可灵图生视频与首尾帧提示词(2026)
2026 年可控性最强的 AI 视频做法,不是文生视频——而是决定镜头从哪开始、到哪结束。可灵的图生视频模式吃一张首帧;它的首尾帧模式吃下运动的两端,生成中间那段过渡。对 Q4 电商内容——黑五产品短片、圣诞礼物揭晓——这种控制力就是”生成了再祈祷”和真正的镜头计划之间的差别。
大多数创作者在两件事上用错它。要么把首帧当情绪图,运动全靠运气;要么挑了任何摄影机都接不上的首尾帧——同一张脸、不同光线——中间生成一段变形废墟。尾帧控制并没有免除写运动提示词的需要;它抬高了门槛。
这篇指南讲两段帧方法:怎么挑能干净插值的帧对、首帧提示词的七个镜头要素、三个可复制模板,以及怎么从参考片段里提取中间那段运动的语法。
两帧决定整条片段
在首尾帧模式里,被生成的那几秒是一场你在谈判的插值。两帧就是你的条件:
- 首帧 = 合同。 身份、着装、光的方向、场景都从它而来,必须始终如一。
- 尾帧 = 目的地。 它与首帧之间只能差一个主要维度:位置、大小、状态或表情。一次变两样(既移动*又*换光*又*变尺寸)就是变形的起点。
- 两帧之间的差距 = 运动预算。 差距小给你微运动(呼吸、蒸汽、慢推);差距大给你动作,也给你风险。六秒的片段要中等差距:一个转身、一个手势、一个揭晓。
实用规则:运动提示词为差距而写。帧描述状态;你的提示词描述状态在你付费的这几秒里怎么变。
挑摄影机能接上的帧对
当帧对暗示了模型伪造不了的物理,插值就会失败:
| 首帧 | 尾帧 | 中间会发生什么 |
|---|---|---|
| 产品在桌上,暖光 | 产品被举向镜头,同样的光 | 干净:一个手部动作,一个推近 |
| 脸正面,影棚光 | 同一张脸四分之三侧,夕阳 | 变形风险:身份和光都变了 |
| 杯子盖着放在台面 | 杯子在半空,盖子打开,蒸汽升起 | 只要手在首帧里也出现,就干净 |
| 雪街,白天 | 同一条街,夜晚,窗户亮灯 | 只有建筑保持像素级稳定才行 |
三条配对规则。两帧里光源方向保持一致。给出变化的施动者——如果是手把杯子拿起来,手就要在首帧里出现或入画。只沿一个轴运动(主体靠近、或者镜头环绕、或者昼夜转换——挑一个)。遵守这些规则的帧对,需要的是无聊、机械的运动提示词——而那正是能干净生成的东西。
首帧提示词的七个镜头要素
| 要素 | 要写什么 | 对可灵有效的说法 |
|---|---|---|
| 主体 Subject | 两帧共用的身份词 | “同一个女性,黑色波波头,灰色针织衫” |
| 构图 Framing | 首帧构图 + 尾帧构图 | “从中景开始,以中近景结束” |
| 镜头 Camera | 连接两帧的一个运动 | “朝她缓慢推进 15%” |
| 动作 Motion | 差距里什么在变,带时间 | “0–2 秒:静止;2–5 秒:她举起信;5–6 秒:闭上眼” |
| 光影色彩 Light & color | 帧对之间保持恒定 | “两帧都是左侧暖色台灯主光” |
| 节奏 Timing | 时长 + 步调 + 画幅 | “6 秒,不急不缓,9:16” |
| 声音 Sound | 由运动暗示的剪辑计划 | “2 秒纸张沙沙声;音乐保持” |
可灵专属要点:明确写出运动方向(”朝镜头”、”从左到右”)——有尾帧控制时,方向词能阻止模型自己绕路。要求物理连续性(”袖子保持挽起,绳结保持系好”):小道具是帧与帧之间悄悄换掉身份的第一嫌疑人。
三个可直接复制的模板
1. 产品交接,竖屏(9:16)
