image-to-video

图生视频 AI 生成 — 技能参考

版本： 1.0.0 | 更新日期： 2026-03-02 | 类别： 内容与视频

---

目录

1. 工具对比表
2. 工具详细介绍
3. 通用提示词最佳实践
4. 镜头运动参考
5. 主体动画指南
6. 一致性与稳定性
7. 避免失真与常见错误
8. 文字与 Logo 保留
9. 缩略图转视频专项指南
10. 提示词模板

---

1. 工具对比表

工具	最佳模型（2026 年 3 月）	最长时长	I2V	免费版	最高分辨率	原生音频	最适合
Runway	Gen-4.5	10s	是	一次性 125 积分（约可生成 25s 的 Gen-4 Turbo）	4K（超分辨率）	否	电影级一致性、角色参考
Kling	Kling 3.0 / 2.6 Pro	15s（3.0）/ 10s（2.6）	是	每日 66 积分（360-540p，带水印）	1080p（Master）	是（2.6+）	动作控制、产品细节、时尚
Pika	Pika 2.5	10s	是	每月 80 积分（480p，带水印）	1080p+（付费）	否	创意特效（Pikaswaps、Pikadditions）
Luma	Ray3 / Ray3 Modify	20s（720p+）	是	每月 30 次生成（草稿分辨率，带水印）	1080p	否	长片段、起始帧+结束帧、电影感
Sora	Sora 2 / Sora 2 Pro	25s	是	无（至少需订阅 Plus，$20/月）	1080p（Pro：1792x1024）	是	叙事场景、物理效果、对话
Vidu	Vidu Q3	16s	是	每月 3 个视频（720p，带水印）	4K（Q3 Pro）	是（原生）	多镜头序列、同步音频
Hailuo/MiniMax	Hailuo 2.3	10s	是	每日奖励积分（720p，带水印）	1080p（付费）	是（2.6+）	速度、社交内容、A/B 测试
Google Veo	Veo 3.1	8s	是（Ingredients）	有限（Gemini 免费版：旧模型）	4K（3840x2160）	是	4K 输出、电影语言、镜头控制
Adobe Firefly	Firefly Video	5s	是	积分有限（需订阅 CC）	原生 2K（最高可超分辨率至 8K）	否	商用安全（IP 赔偿）、与 CC 集成
Seedance	Seedance 2.0 (ByteDance)	15s	是	注册赠送免费积分	1080p	是（原生）	多模态输入、快速生成
WAN	WAN 2.6 / 2.1	10s	是	开源（可本地运行）	1080p	否	开源、可自托管、通用用途

---

2. 工具详细介绍

Runway（Gen-4 / Gen-4.5）

当前模型：

• Gen-4.5（最新，2026 年 1 月）：动作质量、提示词遵循度和视觉保真度均属行业领先。时长可变，为 2-10 秒。
• Gen-4 Turbo：速度快、经济实惠（每秒 5 点数，Gen-4.5 为每秒 25 点数）。适合迭代。
• Gen-4：中档（每秒 12 点数）。质量与成本均衡。

图像转视频的具体说明：

• 上传参考图像，并添加描述动作的文本提示词
• 选择时长（5 或 10 秒）和宽高比
• 启用“Fixed Seed”以生成可复现的动作
• 参考图像可在不同场景中保持角色外观、服装和特征一致
• 空间理解能力强——摄像机移动时，物体和背景仍能保持连贯

定价：

• 免费：一次性提供 125 点数（约可生成 25 秒 Gen-4 Turbo 视频，或 5 秒 Gen-4.5 视频）
• Standard：$12-15/月（625 点数）
• Pro：$28-35/月（2,250 点数）
• Unlimited：$76-95/月（2,250 点数的快速模式 + 不限量的宽松模式）

提示词最佳实践（Runway 专用）：

• 提示词应仅聚焦于动作——不要重新描述图像中的内容
• 从简单开始，再通过迭代添加细节
• 使用摄像机术语：摇摄、俯仰、推轨、环绕、变焦、横移、升降、起重机镜头、移焦、急速变焦
• 结构：“摄像机[运动方式]，同时[主体动作]”
• 抽象或概念化的语言会导致结果难以预测——请使用具体、可见的描述
• 详细重述图像元素可能会减弱动作效果或导致伪影

