把 照片 變成 影片:先讀懂這張照片的運動預算
把 照片 變成 影片,差別往往不在工具,而在照片裡的東西是什麼材質。頭髮、布料、水面、煙、光線天生有動作可以接;磚牆、文字、商標、建築直線一動就露餡。

本頁內容
# 把 照片 變成 影片:先讀懂這張照片的運動預算
把 照片 變成 影片,差別往往不在工具,也不在提示詞,而在照片裡的東西是什麼材質。頭髮、布料、水面、煙、光線、遠處的人群,天生就有動作可以接;磚牆、文字、商標、建築的直線,則會在你要求它動的瞬間露餡。
同一組設定,一張照片看起來像拍出來的,另一張像融掉了——差別通常是你要求了「不該動的部分」去動。
每張照片都有一個運動預算
一張照片裡,關於「東西動起來會長怎樣」的資訊是有限的。窗簾被風吹起的瞬間被拍下來,模型知道有空氣在動、布料是軟的;窗簾直直垂著被拍下來,模型什麼都不知道,它發明的任何動作都是猜的。
這就是為什麼同樣的解析度、同樣的提示詞,一張好動、一張難動。運動預算在拍攝那一刻就決定了,你可以花掉它,但沒辦法在生成時加回來。
三個在按下生成前就能提高預算的條件:
- 畫面裡有東西正在動。 頭髮微微揚起、布料有一道摺痕、水面有清楚的波紋、煙有方向。
- 有明確的光源。 有方向的光讓模型有東西可以在表面上移動;平光沒有東西可以動。
- 前後景分離。 主體背後是遠處的柔焦,它就有空間可以動;主體貼著細節很多的牆,它只能原地動。

會動的材質,其實只有四類
八種常見的材質,背後只有四個原理。記原理比背清單有用,因為遇到清單上沒有的東西,你還是判斷得出來。
| 類別 | 包含什麼 | 為什麼好動 | 一句話怎麼寫 |
|---|---|---|---|
| 柔軟的 | 頭髮、布料、窗簾、旗子、樹葉 | 有彈性,摺痕本身就帶方向 | 窗簾向右擺動一次 |
| 流動的 | 水面、海浪、積水、煙、蒸氣、霧 | 本來就在動,波紋與流向直接給模型資料 | 水面泛起細微漣漪 |
| 發光的 | 火、燭光、陽光、玻璃反光 | 本質是亮度變化,不需要守住形狀 | 陽光緩慢掃過牆面 |
| 遙遠的 | 遠處的人群、車流、飛鳥 | 小、看不清、沒有身分可以失去 | 街道盡頭的人群緩慢移動 |
共同點是:這些東西的形狀,觀眾沒有辦法拿記憶去比對。沒有人確切知道某一朵浪花該長什麼樣,所以幾乎任何合理的浪花都過關。反過來說,只要觀眾腦中有「正確答案」——一扇窗、一個字、一個商標——模型就沒有犯錯的空間。
動不了的七種材質
這張表按「救得回來多少」排序,不是按常見程度。前面兩列救不回來,只能換畫面;後面五列還有救,但代價各不相同。
| 材質 | 為什麼不行 | 會發生什麼 | 怎麼解 |
|---|---|---|---|
| 文字、商標、招牌 | 生成不會保住字形 | 字母蠕動、糊掉 | 救不回,把文字移出畫面 |
| 螢幕與印刷圖 | 高對比平面細節 | 內容逐格改變 | 救不回,避開或讓它佔畫面很小 |
| 建築、磚牆、水泥 | 剛性、幾何已知、有直線 | 牆面像在呼吸,線條彎曲 | 改遠景,或讓前景有東西在動 |
| 家具與室內 | 剛性,通常是畫面的錨 | 椅子漂移、地板線扭曲 | 改用窗光、窗簾、蒸氣當動作來源 |
| 近距離車輛 | 輪圈幾何、板件縫隙 | 板件起伏、輪胎糊成一片 | 拉遠,或只讓反光移動 |
| 硬邊產品 | 對稱與直線是可以檢查的 | 邊緣抖動、透視偏移 | 讓光在產品上移動,而不是讓產品轉 |