首帧:哑光钢保温杯立在亚麻布上,旁边一小枝迷迭香,左侧暖色侧光,柔和阴影,写实风格。
尾帧:同一只手把同一个杯子举向镜头,同样的暖光,背景柔和虚化。
运动提示词:同一个杯子,同一套亚麻布景。节拍:0–2 秒:静止,钢面上有冷凝水;2–4 秒:一只手从画面右侧入画,平稳地把杯子举向镜头;4–6 秒:杯子在特写中稳住,杯盖角度正对镜头。镜头:缓慢推进 20%,不摇移。产品形状、杯盖、光的方向保持一致。6 秒,9:16,一镜到底,写实风格。
2. 昼夜转换角色短片,竖屏(9:16)
首帧:穿黑色廓形大衣的年轻男性站在雨湿的人行道上,蓝调时刻的日光,身后霓虹店招还没点亮,中景。
尾帧:同一个男性,同一位置、同一件大衣,人行道依旧湿,现在是夜晚——霓虹招牌在身后亮起,反光在地面拉长。
运动提示词:同一个男性,同一件大衣,同一条人行道。节拍:0–2 秒:他静立,日光蓝调;2–4 秒:光线逐渐变暗,身后的霓虹一块块亮起;4–6 秒:他抬头,呼出的白气可见,反光发亮。镜头:静态中景,缓慢推进 10%。面部、着装、街道布局保持一致。6 秒,9:16,电影级写实。
3. 帧间礼物揭晓,横屏(16:9)
首帧:深红色牛皮纸礼盒系着棉绳,放在木桌上,身后是雪窗,暖色台灯光,远景。
尾帧:同一个盒子打开,缎带松开,里面露出一条叠好的绿色围巾,同一张桌子、同一扇窗、同样的光。
运动提示词:同一个盒子,同一张桌子,同一扇雪窗。节拍:0–2 秒:远景静止,雪花从窗外飘过;2–4 秒:双手入画拉动缎带,蝴蝶结松开;4–7 秒:盒盖掀开,里面的围巾接住台灯光,缎带尾端滑下桌沿。镜头:朝盒子缓慢推进 15%。盒色、缎带材质、窗外景色保持一致。7 秒,16:9,一镜到底,温暖安静的氛围。
帧间运动从哪来
挑差距是一个摄影决策,而摄影可以从你信息流里的片段学。你收藏的每一个顺滑揭晓、每一次干净转场,都是关于运动如何跨越两个状态的数据——举起多快、眼睛什么时候动、沉淀停多久。
用 SocialToPrompt,这些数据会以结构化形式出来。粘贴 25+ 平台的链接(YouTube、TikTok、Instagram、X、小红书、快手、B 站等)或上传本地文件——支持 20 秒以内——得到逐镜头的主体、构图、镜头、动作、光影、节奏拆解。把参考片段的第一镜和最后一镜当你的帧对,中间的节拍当你的运动提示词。完整一跑 4 积分(提取 1 + 生成 3),新账号送 3 积分。
留下语法,帧换成你自己的。
自检清单
- [ ] 首帧携带完整身份:脸、着装、场景、光的方向
- [ ] 两帧之间只差一个主要维度
- [ ] 两帧中光源方向一致
- [ ] 变化的施动者(手、风)在首帧中可见或正在入画
- [ ] 运动提示词描述的是差距,不是帧本身
- [ ] 方向词明确(”朝镜头”、”从左到右”)
- [ ] 小道具被写成恒定项(袖子、绳结、杯盖角度)
- [ ] 时长、画幅、恒定条款收尾
常见错误
摄影机接不上的帧对。 如果真实剧组没法在六秒内拍出你两帧之间的运动,模型也不能。它会硬演——演得很差。
一次变两个变量。 位置、光线、尺寸同时变,就是变形发生器。变一样,剩下的交给运动提示词。
拿情绪图当首帧。 漂亮而含糊的帧,让身份无处锚定。首帧是档案,不是美术指导。
首帧空手,尾帧有货。 产品不会瞬移。如果是手干活,手就要从首帧开始就在。
忘了尾帧的职责。 没有目的地,尾帧控制就退化成普通图生视频。
选好帧对,写好差距,锁住身份——然后从那些把状态跨越得漂亮的片段里提取中间语法,用 SocialToPrompt。
分享文章