来源： Runway 定价 | Gen-4 研究 | Gen-4.5 研究

---

Kling AI（Kling 3.0 / 2.6 Pro）

当前模型：

• Kling 3.0（最新）：具备场景感知生成、角色/道具一致性和原生音频功能，可生成 3-15 秒片段
• Kling 2.6 Pro：内置英语和中文音频，提示词控制力更强，具备电影级真实感
• Kling 2.6 Motion Control：上传动作参考视频以引导角色运动
• 变体：Turbo（快速）、Pro（均衡）、Master（最高质量）

图像转视频的具体说明：

• 上传图像作为主体，并在提示词中描述动作
• Motion Control 模式：使用图像 + 参考视频进行精确动作迁移
• 可保留边缘、徽标和织物细节（非常适合产品和时尚类内容）

定价：

• 免费：每日 66 点数（每 24 小时重置，不累积）。360-540p，带水印，不可用于商业用途
• 付费方案：$6.99-180/月，具体取决于等级

提示词最佳实践（Kling 专用）：

• 对于 I2V：仅描述需要移动或改变的内容，以及摄像机行为。图像本身就是场景。
• 保持一个主要动作（“核心动作”）。只需略微提示次要动作。
• 对于 Motion Control：不要在提示词中描述动作（动作由参考视频定义）。提示词仅用于描述环境和视觉风格。
• 使用“缓慢推进”“无人机跟拍”“横向跟踪”等术语
• 用“平稳滑行”或“猛然停下”等词语描述节奏
• 确保源图像中能看到角色四肢（隐藏的四肢会导致幻觉或多出手指）
• 在主体周围留出“活动空间”
• 确保图像与动作参考视频的宽高比一致

来源： Kling AI | Kling 3.0 指南 | Kling 2.6 Motion Control

---

Pika Labs（Pika 2.5）

当前模型：

• Pika 2.5（最新）：画面更清晰、流畅的电影感片段。引擎已升级。
• Pikaformance：可生成逼真语音驱动面部表演的说话人脸模型
• AI Selves：个性化 AI 头像创建

主要功能：

• Pikaframes：将 2-5 张图片转化为带有逼真动作的流畅转场视频
• Pikaswaps：替换视频中的对象（例如，将狗换成机器人），同时保留光照和动作
• Pikadditions：在素材中插入新角色或对象
• 场景素材：上传自己的角色或对象，以保持一致性

价格：

• 免费：每月 80 个积分。仅支持 480p，带水印，不可商用
• 付费：解锁所有分辨率、移除水印，并可商用

提示词最佳实践（Pika 专属）：

• 更适合创意风格化转换，而非照片级写实效果
• 使用 Pikaframes 制作多图叙事
• 指定光照和物理行为，以实现逼真的材质交互
• 最适合制作创意短视频、社交媒体片段和特效丰富的内容

来源： Pika 定价 | Pika 2.5 发布

---

Luma Dream Machine（Ray3）

当前模型：

• Ray3：主要生成模型。根据分辨率支持 5-20 秒视频。
• Ray3 Modify：使用角色参考图像修改现有素材
• Ray3.14：草稿分辨率模型（免费套餐可用）

图生视频详情：

• 上传静态图像，通过自然动作和电影感镜头运动使其动起来
• 起始帧 + 结束帧功能：提供首帧和末帧，由 AI 生成过渡
• 自动添加轻微的镜头平移、缩放和透视变化

价格：

• 免费：$0/月。每月 30 次生成。草稿分辨率（Ray3.14），图像为 720p，带水印，仅限个人使用
• Lite：$9.99/月。3,200 个积分。图像为 1080p，带水印，不可商用
• Plus：$29.99/月。10,000 个积分。无水印，包含商用权利
• Unlimited：$94.99/月。10,000 个快速积分 + 无限量宽松模式生成

不同分辨率的视频时长：

• 540p SDR：5 秒（160 个积分），10 秒（320 个积分）
• 720p SDR：5-20 秒
• 1080p SDR：最长 20 秒

来源： Luma 定价 | Dream Machine | Ray3 信息

---

OpenAI Sora（Sora 2）

当前模型：

• Sora 2：支持文本生成视频和图像生成视频，并可同步生成音频
• Sora 2 Pro：分辨率更高（1792x1024），画质更佳

图生视频详情：

• 从静态图像开始，将其扩展为动态画面
• 物理效果准确、逼真且可控
• 可将人物插入任意 Sora 生成的环境中，并准确还原其外貌和声音
• 原生生成对白和音效

