图生视频：如何挑选和准备参考图

图生视频把一张静态照片变成一段短视频。你给模型一张图片，再用几句话说明画面该怎么动，剩下的交给模型。

听起来很简单，确实也很简单。但你选的照片影响巨大。好照片能生成干净、稳定的视频；差照片可能带来变形的面孔、奇怪的形状，还浪费积分。

本文讲解图生视频的原理、如何挑选好照片，以及如何写动作提示词。内容依据各模型厂商自己的文档，每个出处都附有链接，方便你核对。来自我们网站本身的建议会特别注明。

文中的方法都可以在我们的 图生视频 工具中尝试。

图生视频的原理

在大多数图生视频工具中，你的照片会成为视频的第一帧，模型再想象接下来会发生什么。

xAI 在 Grok Imagine 文档 中说得很直白：你传入的图片“会成为第一帧，提示词描述接下来发生的事”。

这对你的做法影响很大：

• 视频的外观主要来自你的照片。
• 提示词应主要描述动作，而不是外观。
• 照片里有问题的地方，视频里依然会有问题。

Replicate 上的 Veo 3.1 说明 也给出了同样的建议：提示词“应描述你想看到的动作和运动，而不只是描述图片里已有的内容”。

为什么要用照片？

不需要特定外观时，文生视频就很好用。但有些任务需要完全一致：

• 你自己的商品，包括真实的标签和形状。
• 一个真实地点，比如你的店铺或街道。
• 固定的风格，比如品牌配色。
• 一个需要在多段视频中保持一致的角色。

这些很难用文字精确描述，但照片可以做到。所以这类任务往往更适合图生视频。

如果不需要完全一致，可以改用 文生视频。我们的 文生视频提示词指南 介绍了那类提示词的写法。

我们的工具支持什么

以下是 Everygen AI 当前的规则，来自我们网站本身：

• 文件格式： JPEG、PNG 或 WebP。
• 文件大小： 不超过 10 MB。
• 画幅： 可以从所选模型支持的画幅中选择，也可以选 Auto（自动）。

有些模型会让输出画幅与你的照片一致。例如 xAI 的 Grok Imagine 文档 表示，输出“始终与静态图的宽高比一致”。所以上传前先把照片裁成你想要的画幅会更好。

如何挑选好照片

模型只能处理它看到的内容。下面这些建议能帮它看清楚。

选清晰、光线好的照片

模糊和浓重的阴影会隐藏细节，模型只能去猜。奇怪的形状往往就是猜出来的。

Veo 3.1 说明 建议使用“主体清晰的高质量图片”；对于参考图，也建议使用“清晰、光线良好、从所需角度展示主体的图片”。

好照片的特征：

• 主体对焦清晰。
• 主体边缘清楚可见。
• 光线均匀，没有很深的黑影。
• 没有明显的噪点或颗粒。

只保留一个清晰的主体

只有一个清晰主体的照片更容易动起来。人和物很多的照片更难处理，因为画面里每样东西都可能动，每样都可能出错。

照片太杂乱的话，就裁剪，或者换一张主体更突出的照片。

留出运动空间

挑照片之前先想好动作。如果想让人物向右走，右边要留出空间；如果想让镜头拉远，裁得太紧可能没有足够的周边画面可以展现。

留一点空白，模型才有发挥的余地。

选对角度

模型会从照片中的角度开始。如果视频里想要汽车的侧面，就从侧面照片开始。大幅转动很难，和目标镜头接近的照片更稳妥。

避免需要保留的文字

标签、招牌之类的小字在运动时容易糊掉。如果文字必须保持清晰，就让附近的动作轻一些，或者之后用剪辑软件加上。

只用你有权使用的照片

只上传你拥有或获得授权的照片，涉及真人的照片尤其要注意。我们的 可接受使用政策 说明了禁止的内容，例如未经同意的真人深度伪造。

如何准备照片

上传前做几个小步骤，可以省下积分。

1. 裁成目标画幅。 想要手机竖屏视频，就先裁成竖图。
2. 调整光线。 适当提亮暗部，不要过度。
3. 去掉杂物。 裁掉或清理会分散注意力的东西。
4. 检查文件。 确保是 JPEG、PNG 或 WebP，且不超过 10 MB。

如果照片需要较大改动，可以先编辑。我们的 图生图 工具可以用提示词修改照片，比如更换背景或调整光线，然后把修改后的照片作为起始帧。

完全没有照片？那就做一张。用 文生图 生成干净的起始画面，再带到图生视频里。这种两步法能让你更好地控制第一帧。

如何写动作提示词

既然外观由照片决定，提示词就该写运动，简短清楚即可。

写清楚什么在动

说明哪个部分要动、怎么动。

• “女人慢慢转头，露出微笑。”
• “热气从杯中升起。”
• “旗帜在微风中飘动。”

写清楚什么不动

这一点同样重要。不写的话，模型可能会移动你想保持不动的东西。

• “瓶子保持不动，只有光线从瓶身上移过。”
• “背景保持不动。”

写清楚镜头怎么动

选一种运镜，或者不用运镜。

• “缓慢推近。”
• “镜头慢慢拉远。”
• “固定镜头。”