| 畫面邊緣的東西 | 可參考的資訊最少 | 邊緣扭曲往內拉,畫素被拉伸 | 主體往中央收,四周留空間 |
如果主體落在前兩列,解法不是更好的提示詞,而是換一張照片。做法有兩個:在剛性主體前面加一個會動的元素(前景的樹葉、走過的人、飄過的煙),或是接受這個鏡頭應該是「主體不動、鏡頭動」,而不是「主體動」。
臉的預算:只能做微表情
臉可以動,但它是整張照片裡預算最小的一塊,上限寫得很死。把 5 秒內能做的事列成表,超支就會被看出來。
| 動作 | 幅度 | 5 秒內上限 | 為什麼 |
|---|---|---|---|
| 眨眼 | 一次完整閉合 | 兩次 | 眼睛是大塊平面色塊,位移一個畫素就換了表情 |
| 轉頭 | 十五度以內 | 一次 | 超過就要模型發明「頭的另外一側」 |
| 嘴角 | 慢慢成形 | 一次 | 整個表情換掉等於重新捏一張臉 |
| 呼吸 | 肩膀微微起伏 | 持續 | 幅度小,但足以讓畫面「有在動」 |
| 髮絲 | 畫面邊緣 | 持續 | 不屬於臉,卻是臉部鏡頭最便宜的動作來源 |
四件事會讓臉當場破功:轉到超過側面、張大嘴、片段中途換表情,以及任何需要模型想像後腦勺的動作。這四件不要寫進提示詞,來源照片裡也盡量不要出現——與其事後修,不如一開始就不讓它有機會發生。身分撐得住小動作,撐不住大動作,這跟其他重疊問題是同一條規則。
這也是為什麼人像片段通常是 5 秒、鎖定機位:整個運動預算都花在臉上,沒有分給畫面框。
按題材分配運動預算
| 題材 | 建議長度 | 動作數量 | 關鍵做法 |
|---|---|---|---|
| 人像 | 5 秒 | 1 個微動作 | 鎖定機位,動作寫在臉或髮絲上 |
| 寵物 | 5 秒 | 1–2 個 | 耳朵、尾巴、頭部傾斜都好用;不要要求走路 |
| 產品 | 5 秒 | 1 個 | 動作交給光與環境,不要轉產品 |
| 風景、城市 | 10 秒 | 2–3 個 | 雲、水、樹葉、遠處車流可以同時動 |
| 室內 | 5 秒 | 1 個 | 動作來源只有窗光、窗簾、蒸氣、燭火 |
人像。 5 秒、鎖定機位、一個微動作。轉頭加眨眼已經是兩個,挑一個。全身入框的鏡頭可以讓步伐或重心移動,但那樣臉就要保持不動。
寵物。 比人寬容,因為毛與耳朵是高頻細節。耳朵抖一下、尾巴擺動、頭歪一下都很好讀。不要要求走路的循環,腿的幾何是剛性而且可檢查的。
產品。 主體是剛性的,所以動作必須來自環境:光掃過表面、反光移動、背景元素飄過。旋轉產品本質上是運鏡,不是主體動作,而剛性物體上的運鏡正是變形最明顯的地方。
風景與城市。 報酬最高的一類。雲、水、植栽、遠處車流、光線都在動,而且沒有一個有可檢查的幾何。10 秒的風景常常比 5 秒的人像容易。
室內。 最難的一類,因為幾乎所有東西都是剛性的。運動預算只能從窗戶、窗簾、蠟燭、杯子冒出的蒸氣,或從外面進來的光去想。

三個在生成前就能拉高成功率的輸入
說穿了,這三件事都是減法:減少要動的東西、減少背景的細節、減少一句話裡的動作。
減主體:讓畫面上只有一個東西該動。 動作往哪個方向去,那邊就要留白;主體貼著畫面邊緣,它沒有地方可以移動,而邊緣扭曲會是第一個冒出來的瑕疵。
減背景:把不該動的東西先弄糊。 背景是細節很多的室內,就先模糊掉。模型會把注意力放在細節上,而背景的細節正是你沒有要求它動的部分。