价格：

• 无免费套餐（截至 2026 年 1 月 10 日）
• ChatGPT Plus（$20/月）：可不限量生成 480p 视频
• ChatGPT Pro（$200/月）：更高画质，优先访问
• API：$0.10/秒（720p），$0.30/秒（720p Pro），$0.50/秒（1024p Pro）

提示词最佳实践（Sora 专属）：

• 更注重提示词描述的意图和情绪，而不只是动作
• 使用导演式构图，并逐步引入动作
• 将提示词分成不同部分：事件内容、视觉风格、音频元素
• 明确说明声音（对白、拟音、音乐、情绪）
• 指定角色的位置、构图、情绪状态和手势
• 描述物理效果：“轻柔碰撞”而非“猛烈撞击”，“重物滑动”而非“轻羽飘浮”
• 支持 15-25 秒片段。描述节奏变化。
• 指定 24fps，以营造电影感

来源： Sora 2 指南 | Sora 发布公告

---

Vidu（Vidu Q3）

当前模型：

• Vidu Q3（最新）：单次生成原生音频+视频，时长最长 16s，分辨率达 2K，支持多镜头“智能剪辑”
• Vidu Q2：上一代模型。动作自然，具有电影感的镜头效果。
• Reference-to-Video 2.0：确保角色/主体在多次生成中保持一致

主要功能：

• 首个可通过单条提示词生成带同步音频的多镜头剪辑风格片段的 AI 模型
• “智能剪辑”可自动生成多镜头片段
• 音频：BGM + SFX 与场景节奏同步
• 通过 API 使用 Q3 Pro，分辨率最高可达 4K

定价：

• 免费：每月 3 个视频。720p，带水印
• vidu.com 提供付费套餐

来源： Vidu | Vidu Q3 指南 | WaveSpeed 上的 Vidu Q3

---

Hailuo / MiniMax（Hailuo 2.3）

当前模型：

• Hailuo 2.3（最新）：提升了物理动作、风格化效果、角色微表情，并支持动漫风格
• Hailuo 02：提供 Standard 和 Fast 版本。分辨率为 768p 和 1080p，时长最长 10s
• Media Agent：以极少的手动编辑实现多模态创作

定价：

• 免费：$0/mo。每日赠送积分。720p，带水印。高峰时段需等待。
• Standard：$9.99/mo。1,000 积分，快速通道，无水印，最多可同时处理 5 个任务
• Unlimited：$94.99/mo。无限积分

提示词最佳实践（Hailuo 专属）：

• 使用干净的图像并提出适度的动作要求，效果最佳
• 非常适合快速进行 A/B 测试和制作短篇社交内容
• 2.3 对动漫/风格化内容的支持出色

来源： Hailuo AI | MiniMax Hailuo 2.3

---

Google Veo（Veo 3.1）

当前模型：

• Veo 3.1：输出分辨率达 4K（3840x2160），支持竖屏视频（9:16）和“图像素材生成视频”（最多 4 张参考图像）
• Veo 3 Standard：部分免费用户可使用的旧版模型
• Veo 3 Fast：成本较低的选项

主要功能：

• 首个真正支持 4K 输出的主流 AI 模型
• “图像素材生成视频”：每次生成最多可接受 4 张参考图像
• 场景切换时保持角色身份一致
• 原生竖屏视频，适用于 YouTube Shorts / TikTok / Reels
• 内置音频生成

定价：

• 免费（Gemini）：每月 100 个 AI 积分，可用于 Flow/Whisk。可能可使用 Veo 3 Standard（而非 3.1）
• Pro（$19.99/mo）：有限使用 Veo 3.1
• Ultra（$124.99/3mo 或约 $42/mo）：每月 25,000 个积分，可完整使用 Veo 3.1
• API：Veo 2 每秒 $0.35-0.50

提示词最佳实践（Veo 专属）：

• 擅长理解电影语言——可在提示词中指定镜头类型和节奏
• 在提示词中分别描述主体稳定性和镜头运动
• 输入图像应达到 720p+，宽高比为 16:9 或 9:16
• 提及特定镜头类型的提示词能生成更可控的结果

