照片怎么生成 AI 视频：选模型、准备素材与描述动作

照片生成 AI 视频，先确定照片是“视频起始画面”还是“外观参考”，再描述一个明确动作。 先做一段较短的尝试，完整检查结果，再考虑延长片段或增加动作。

本文说明截至 2026 年 10 月 29 日 OVOV AI 视频生成器实际开放的输入与参数。模型在其他产品中的能力，可能与本站提供的控制项不同。提交任务时，以工作台当前可选设置和积分报价为准。

先选一张适合运动的照片

主体要清楚，需要运动的部分周围应留有空间。如果手、产品边缘或服装在原图里已经被裁掉，模型就缺少指导这些区域的输入信息。背景简单一些，也更容易判断生成过程中是否出现了意外变化。

先确定用途：竖版短视频、方形产品展示，还是横版演示。第一次尝试不要同时要求大幅改构图和复杂动作。如果需要重新准备起始图，可以使用 AI 图片生成器，并参考图片模型选型指南选择参考图数量和输出尺寸。

区分首尾帧与参考素材

首帧输入决定视频开头的构图。部分模型还能接受尾帧，用来引导结束时的画面。首尾帧可以帮助表达起点和终点，但并不保证中间每一帧都逐像素保持原图。

参考图输入为文本描述提供人物外观、物体或视觉信息，不一定锁定开头的完整画面。支持参考视频的模型还可以接收单独的动作素材；参考视频也不能当作首帧使用。

先选模型和输入模式，再上传素材。模型之间开放的素材栏不同，能接收视频参考的工作流，不能原样搬到只接受图片的模型上。

按本站可用参数选择视频模型

模型	输出选项	与素材准备有关的限制
Seedance 2.0 Mini	480p、720p；5–15 秒	支持首尾帧，或最多 9 张参考图、3 段参考视频和 3 段参考音频。视频与音频参考各有总时长 15 秒限制。
Kling 4.0	720p、1080p；3–30 秒	支持首尾帧或最多 10 张参考图。OVOV 当前不开放该模型的参考视频和参考音频输入。
Gemini Omni Flash	720p；16:9、9:16	参考模式支持最多 16 张图和 1 段不超过 24 秒的参考视频；无首尾帧模式或参考音频。输出时长由模型决定。
Seedance 2.5	480p、720p；5、10、15、20、25、30 秒	支持首尾帧或参考图工作流；OVOV 当前未开放参考视频输入。

如果先做较短、较低分辨率的草稿，可以查看 Mini 的可选设置。需要最长 30 秒并选择 1080p 时，可以查看 Kling 4.0。选择 Omni Flash 应看它的参考素材工作流是否合适；配置中用于展示的 10 秒，不代表最终成片一定是 10 秒。

提示词重点写“发生什么变化”

照片已经提供了许多外观信息。提示词应主要交代主体如何运动、镜头如何运动，以及哪些内容需要保持。下面是适用于首帧模式的提示词示例，并非已完成的实测样片：

以上传的产品照片作为首帧。蓝色水瓶始终直立放在桌面上。镜头缓慢、小幅地从左向右移动，背景保持静止。尽量保持瓶身轮廓和标签区域一致。不要加入新物体，不要切换场景，不要出现屏幕文字。

先安排一个主要动作和一个镜头要求。短片里同时让主体转身、走路、拿东西、说话，会增加需要检查的环节。某个细节不对时，先简化动作，或明确该细节，再继续增加要求。

每次生成前重新核对设置

检查模型、输入模式、分辨率、画幅、可选时长和当前积分。更长或更高分辨率的输出可能消耗更多积分；再次生成也是一次新任务。需要比较购买方式时，查看价格页面，不要假设所有模型使用相同积分。

广告或剪辑任务对时长有明确要求时，选择提供时长控制的模型，并检查下载后的实际文件。使用自动时长模型时，应在后期剪辑中安排最终节奏。声音也要看具体模型和设置：上传音频作为参考，与生成一条音轨，是两种不同能力。

完整播放后再决定是否使用

不要只检查开头一帧。完整看一遍，确认人物或产品外观、手部和边缘、背景稳定性、结尾变化，以及运镜是否符合描述。有声音时，实际打开声音检查。开头看起来正常，并不能说明整段都可用。

任务成功但效果偏离想法，需要先判断哪些条件可以调整；技术失败的积分处理和现金退款是不同流程，具体条件见退款政策。

开始做第一段： 打开 AI 视频生成器，选择支持现有素材的模型和模式，上传照片，描述一个你能明确检查的动作。