图片怎么变成视频？AI 图生视频 5 步做法：选图、写运动提示词、首尾帧到对口型（2026）
把一张产品图、人物照或分镜图做成可用的短视频片段，分成选图修图、写运动提示词、用首尾帧和多帧控制、做风格与对口型、放大剪辑五步，并说明可灵、即梦、Vidu、DomoAI、LTX Studio、Google Flow 等工具在每一步适合怎么用。
做短视频时，「图生视频」往往比「文生视频」更好用：画面主体由你提供的图片决定，产品不容易变形、人物不容易换脸，出片的可控性高得多。难点在于图片怎么挑、运动怎么描述、多段之间怎么接得上。
本文按一条片段从准备到成片的顺序讲做法，工具只按功能定位举例，不比较价格、不承诺效果；各平台的免费额度、时长上限和可用模型以官网当前说明为准。想先横向了解有哪些视频生成工具，可以看AI 视频生成工具对比。
第 1 步：选对图，比换工具更重要
图生视频的上限基本由首帧图决定，生成前先过一遍这几项：
- 主体清楚、占画面比例合适：人物或产品最好占画面三分之一以上，边缘不被裁掉。主体太小，模型容易把它当背景处理。
- 画幅一次定好：要发竖屏就直接准备 9:16 的图。先出横版再裁，主体常常被切掉一半。
- 给动作留空间：想让人物往前走，前方要有空地；想让镜头推近，主体周围不要堆满文字和贴纸。
- 先修图再生成：水印、杂物、多余文字先去掉，分辨率不够先放大。图片里的瑕疵在视频里会被放大。
没有现成的图，可以先用图像工具出首帧，再拿去生成视频，比直接文生视频更容易控制构图。图像工具怎么选可以参考AI 图片设计工具对比。
第 2 步：提示词只写「怎么动」
图片已经交代了「是什么」，提示词就不必再重复描述画面，把字数花在运动上：
- 主体动作：谁在做什么，幅度多大。例如「女孩缓慢转头看向镜头，头发被风轻轻吹起」。
- 镜头运动：推近、拉远、横移、环绕、固定机位，一次最好只写一种。
- 环境变化：光线变化、烟雾、水面波动、背景人群走动等次要动态。
- 节奏与时长：「缓慢」「平稳」「一镜到底」这类词能明显减少画面抖动和突变。
常见翻车点是动作写得太多：五秒钟里又转身又跑又跳，结果人物肢体扭曲。一个片段只做一件事，复杂动作拆成几段再剪到一起。完整写法可以对照AI 视频提示词公式。
第 3 步：用首尾帧和多帧，把运动「钉住」
单张图只能决定开头，结尾由模型自由发挥。需要精确控制时，用这几种方式：
- 首尾帧：同时给出开头和结尾两张图，让模型补中间过程，适合产品开盒、换装前后、白天变夜晚这类「从 A 到 B」的镜头。可灵AI、即梦AI、Vidu 等都提供首尾帧生成。
- 多帧过渡：DomoAI 支持上传 2-8 张图，自动生成帧与帧之间的连贯过渡，适合把一组分镜图串成一段完整动作。
- 关键帧与镜头控制：LTX Studio 可以在分镜里逐镜设置镜头运动和关键帧，并用「Elements」固定角色和场景，适合做多镜头的故事类短视频。
- 多主体参考：做连续剧情时，用 Vidu 这类支持多张参考图的工具，同一个角色在不同镜头里更容易保持一致。
一个实用技巧：把上一段视频的最后一帧截出来，作为下一段的首帧，几段拼起来就是一个连贯的长镜头。
第 4 步：风格化和对口型，按需再加
基础片段生成好后，还有两类常见的二次加工：
- 风格迁移：想把实拍片段或真人照片变成动漫、手绘、黏土等风格，可以试 DomoAI 的视频转视频和动作参考；追热点的趣味特效则可以用 PixVerse 拍我AI 的模板。
- 对口型与配音：让照片里的人物「开口说话」，需要先准备配音，再用带对口型功能的工具合成。注意只用自己拥有肖像权或已获授权的人物照片，不要用他人照片冒充真人发言。
需要更完整的创作环境，海外工具里 Google Flow 把 Veo 视频模型、图像生成和自然语言修改放在一个工作区里，能直接在项目中改镜头、换元素；Runway 的生成和后期工具也比较齐全。两者都要在官方支持的地区使用，国内访问需自行确认。
第 5 步：放大、剪辑、加字幕
图生视频的单段通常只有几秒，分辨率也不一定够用，成片前还差最后一步：
- 挑片段：每个镜头至少生成两三次，选动作最自然的一条，掐掉开头和结尾不稳定的几帧。
- 放大补帧：需要更清晰或更流畅时，用 Topaz Video 这类工具放大和补帧，做法见AI 视频放大与画质修复。
- 拼接成片：在剪映里按脚本顺序拼接，补上转场、配乐、字幕和口播，整体流程可参考AI 短视频制作全流程。
合规提醒
- 只用自己拍摄、自己生成或已获授权的图片，不要拿他人作品、明星照片或平台截图直接生成视频。
- 涉及真实人物的视频，发布时按平台规则标注「AI 生成」，不要用于虚构他人言行。
- 商品类视频要和实物一致，生成的效果不能夸大产品功能。
- 各工具生成内容的商用授权范围不同，商用前先看清官网条款。