来源： Veo 3.1 4K 更新 | Veo 3.1 博客 | Google DeepMind Veo

---

Adobe Firefly Video

当前模型： Firefly Video（2026 年 2 月）

主要功能：

• 每次生成 5 秒片段
• 原生支持 2K 分辨率（使用 Upscale 可提升至 8K）
• IP 赔偿保障——可安全用于商业用途，基于授权内容训练
• QuickCut：上传 B-roll 或生成素材，自动创建结构化初剪
• 与 Premiere Pro、After Effects 和 Creative Cloud 深度集成

定价：

• Firefly Standard：$9.99/月（2,000 个高级积分）。约可生成 20 个视频片段（每个 5 秒片段消耗 100 个积分）
• Firefly Pro：$19.99/月（4,000 个高级积分）
• Firefly Premium：$199.99/月（50,000 个高级积分）
• 2026 年 1 月至 3 月促销：付费套餐可无限次生成

最适合： 重视 IP 赔偿保障的企业或代理机构。适合与现有 Adobe 工作流集成。

来源： Adobe Firefly 定价 | Firefly 博客

---

Seedance 2.0（ByteDance）

当前模型： Seedance 2.0

主要功能：

• 统一的多模态音视频联合生成（文本、图像、音频和视频输入）
• 视频时长为 4–15 秒
• 1080p 分辨率
• 比 Seedance 1.0 快 30%
• 原生音频生成（BGM + SFX）

定价：

• 注册即可获得免费积分（每日签到可获取更多）

来源： Seedance 2.0 | fal.ai 上的 Seedance

---

WAN 2.6 / 2.1（开源）

当前模型：

• WAN 2.6：最新版本
• WAN 2.1：广泛可用，在 Hugging Face 上开源

主要功能：

• 开源——可在本地运行，无需积分
• 提供 1.3B 和 14B 参数版本
• 可在视频中生成文本和图像（支持中文和英文）
• 逼真的物理模拟
• 出色的通用全能模型

定价： 免费（开源）。仅需承担硬件成本。

最适合： 可自托管的工作流、对隐私敏感的项目，以及无需积分即可无限生成的场景

来源： WAN GitHub | HuggingFace 上的 WAN

---

3. 通用提示词最佳实践

黄金法则

1. 将身份与动作分开。 图像定义是谁或什么；提示词定义如何运动。
2. 不要重复描述图像。 这会导致动作减少或出现视觉伪影。
3. 从简单开始，逐步迭代。 先从一个动作、一个镜头运动开始。测试后再增加复杂度。
4. 具体描述物理动作，不要只讲概念。 “镜头缓慢推进” > “强调戏剧性”
5. 每个组成部分使用 3–4 个描述要素最合适。 超出此数量的形容词会降低质量。

提示词结构公式

[Camera movement], [pace/speed], [subject action], [environmental motion/details]

示例：

Slow push-in, steady cinematic pace, the developer's fingers type on the glowing keyboard,
holographic UI panels float and pulse with soft blue light around the workspace

8 点镜头语法（进阶）

要获得稳定的电影级输出，请涵盖以下 8 个要素：

要素	需要指定的内容	示例
1. 主体	画面的焦点是谁或什么	“一位坐在桌前的开发者”
2. 情绪/氛围	场景的基调	“专注，注意力高度集中”
3. 光学/构图	镜头类型和焦距	“中近景，35mm 镜头”
4. 运动	镜头和主体的运动	“缓慢推轨，轻微打字动作”
5. 光线	光源和光质	“冷色显示器光，紫色环境霓虹灯”
6. 风格	视觉美学	“电影感，阴暗忧郁，科技黑色风格”
7. 音频（如支持）	声音设计	“机械键盘敲击声，环境嗡鸣声”
8. 连贯性	保持不变的内容	“面部保持静止，表情不变”

