图生视频 Prompt 指南:让静图动起来的完整方法(2026)
图生视频提示词做的事情很简单:从一张你已经满意的静图出发,补上它唯一缺的东西——运动。 上传图片,描述它该怎么动——主体动作、镜头行为、节奏——模型在锁定画面观感的前提下把帧动画化。相比纯文生视频,你精确控制了起始帧,提示词只需要干一份工作:指挥运动。
核心要点
- 图生视频 = 固定起始帧 + 运动提示词。构图白送,所有字数都花在运动上。
- 公式:主体运动 + 镜头运动 + 时长 + 风格延续——其他什么都不用重述。
- Kling、Runway、Veo、Sora、Luma、Vidu、PixVerse 都支持图片输入,但运动方言各不相同。
- 最可靠的优质起始帧来源:你喜欢的视频里的定格画面——这把图生视频接回了完整的视频转 Prompt 工作流。
- 好的运动提示词是具体动词,不是形容词:荡起、漫过、推近——永远不是”优美地动”。
为什么先从一张图开始
文生视频要求模型同时发明一切:场景、主体、运动。结果一半时候你要么得到一帧静止的美图,要么得到一个不想要的场景里在动的东西。
图生视频直接消灭了一整个失败类别。图就是场景——配色、构图、主体设计、光线在提示词被读取之前就已定案。模型剩下的自由度只有时间维,于是你的提示词可以 100% 使用运动词汇:
| 关注点 | 文生视频 | 图生视频 |
|---|---|---|
| 场景构图 | 提示词必须写清 | 由输入图锁定 |
| 主体外观 | 帧间容易漂移 | 由输入图锁定 |
| 运动方向 | 众多竞争指令之一 | 唯一的指令 |
| 迭代速度 | 全部重抽 | 保图只调运动 |
这就是为什么生产型工作流——广告、产品图、分镜——越来越走”图片优先”:一帧定稿的静图,同一张图衍生出 N 种运动变体。
图生视频提示词公式
四个要素,按这个顺序:
- 主体运动——谁动、怎么动。具体动词:
布料在风中荡起、她转向镜头微笑。 - 镜头运动——一个明确的动作:
缓慢推近、固定机位、轻微手持漂移、向左环绕。永远不要两个打架的镜头指令。 - 时长与节奏——当前主流片段 4–10 秒;把节奏写出来(
慢速、一镜到底)。 - 风格延续——只在图看不出来时补:
保留 35mm 胶片颗粒、保持水彩笔触质感。
完整示例
输入图: 暮色中的悬崖灯塔,绘画风格。
弱提示词:
让画面动起来,电影感,优美运动。
结构化提示词:
海浪撞击崖底,水雾被风卷起;灯塔光束开始旋转,扫过海面。镜头向灯塔缓慢推近,地平线保持水平。6 秒,一镜到底。全程保留绘画笔触质感。
两相对比,差别一目了然:第二个提示词不可能被渲染成静帧——每个子句都是时间指令,这正是图生视频模型需要的。
图生视频的模型怎么选
主流模型都接受图片,但对运动提示词的解析方言不同:
| 模型 | 强项 | 有效的提示词风格 |
|---|---|---|
| Kling | 主体运动、物理动态 | 较长的自然语言运动描述 |
| Runway | 镜头控制、电影感运镜 | 简洁的镜头优先语法 |
| Veo | 场景连贯、真实感 | 叙事语境 + 克制的运动 |
| Sora | 复杂场景、时长 | 故事式描述 + 明确节奏 |
| Luma | 快速迭代 | 短促的动词驱动提示词 |
| PixVerse / Vidu | 风格化运动 | 风格词 + 一个强动词 |
这些是倾向,不是定律——实测定胜负的方法是:同一段四要素提示词跑两个候选模型,直接对比。同一段 Prompt 在 Runway、Kling、Sora 上的差异展示了分歧可以有多大。
去哪找好的起始帧
垃圾进、垃圾出在这里加倍成立:弱图救不回来,强提示词也不行。
- 你喜欢的视频里的帧。 播放→暂停在值得动画化的画面→截图。(如果你还想要那条视频的运动被描述出来,把它提取成提示词当作运动模板——图提供构图,提取提供运动。)
- 你已经筛过的 AI 生成图。 你用文生图工具产出的佳作,就是专业级的免费起始帧。
- 产品摄影。 做电商的话,品牌审过的照片就是起始帧;图生视频让它动起来,不用重拍。
- 分镜帧。 先画出序列,再逐格动画化——竞品广告结构重建在素材存在之前走的就是这条路。
常见失败模式
- 镜头乱飘。 修法:只命名一个镜头运动,其余写死(
固定机位)。 - 运动和图打架。 让坐着的肖像”跑过田野”是在对抗输入。先读图,只提示画面里合理发生的事。
- 第 2 秒后风格漂移。 修法:显式延续子句(
全程保持原色调与质感)。 - 什么都同时在动。 因果层级——一个主动作,最多一个次动作(浪为主、头发为次),背景基本稳定。
- 循环接缝穿帮。 要无缝循环就写明:
无缝循环,结尾帧回到起始姿态。
图生视频在大局里的位置
图生视频是同一门手艺的一个入口,完整手艺见视频 Prompt 工程完全指南:
多数创作者最终三者混用:图定画面,提取供运动词汇,框架做最后打磨。
常见问题
什么是图生视频提示词?
AI 视频模型在读取输入静图的同时读取的一组运动指令。图锁定场景;提示词描述什么在动——主体动作、镜头行为、时长与节奏——模型渲染出从静止到运动的过渡。
哪些模型支持图生视频?
Kling、Runway、Veo、Sora、Luma、Vidu、PixVerse、Higgsfield、Wan 及大多数当代视频模型都接受图片作为首帧。SocialToPrompt 提取的提示词按跨模型可迁移来写——具体措辞怎么适配见同一提示词为何因模型而异。
视频多长合适?
4–10 秒是当前甜点:够讲完一个动作节拍,又短到来不及漂移。把时长写进提示词——不写,模型自己编。
任何图都能动画化吗?
任何你有权利使用的图。实际约束是合理性:动作在所描绘的场景里真实可能发生时,运动提示词效果最好。静态肖像适合小动作(呼吸、风、光影变化);风景更适合镜头运动而非主体运动。
提示词里还需要描述场景吗?
不需要——这正是该格式的意义。重述图上已有的东西是浪费提示词预算。写运动、镜头、时长;风格只作为延续护栏来加。
图生视频和视频转 Prompt 有什么区别?
方向相反。图生视频给静图加运动;视频转 Prompt 从现有片段提取运动描述(见此)。两者合用,任何视频的任何一帧都能成为新的起点。
作者:SocialToPrompt 内容团队。2026 年 10 月更新。截一帧、提运动、让它动——三步都在 socialtoprompt.com。
分享文章