減動作:一句話只留一個動詞。 「頭髮被左側微風輕輕吹起」交代了主體、幅度、成因與方向;「有生命力、會動、氣氛感」什麼都沒交代,模型只會自己挑一個方向動。
五步流程
- 把照片當材質表來讀。 列出畫面裡哪些是軟的、流的、發光的、遠的,那就是你的運動預算。
- 挑預算最大的那一個元素。 人像挑頭髮,風景挑水,室內挑蒸氣。
- 為那個元素寫一句話。 主體、方向、幅度、鎖定機位,四個元素。
- 用 5 秒、最低解析度生成。 這一步只判斷「選中的元素動得合不合理」,其他都不看。
- 定版後用同一句話跑 1080p。 只改解析度,其他全部不動。
如果選中的元素動得好,但別的地方在扭,做法是把那個「別的地方」移出畫面,而不是加更多指令去描述它。指令越多,模型要同時滿足的條件越多。
輸出比例在生成前就決定。社群短影音(Instagram Reels、YouTube Shorts、TikTok)用直式 9:16,方形貼文與 Threads 用 1:1,要嵌進網頁或 YouTube 長片用 16:9。三種比例各自生成,不要用 16:9 事後裁成直式——裁切會切掉動作的方向,也會讓畫素重新取樣一次。需要拼接多段時,把同一組設定的片段放進剪輯軟體對齊,比要求模型一次做長更好控制。
運動預算不夠時的三個補救
照片拍都拍了,預算不夠怎麼辦?三個做法可以在不動快門的情況下補回來。
第一個,把動作換到別的元素上。 人像的頭髮貼著頭皮、沒有風,就讓畫面裡的光緩慢移動;室內沒有窗簾,就讓杯子冒出的蒸氣承擔動作。原來的預算不足,不代表整張照片都不能動。
第二個,把畫面收緊。 裁掉細節最多的背景,主體變大,模型需要維持的元素變少,動作就更容易成立。全身入框的構圖若背景很雜,改成腰部以上往往立刻改善。
第三個,把長度縮短。 5 秒的片段只需要一次合理的動作;10 秒需要兩到三個動作,而每一個都是一次新的推測。先做 5 秒,成立之後再談延長。
常見問題
任何照片都能做成影片嗎? 任何照片都能被處理,但看起來像不像拍出來的,取決於原片的運動預算。柔軟、有光、正在動的主體可以;剛性、平光、完全靜止的主體不行。
為什麼我的照片會變成液體? 因為你要求了一個剛性的東西去動。降低運動強度,或把動作指向畫面裡柔軟的元素,而不是整個畫面。
什麼樣的照片最好動? 有云或水的風景,以及有方向光、頭髮沒綁緊的人像。這兩種的運動預算大,前景也沒有剛性物體。
畫面邊緣一直扭曲怎麼辦? 邊緣是資訊最少的地方,模型只能往內猜。把主體往中央收,四周留出一成以上的空間,通常就解決了。
片段該多長? 有臉的一律 5 秒。風景裡每個會動的元素都是柔軟的,10 秒是安全的。
機位要不要動? 等主體動作成立之後再談。鎖定機位把整個預算花在主體上;會動的機位把預算分給主體與畫面框,而通常壞掉的是畫面框。
解析度對動態品質有影響嗎? 有,影響臉部細節,也影響邊緣瑕疵出現的速度。草稿用 720p,發布用 1080p。
產品照能不動到變形嗎? 可以,只要動作來自光或環境而不是產品本身。反光移動讀起來是活的,產品旋轉讀起來是壞的。
下一步
ai 影片製作講的是先選路線再選工具;照片轉影片入門把來源挑選講得更細;動作句怎麼寫,AI 影片提示詞指南有完整結構。要決定輸出比例,影像比例與多重輸入有數字可以對。
挑一張運動預算大的照片,丟進範本頁,看它先動的是哪一個元素。
本文這些條件,可以拿一張照片在圖片轉影片工具裡當場驗:先跑 5 秒一條,看主體和構圖撐不撐得住,再決定要不要往下做。