---

4. 镜头运动参考

带提示词关键词的运镜类型

运镜	描述	提示词关键词	最适合
静止/锁定	摄像机保持静止，主体移动	"static shot", "locked camera", "fixed frame"	细微表情，突出产品
摇摄	从固定点水平转动	"pan left", "pan right", "slow pan", "sweeping pan"	展现风景，跟随动作
俯仰	从固定点垂直向上/向下转动	"tilt up", "tilt down", "slow tilt", "dramatic tilt"	突出高度，展示穿搭
推进/前移	摄像机向主体移动	"push in", "dolly in", "slow push-in", "intimate push"	营造紧张感，展示产品细节
拉远/后移	摄像机远离主体移动	"pull back", "dolly out", "reveal pull-back"	展现场景背景，结束场景
横移	摄像机与主体平行移动	"truck left", "truck right", "lateral movement"	行走场景，扫视货架
升降	摄像机垂直移动（类似电梯）	"pedestal up", "pedestal down", "rising reveal"	展现隐藏元素
跟拍	摄像机跟随移动中的主体	"tracking shot", "follow shot", "match pace"	动作场景，角色行走
环绕/弧形运镜	摄像机围绕主体移动	"orbit clockwise", "orbit counterclockwise", "arc around", "slow orbit"	英雄镜头，产品展示，戏剧化效果
摇臂/吊臂	垂直与水平结合的扫掠式移动	"crane up", "crane shot", "boom up", "sweeping crane"	史诗感的全景建立镜头，展现人群
移焦	在不同景深平面之间切换焦点	"rack focus", "shift focus", "focus pull"	转移注意力
急速变焦	极快且具有戏剧性的变焦	"crash zoom", "snap zoom", "whip zoom"	动作节拍，喜剧，强调重点
变焦	镜头变焦（非物理移动）	"zoom in", "zoom out", "slow zoom"	吸引注意力，揭示内容
手持	轻微自然晃动	"handheld", "shaky cam", "documentary style"	真实感，紧迫感，即时感
FPV/第一人称	摄像机即主体	"FPV", "first person view", "POV shot"	沉浸式体验，游戏内容

组合运镜

你可以组合运镜来拍摄复杂镜头：

"Slow dolly in while panning slightly right, the camera rises gently"
"Crane up and orbit counterclockwise, revealing the full workspace"
"Tracking shot following the subject with a slight handheld shake"

速度/节奏修饰词

修饰词	效果	关键词
极慢	梦幻、沉思	"very slow", "glacial pace", "barely moving"
慢	电影感、优雅	"slow", "steady", "gentle", "smooth"
中等	自然、纪录片风格	"natural pace", "moderate speed"
快	充满活力、动感	"fast", "dynamic", "brisk", "energetic"
鞭甩	突然、戏剧化	"whip", "snap", "lightning fast", "sudden"

---

5. 主体动画指南

细微与戏剧性动作的程度

程度	描述	关键词	使用场景
极少	几乎无法察觉	"barely perceptible movement", "very subtle", "still with micro-motion"	缩略图，肖像风格
细微	自然的静止状态动作	"gentle sway", "subtle breathing", "slight movement", "soft idle"	专业头像，平静场景
适中	清晰但受控	"natural movement", "smooth gesture", "controlled action"	产品演示，展示
动态	活跃、充满活力	"active movement", "energetic", "fluid motion"	动作场景，体育运动
戏剧性	最大幅度动作	"explosive motion", "dramatic action", "intense movement"	音乐视频，预告片

为特定元素添加动画

头发/衣物：

"hair gently moves as if from a light breeze"
"coat fabric ripples softly"
"scarf billows in the wind"

眼睛/面部（谨慎——最容易产生失真）：

"eyes blink naturally"
"subtle smile forms"
"gaze shifts to the right"

警告：面部动画应尽量保持细微，以避免失真。"Natural blinking" 和 "subtle expression" 最为稳妥。

手部/打字：

"fingers move across keyboard with natural rhythm"
"hands gesture subtly while speaking"
"subtle finger movement on the trackpad"

环境/背景：

"particles float gently in the air"
"screen content scrolls slowly"
"ambient light pulses softly"
"clouds drift across the sky"

---

6. 一致性与稳定性

保持主体稳定

1. 在提示词中锁定身份：“同一张脸、同一套服装、同一种发型、比例一致”
2. 固定 Seed（Runway）：启用此功能，确保不同迭代中的动作可复现
3. 参考图像（Runway Gen-4+、Veo 3.1）：上传角色参考图像，确保跨场景一致性
4. **尽量减少面部动作：**面部最容易发生偏移。保持面部表情细微。
5. **优先安排前景：**将主角放在前景，并模糊次要人物的面部
6. **聚焦一个主体：**多个移动主体会导致更多偏移。聚焦一个主体。