Google 的 Veo 3.1 指南 列出了推轨、跟拍、摇臂、航拍、慢摇和主观视角等运镜。每个片段一种运镜最稳妥。

动作要小

细微、自然的动作通常效果最好。从静态照片出发做大幅动作很难。微风、缓慢转身或轻柔的运镜都是不错的起点。

完整示例

假设照片里是窗边木桌上的一杯咖啡，动作提示词可以这样写：

热气从杯中缓缓升起。柔和的晨光从桌面上移过。杯子保持不动。固定镜头。

它写了什么在动（热气、光线），什么不动（杯子），镜头怎么拍（固定）。它没有描述杯子的样子，因为照片里已经有了。

首帧与尾帧

有些厂商表示，自家模型允许同时设定第一帧和最后一帧，由模型补出中间的动作。

快手的 Kling 3.0 指南 列出 Kling 2.6 和 Kling 3.0 都支持“首尾帧生成视频”。xAI 的 文档 表示 Grok Imagine 1.5 可以固定首帧和尾帧。

这些是厂商对模型能力的说法。在 Everygen AI 上，首尾帧功能仍在开发中，即将推出。目前我们的工具只会把你的照片作为起始帧。

保持角色一致

常见的需求是让同一个人或吉祥物在多段视频中保持一致。各厂商的做法不同：

• 快手表示 Kling 3.0 可以通过主体绑定“锁定”角色，在推拉摇移时主体保持稳定。
• 字节跳动表示 Seedance 2.0 最多可输入 9 张图片、3 段视频和 3 段音频作为参考。
• 字节跳动表示 Seedance 2.5 将上限提高到 30 张图片、10 段视频和 10 段音频。
• 阿里巴巴表示 Wan 2.7 有单独的参考生视频模型。
• xAI 表示 Grok Imagine 1.5 最多可使用 14 张参考图。

同样，这些是厂商对自家产品的说法，在 Everygen AI 上，各模型的参考图功能仍在开发中。始终有效的简单办法是：每次使用同一张清晰的起始照片，并让动作保持轻柔。

常见问题与解决办法

脸部变形。 换一张更清晰、正面、光线均匀的照片。动作要小，比如写“微微一笑”，而不是“大笑着转身”。

不该动的东西动了。 加一句说明什么保持不动，例如“背景保持不动”。

画面几乎没动。 提示词可能太笼统。写出哪个部分动、怎么动。“树叶在风中摇曳”比“让它动起来”清楚得多。

边缘被拉伸。 模型可能在补画照片外的区域。上传前把照片裁成目标画幅。

商品上的文字糊了。 文字附近保持镜头不动，或者之后用剪辑软件加上文字。

先低成本测试，再提高画质

每个片段都会消耗积分。我们的生成器会在提交前显示确切费用。费用取决于模型、分辨率和时长，积分按时长折算并向上取整。

好习惯是先低成本测试：用较低分辨率或较便宜的模型试一试，动作对了，再用需要的画质重新生成。完整费率表见我们的 价格页。

如果任务失败或被模型服务方拒绝，这次的积分会自动退回你的余额。

三个可以试的例子

商品镜头

照片：白色桌面上的一支护手霜。

提示词：一束柔光缓缓滑过瓶身。瓶子保持不动。固定镜头。

人像

照片：一位看向镜头的女性，柔和的窗光。

提示词：她眨了眨眼，露出浅浅的微笑。头发在微风中轻轻飘动。背景保持不动。缓慢推近。

风景

照片：日落时分的湖泊与山丘。

提示词：湖面泛起细小的波纹。云朵缓缓向左飘去。镜头慢慢向右平移。

每个例子都写了什么在动、什么不动、镜头怎么拍。

从头到尾的完整示例

我们完整走一遍。假设你卖蜡烛，想为店铺页面做一段短视频。

1. 选照片。 你选了一张清晰的照片：素色木桌上放着一支蜡烛，光线柔和均匀，火焰上方有空间。
2. 准备照片。 裁成适合手机的竖图，确认是 JPEG 且不超过 10 MB。
3. 写提示词。 “火焰轻轻摇曳。一缕细烟升起。蜡烛和桌子保持不动。固定镜头。”
4. 低成本测试。 先用低分辨率生成。火焰动得很好，但瓶身标签有点糊。
5. 只改一处。 加上一句：“标签保持清晰不动。”再生成一次。
6. 正式生成。 测试结果满意后，在生成器里确认费用，用需要的分辨率生成。

每一步都很小，这正是关键。小步调整，才容易看出是什么起了作用。

该选哪个模型？

每个模型的费率、时长和功能都不同。我们的 如何选择视频模型 一文把这些事实并列整理。

快速检查清单

点击生成之前：

• 照片是否清晰、光线良好？
• 是否只有一个清晰的主体？
• 是否已裁成想要的画幅？
• 是否是 JPEG、PNG 或 WebP，且不超过 10 MB？
• 你是否有权使用这张照片？
• 提示词是否写了什么在动？
• 是否写了什么保持不动？
• 是否只有一个运镜，或者没有运镜？
• 是否看过积分费用？

小结

• 照片会成为第一帧，决定整体外观。
• 选清晰、光线好、主体单一的照片。
• 上传前裁成目标画幅。
• 提示词写动作：什么在动、什么不动。
• 动作保持细微自然。
• 先低成本测试。

准备好了吗？打开 图生视频，上传照片，描述动作。

参考资料

• xAI：Video overview 与 Image-to-Video
• Replicate：Veo 3.1 说明
• Google Cloud：Ultimate prompting guide for Veo 3.1
• 快手：Kling VIDEO 3.0 使用指南
• 字节跳动 Seed：Seedance 2.0 正式发布 与 Seedance 2.5 正式发布
• 阿里云：Wan2.7-Video 发布
• Everygen AI：价格与积分费率 与 可接受使用政策