跳到正文

ai视频教程:先看清手上有什么,再决定走哪条路

ai视频教程最容易走偏的地方,是一上来就挑工具。真正该先回答的是:你手上是文字、一张照片,还是一段参考动作?三种输入对应三条路,参数和坑都不一样。这篇给一张路线对照表、一条第一支片子的完整走查,以及真正需要调的五个参数。

作者:WowReel Team阅读约 16 分钟
ai视频教程:先看清手上有什么,再决定走哪条路
本页目录

# ai视频教程:先看清手上有什么,再决定走哪条路

ai视频教程最该先回答的一件事,不是哪个工具好用,而是你手上有什么。市面上的生成器只吃三种输入:一段文字描述、一张静态照片、一段参考动作。三种输入对应三条完全不同的路,参数不一样,容易出问题的地方也不一样。

这篇当地图用。三条路各讲到能上手的程度,再带你把第一支片子从头到尾走一遍。提示词怎么写、单张照片怎么挑,这两块各有专篇,文末导出去,这里只讲够用的部分。

先按“手上有什么”选路

选路只有一个判断标准:你要的画面里,有没有必须被认出来的东西。 有,就不能纯靠文字;没有,文字反而是最省事的入口。

三句话对号入座:

  • 手机相册里翻得出一张能用的照片 → 图生视频。
  • 只想要一个氛围、一个空镜,画面里没有具体的人 → 文生视频。
  • 手里有一段现成的动作或运镜,想套到自己的主体上 → 模板动作。
判断句走哪条你实际会拿到什么时候别走这条
相册里有一张主体清楚的照片图生视频照片里的那个人或那件东西动起来照片裁得太紧、光线太暗,先重拍
画面里不需要出现具体的人文生视频模型完全编出来的一段画面一旦要固定某张脸或某个商标,这条路就到头了
手上有一段动作想复用模板动作真实动作套到你的主体上模板角度和你的照片差太多,映射会歪
要按脚本出很多条文生视频,按镜头拆在剪辑软件里拼成一条镜头之间的连贯性没人替你兜底

绝大多数问“怎么开始”的人,手机里其实已经有一张照片——那就是第二条路,也是出片最快的一条。

路线一:文生视频,从一句话开始

你描述一个场景,模型把它画出来。你手上没有任何素材约束输出,这既是它好用的地方,也是它的边界。

适合:空镜、风景、天气、抽象运动、远景人群、氛围镜头。判断标准很简单——画面里没有需要被认出来的具体对象。

一句能直接用的描述长这样:

清晨灰蓝色的港口,一艘渔船缓慢横穿画面,镜头轻微前推,阴天散射光,画面稳定。

这类描述成立的原因,是画面里没有一张需要被认出的脸。

不适合:你在意的人脸、招牌上的字、商标、精确到指节的手部动作、同一个角色连着出好几个镜头。让模型画两次“同一个人”,你会拿到两个不同的人。

写法上只有两条是硬要求,另外两条是省事的技巧。

硬要求一:机位写成动作,不写形容词。“缓慢前推”“从左向右横移”模型能执行;“电影感”不指向任何一个位置关系。

硬要求二:一句话只挂一个动作。 5 秒只够一件事发生,写两件等于两件都看不清——想加第二个动作,就再出一条。

省事技巧:光源先写,句子短。“傍晚侧逆光”“左前方一盏台灯”比“氛围感光线”有用得多;主谓宾齐全的短句,比长从句更少被忽略。

清晨港口宽景,一艘渔船,镜头没有运动

路线二:图生视频,把已有照片动起来

这条是主力路线。输出的构图、长相、光线都继承你给的照片,等于把可控的部分提前锁住了。

一条总纲:源图决定上限。 一张正面、光匀、四周有余量的照片,交给哪个模型都能出干净片子;一张昏暗、歪斜、裁得很紧的照片,提示词写得多细都补不回来。

选图只有三条硬门槛,细节留给专篇:

  1. 短边至少 1000 像素,分辨率低时先糊的是脸。
  2. 主体完整入框,运动方向留出空间。 拍全身就拍到脚,全身入框,别让画面切在脚踝上。
  3. 背景干净或虚化,补光要正面,别让硬阴影压在脸上。

写动作,不写情绪。模型要知道的是“什么在动、动多远、镜头动不动”:

人物头部向左轻转并微笑,固定机位,上半身入框。

这是规格。“唯美、有生命力、有情绪”不是规格。

要更细的选图规则,看怎么把一张照片变成视频;动作句怎么写得扛住多帧,看AI 视频提示词指南。这两块本篇不展开,避免和专篇重复。

正面人像,光线均匀,背景干净,主体四周留有余量

路线三:模板动作,把真实动作套到自己身上

你不描述动作,而是给一段参考视频,模型把你的主体映射到那段真实运动上。编舞、走位、某个说不清的运镜、一个很难用文字描述的手势,都归这条。

模板解决的是文字描述解决不了的那件事:真实的接触关系。两个人的拥抱素材里,手臂放在哪、身体怎么贴合,帧里已经写好了;纯靠文字描述,模型只能猜。

代价在取景。模板是在特定角度、特定距离、特定机位下拍好的,你的照片得接近那个取景,否则映射会变形。生成前查三件事:

  • 朝向是否一致:模板里人朝左,你的照片也别朝右。
  • 裁切是否接近:半身模板配半身照片,别拿大头照硬套。
  • 模板要求的全身是否在你帧内:模板是全身构图,全身入框,脚就别让它被裁掉。

输出发软、发飘的时候,先怀疑取景对不上,别急着改提示词——这是这条路上最常见的原因。

真正需要调的五个参数

参数表很长,但真正决定成片可用与否的只有五个。

参数控制什么起步值
时长一个错误要扛多少帧5 秒;站住之后再上 10 秒
分辨率细节,以及试错的成本720p 起草,1080p 交付
画幅能发到哪、模型要补多少边9:16 竖屏、16:9 横屏,1:1 只给脸部特写
机位有多少画面需要重新画固定机位,最后才考虑加运动
运动幅度主体在画面里走多远小;第一版普遍给得太大

五行的规律是同一条:先给模型最少要编的东西,再一次加一个自由度。 固定机位先于运动机位,5 秒先于 10 秒,小幅度先于大幅度。这条顺序反过来,你会同时在五个方向上排查问题。

四个去处,三种画幅

画幅别等出片之后再想,那是最常见的一小时浪费。

  • 抖音、视频号:竖屏 9:16。主体要有头顶空间,动作落在画面中段,别贴边。
  • 小红书:9:16 或 3:4,封面单独出一帧,别拿视频首帧凑。
  • B 站:横屏 16:9。横屏信息多,适合把两三个镜头接起来。

分辨率跟着去处走:手机上看,720p 够判断;要发布,1080p 起步——别把草稿放大凑数。

串一遍:第一支片子分三段跑完

参数和画幅都定完,拿一张你不太在意的照片练手。整件事分三段,别一口气全做完。

第一段,点生成之前把三件事定死。 这三件定完,后面省下的时间远不止几分钟。

  • 照片:正面、光匀、主体居中、头顶留白,四周有余量。
  • 画幅:按发布的地方先选,别出完再裁。
  • 时长:5 秒。10 秒等于把每一帧的负担翻倍,第一版不碰。

第二段,只跑一次,只写一句动作。 主体 + 动作 + 方向 + 机位,机位写“固定机位”,形容词全省。分辨率用 720p——这一版是拿来判断的,不是拿来发的。

第三段,连看三遍,然后只动一个变量。

第一遍看是不是同一个人;第二遍看动作走完没有、有没有中途停住;第三遍看有没有东西进出画面。发现问题就对应改一处:身份飘换源图,动作过头缩句子,背景流动简化背景。改完再跑,仍然只改一处。

站住之后,同一张图、同一句话、同一时长,只把分辨率换到 1080p 重跑一次。跑完把源图、动作句、参数记进一个文件,下次改一个字就能复用。

FAQ

第一支片子要多久? 照上面三段跑一遍,十到十五分钟,包含挑照片的时间。大部分时间花在做决定,不在等生成。

没有照片,只有一个想法,能开始吗? 能,走文生视频。前提是画面里不需要出现某个具体的人——需要具体的人,就得先有一张照片。

画面技术上没问题,但看着还是假,为什么? 多半是光。生成画面默认是平的、没有方向的散射光,写清光源和方向,观感提升比改任何其他参数都明显。

一条片子能做更长吗? 能,但秒均质量会往下走。可靠的做法是几条 5 秒分别生成,在剪辑软件里接起来。

画幅会影响质量吗? 会,但两种损失不一样。拿横构图源图去出 9:16,上下多出来的部分得由模型编;反过来先出 16:9 再裁成竖屏,丢的是左右两侧,脚也常被切掉。所以一开始就让源图和输出同向。

五个参数里先调哪个? 时长。短片里其他问题都好改。

下一步

从照片起步,怎么把一张照片变成视频讲选图;动作句怎么写,AI 视频提示词指南讲结构。想知道静图里哪些部分真的能动,看怎么把照片变成视频:静图能动到什么程度。要让动作来自参考素材而不是描述,用模板替换视频人物讲映射流程。

想直接上手,打开模板页,用一张照片出一条 5 秒。

本文这些条件,可以拿一张照片在图片转视频工具里当场验:先跑 5 秒一条,看主体和构图撑不撑得住,再决定要不要往下做。

相关文章

相关工具与模板