保持视觉连贯性

• 使用同一张图像生成多个片段（不要切换源图像）
• 在不同批次中保存并重复使用完全相同的风格参数（颜色、审美风格、动作质量）
• 保持光线描述一致：在每条提示词中都使用“冷蓝色显示器光芒”
• 指定哪些内容不应改变：“背景保持静止”或“桌面完全不动”

跨场景一致性

• Runway Gen-4+：上传角色参考图像以匹配外观
• Veo 3.1 Ingredients：每次生成最多可使用 4 张参考图像
• Kling Motion Control：角色图像 + 动作参考视频
• Pika Scene Ingredients：上传角色/物体以保持一致性

---

7. 避免失真和常见错误

导致失真的十大原因及解决方法

原因	症状	解决方法
在提示词中重新描述图像内容	动作减少、出现视觉伪影	提示词应只描述动作，而非场景
一次安排太多动作	动作混乱、不连贯	一个主要动作 + 少量次要动作提示
使用抽象/概念性语言	结果不可预测	使用具体的物理描述
源图像中的肢体被遮挡	出现多余手指、生成不存在的手部	确保源图像中的所有肢体都可见
源图像使用广角镜头	动作过程中出现透视失真	使用中性焦距（35-85mm 取景）
使用过多形容词	质量下降	每个组成部分最多使用 3-4 个描述元素
纵横比不匹配	出现拉伸、裁剪伪影	使源图像与输出纵横比一致
面部动画过多	面部变形、身份偏移	尽量减少面部动作（“细微”“自然眨眼”）
源图像分辨率低	输出模糊、不稳定	源图像至少使用 720p
指令相互矛盾	模型输出混乱	检查提示词是否存在冲突

负面提示词关键词（支持时使用）

将关键排除项放在前面（模型对靠前的词赋予更高权重）：

"blurry, low resolution, distorted, warped face, extra fingers, glitchy text,
unnatural movements, chaotic cuts, morphing features, flickering"

质量保障措施

• **源图像质量最重要。**关键帧越干净，模型自行编造的内容就越少。
• 先使用优质图像模型生成源图像（FLUX、Seedream 4.5、Midjourney）
• 修复问题时一次只调整一个变量（动作强度、镜头移动、风格复杂度）
• 先使用预览/草稿分辨率，再放大效果最佳的版本

---

8. 保留文本和 Logo

核心问题

AI 视频模型难以处理文本和 Logo。在动作过程中，它们经常会扭曲、模糊或改变文本形态。这是当前扩散模型的根本局限。

缓解策略

1. 尽量减少文本区域附近的动作：

   "the text/logo remains perfectly stationary in the frame"
   "camera movement avoids the text area"
   "text stays sharp and readable throughout"
   

2. 文本较多的区域使用静态镜头： 如果必须显示文本，请锁定镜头，只为非文本元素添加动画。

3. 指定高对比度文本：

   "bold high-contrast text", "clear sans-serif text", "readable block letters"
   

4. 后期制作方案（重要文本推荐使用）：

   • 生成不含文本的视频
   • 在视频编辑软件中叠加文本/Logo（Premiere、After Effects、CapCut）
   • 这样可确保内容清晰易读

5. **Logo 使用 Kling 2.6：**在产品镜头中，它最擅长保留边缘和 Logo。

6. **缩短时长有帮助：**与 10 秒以上的片段相比，文本在 3-5 秒的片段中更稳定。

---

9. 缩略图转视频专项指南

科技／编程缩略图（深色背景、霓虹、工作空间、开发者）

本节专为具有以下元素的缩略图设计：深色背景、紫色／青绿色霓虹灯光、办公桌／工作空间场景、MacBook／显示器、开发者角色、漂浮的 UI 元素、全息面板。

办公桌／工作空间场景的最佳镜头运动

推荐方案（按效果排序）：

1. 缓慢推近（缩略图首选）：

   "Slow push-in toward the developer's workspace, steady cinematic pace,
   ambient particles float gently, monitor screens glow softly"
   

   原因：突出焦点，尽量减少失真，并保持面部稳定。

2. 轻微环绕（富有戏剧性，适合主视觉镜头）：

   "Very slow orbit clockwise around the developer at the desk,
   neon reflections shift on the monitor surface, floating UI elements rotate gently"
   

