一帧是锚点。 原图干净锐利，成片才干净。
• 小动作比大动作安全。 推镜、微风看起来真实；整个人转身容易变形。
• 文字描述的是意图，不是物理。 写「镜头缓慢推近」比写「85mm、f/1.8」有用。

上传前的素材检查

• 主体在 100% 放大下是清晰的。
• 脸是正的，或者最多轻微侧转。
• 手是完整的，没有和别的物体交叉。
• 背景足够简单，动起来不会露馅。
• 长边至少 1000 像素。
• 画面边缘没有被裁掉的重要部分。

如果上面有两条不满足，先去修图。五秒钟的短片藏不住原图本身就有的问题。

试一个运动预设

上面这个实验台加载了三个验证过的提示词。你可以改运动方式、复制提示词，或者带着提示词直接打开视频工作台。工作台会在开始生成前显示积分消耗。

四段式提示词

一个可靠的图生视频提示词按顺序写四段：

1. 动什么。 「让上传的照片动起来」，或「让照片里的两个人动起来」。
2. 哪部分在动。 头发、衣料、蒸汽、转头、抬手。
3. 镜头怎么动。 推近、拉远、环绕、横移、保持不动。
4. 什么不能变。 脸、服装、背景布局、人数，不要文字。

其余都是装饰。十个形容词的长提示词往往互相冲突，结果反而更僵。

示例：人像

让上传的人像照片缓慢推近。保持五官、发色和服装不变。头发有轻微飘动，自然眨眼。暖色窗光，浅景深，不切镜，无文字，不增加人物。

示例：产品

让上传的产品图做可控的转台旋转。保持标签、形状和颜色稳定。干净的影棚背景，左前方柔光，真实反射，不出现手，不叠加文字。

示例：风景

让上传的风景照片动起来：云缓慢飘移，水面轻微流动。镜头固定。黄昏光线，运动自然，可无缝循环，不出现人物，无文字。

能扛住的镜头运动

从低风险开始。第一条成片站得住，再往上加一档。

常见失败与修法

脸在漂。 缩短场景描述，把「保持脸不变」提到最前面，去掉改变头部角度的镜头运动。

手变多了。 把原图裁一下，别让手贴着画面边缘；或者干脆让镜头不动。

背景化开了。 背景越复杂，模型要编的东西越多。先用修图工具换成干净背景。

成片像幻灯片。 加一个具体的动词：「头发在微风中飘动」比「让它动起来」有效。

产品上的字变形。 要求标签稳定、让标签正对镜头；还不行就在剪辑软件里后期加字。

成片用在哪

• 落地页首屏的循环短片。
• 产品页展示材质和体积感。
• 社交平台的短帖，后期再加字幕。
• 家庭照片，让它「活」一点但不改变本人。
• 房产、酒店预览页，静态图太扁平时。

短片要短。3–5 秒循环干净，加载也比长视频快。

需要知道的限制

• 输出是短片，不是完整剪辑：这个页面没有时间线、没有音轨、不做多镜头叙事。
• 一致性不错，但不是完美。极端角度、严重遮挡、合照里很小的脸都会漂。
• 生成运动会自行脑补细节。发布前每条都看一遍，尤其是带 logo 和正脸的内容。
• 你需要拥有原图的使用权，以及照片里人物的授权。

常见问题

图生视频免费吗？

浏览工作台、复制提示词是免费的。生成需要消耗已购买的积分，工作台会在开始前显示预估。 浏览器工具 免费，因为它们在本地运行，不调用托管模型。

片子应该多长？

3–5 秒最实用。循环干净、成本更低，也躲开大多数社交平台的自动播放限制。

可以商用吗？

在遵守 服务条款 并拥有原图权利的前提下可以。不要上传你没有授权使用的照片。

合照能用吗？

可以，但要小心。人数少、脸清楚、镜头不动。人数多、遮挡重是漂移最常见的原因。

效果不对怎么办？

一次只改一个变量：先改动词，再改镜头运动，最后加强身份约束。原样重跑很少能解决原图本身的结构问题。

准备好了就打开 AI 视频生成器；如果只是要裁剪或压缩素材，先用 免费浏览器工具。