   原因：增加景深和戏剧感，同时不干扰主体。

3. 固定镜头 + 环境动态（最能确保面部稳定）：

   "Static locked camera, the developer sits motionless at the desk,
   holographic panels pulse with soft light, particles drift upward,
   screen content scrolls slowly"
   

   原因：面部不会失真。所有运动都来自环境。

4. 缓慢上升（揭示镜头）：

   "Slow pedestal up from the keyboard level, rising to reveal the developer's face
   and floating holographic displays, purple ambient light pulses"
   

5. 后退并揭示：

   "Slow dolly backward revealing the full workspace setup,
   multiple monitors glow, floating code snippets hover in the air"
   

为漂浮的 UI 元素添加动画

"Translucent holographic panels float around the workspace, slowly rotating and pulsing"
"Code snippets hover in mid-air with a soft cyan glow, gently bobbing up and down"
"Floating UI windows orbit the developer, each displaying different data visualizations"
"Semi-transparent screens drift slowly, reflecting purple and blue neon light"
"Holographic interface elements materialize one by one around the desk"

描述漂浮元素的关键词：

• “半透明”、“半透明质感”、“玻璃拟态”
• “漂浮”、“悬浮”、“缓慢飘动”、“环绕”
• “脉动”、“发光”、“轻柔闪烁”
• “逐渐显现”、“淡入”、“消散”

让全息面板发光／脉动

"Holographic panels emit a soft pulsating blue-purple glow"
"Screens pulse rhythmically with cyan light, intensity rising and falling"
"Neon edges of the floating panels flicker with electric energy"
"Warm glow radiates from the holographic displays, casting colored light on the developer's face"
"Panels glow brighter momentarily before dimming back, creating a breathing light effect"

描述光线行为的关键词：

• “脉动”、“呼吸般的光”、“有节奏的发光”
• “闪烁”、“闪烁微光”、“放射光芒”
• “投射彩色光线”、“在表面上反射”
• “亮度逐渐增强和减弱”、“柔和振荡”

添加轻微的打字／屏幕活动效果

"Fingers move naturally across the backlit keyboard, screen content scrolls upward"
"Subtle typing motion, code appearing on the main monitor line by line"
"The MacBook screen displays scrolling code with a soft green-on-black terminal"
"Cursor blinks on the screen, new lines of code appear gradually"
"Multiple monitors show different live data — one scrolling code, one showing metrics"

在环境动态中保持人物面部稳定

这是首要挑战。请按以下优先顺序处理：

1. 面部 = 静止，其他所有元素 = 运动：

   "The developer sits perfectly still, face unchanged, steady gaze at the screen.
   Around him, holographic panels pulse with light, particles float upward,
   keyboard keys glow softly, ambient neon light shifts between purple and blue"
   

2. 仅让面部产生极轻微的运动：

   "The developer blinks naturally, otherwise perfectly still.
   Ambient environment has floating particles, pulsing lights, and drifting UI elements"
   

3. 锁定身份： 始终加入：“全程保持同一张脸，面部特征一致，不要改变面部形态”

4. 镜头选择很重要：

   • 固定镜头 = 面部最稳定
   • 缓慢推近 = 面部保持稳定（移动的是镜头，而非面部）
   • 环绕 = 面部可能会偏移（谨慎使用）
   • 任何朝向面部或围绕面部的运动 = 风险最高

5. 选择有助于面部稳定的工具：

   • 最佳： Kling（带面部锁定的 Motion Control）、Luma（起始帧 + 结束帧）
   • 良好： Runway Gen-4.5（角色参考）、Veo 3.1（身份一致性）
   • 有风险： Sora（片段越长，身份偏移越明显）、Pika（侧重创意，稳定性较低）

---

10. 提示词模板

模板 1：缩略图转视频（科技工作空间）

Slow push-in, smooth cinematic pace. A developer sits at a dark workspace,
face perfectly still with natural subtle blinking. Holographic UI panels float
around the desk, pulsing with soft [purple/blue/cyan] neon light. Particles
drift gently upward. The MacBook screen displays scrolling code. Ambient
lighting shifts subtly between [purple and teal]. The background remains
perfectly static while floating elements orbit slowly.

模板 2：产品展示（环绕）

Slow orbit clockwise around [product], smooth cinematic pace. The [product]
sits on a dark reflective surface. Ambient particles float in the air.
Soft studio lighting highlights edges and details. The background is
[dark/gradient]. Camera completes a quarter rotation over [5-10] seconds.

模板 3：主视觉镜头（人物）

Static locked camera, [duration] seconds. [Person description] stands/sits
in [environment]. Face remains perfectly still. Hair moves gently from a
subtle breeze. Atmospheric particles float in the background. Volumetric
light rays stream through [window/source]. The mood is [cinematic/dramatic/calm].

模板 4：代码／科技演示

[Camera movement], steady pace. Close-up of a MacBook Pro screen showing
[code editor/terminal/dashboard]. Code scrolls upward naturally. The cursor
blinks. Ambient keyboard glow pulses softly. Shallow depth of field blurs
the background workspace. [Monitor reflections shift/bokeh lights drift].

模板 5：戏剧性揭示

Slow crane up from [starting point], sweeping reveal. Rising from [desk level/
ground level] to reveal [full scene/workspace/city]. Atmospheric fog drifts
through the scene. [Neon/ambient] lights illuminate the environment.
The scale of the scene becomes apparent as the camera rises.

---

模式

输入

参数	类型	必填	描述
source_image	图像（建议 720p 或更高）	是	要制作动画的静态图像
prompt	字符串	是	运动描述（镜头 + 主体 + 环境）
tool	枚举	是	要使用的 AI 工具
duration	整数（3-25s）	否	目标视频时长
aspect_ratio	枚举（16:9、9:16、1:1、4:3）	否	输出宽高比
resolution	枚举（480p-4K）	否	输出分辨率（取决于工具）
motion_reference	视频	否	运动参考视频（仅限 Kling Motion Control）

输出

参数	类型	描述
video	MP4	生成的视频文件
duration	整数	实际视频时长（秒）
resolution	字符串	输出分辨率
credits_used	整数	消耗的点数

可组合使用

技能	用法
thumbnail-generator	生成缩略图图像 -> 使用此技能为其添加动画
nano-banana-images	生成源图像 -> 添加动画
video-edit	后期处理：剪辑、添加文字叠加、音乐
pan-3d-transition	将 I2V 片段与 3D 转场组合
title-variants	生成标题 -> 叠加到视频上
recreate-thumbnails	对源图像进行换脸 -> 添加动画

---

工具选择决策树

Need 4K output?
  -> Google Veo 3.1 or Vidu Q3 Pro

Need face stability (thumbnail/portrait)?
  -> Kling Motion Control (best) or Static camera on any tool

Need native audio?
  -> Sora 2, Vidu Q3, Seedance 2.0, Kling 2.6+, or Veo 3.1

Need free / no budget?
  -> Kling free (66 daily credits) or Hailuo free (daily bonus)
  -> WAN 2.1 (open source, run locally)

Need commercial IP safety?
  -> Adobe Firefly (IP indemnity)

Need creative effects (swaps, additions)?
  -> Pika 2.5 (Pikaswaps, Pikadditions, Pikaframes)

Need longest output?
  -> Sora 2 (25s) or Luma Ray3 (20s) or Vidu Q3 (16s)

Need product/fashion detail?
  -> Kling 2.6 Pro (preserves edges, logos, fabric)

Need fast iteration?
  -> Hailuo 2.3 (speed) or Runway Gen-4 Turbo (cheap credits)

Need multi-shot sequences?
  -> Vidu Q3 (Smart Cuts) or Veo 3.1 (Ingredients)

Need open source / self-hosted?
  -> WAN 2.1/2.6 (GitHub, HuggingFace)

---

快速参考卡

适用于所有工具的 5 大运镜关键词

1. “缓慢推进” / “向前推轨”
2. “轻柔环绕” / “绕拍”
3. “静态镜头，伴有环境动态”
4. “跟随拍摄”
5. “缓慢向左/向右摇摄”

5 大稳定性关键词

1. “面部始终完全静止”
2. “全程保持同一张脸，五官一致”
3. “背景保持静止”
4. “仅有细微自然的动态”
5. “固定摄像机，仅环境动态”

5 大氛围关键词（适用于科技缩略图）

1. “全息面板随 [color] 光脉动”
2. “粒子轻柔地向上飘浮”
3. “霓虹环境光在 [colors] 之间变换”
4. “半透明 UI 元素缓慢漂移”
5. “体积光束、朦胧氛围”

---

最后更新：2026-03-02 | 研究涵盖截至 2026 年 3 月初可用的工具