AI 视频怎么生成？文生视频与图生视频完整教程（2026）

从参考素材到审核后的视频

用合适的参考素材确定镜头，描述一项清晰运动，并在扩展序列前观看完整结果。

AI 视频生成用文字提示词或静态参考图制作短片。NamiFusion 的 AI Generator 在同一界面提供文生视频、图生视频、参考生视频和视频编辑路径；可用素材槽、时长、比例、分辨率、声音与其他参数均由当前模型决定。生成会消耗积分，提交前应查看页面显示的当前费用。

太长不看版（TL;DR）

既能从纯文字生成视频（文生视频），也能让一张静态图动起来（图生视频）。

顶级视频模型聚合在一处——用同一条提示词横向对比，留下最好的那个。

工作流可以串联：先生成图片，点「用作参考图」，不离开页面就把它变成视频。

种子、批量生成和页面内历史，让迭代变成系统工程而不是碰运气。

费用随模型、时长、分辨率、素材类型及其他计费参数变化；提交前查看当前估算。

如何从文字生成 AI 视频？

1. 打开 AI Generator，登录并切换到 Video 标签，选择与镜头需求匹配的方法和模型。
2. 查看模型卡片，确认每条视频约合多少美元以及支持的选项。
3. 描述这一镜：主体、动作、场景、镜头运动和氛围。
4. 点击生成，视频会进入页面内的历史记录。
5. 对比几次结果，把最好一条的种子复用起来做可控变体。
6. 动态不对味？换一个模型再跑同一条提示词——切换模型只是一次点击，不是一份新订阅。

如何把一张图片变成视频？

图生视频以一张图片为起点——上传照片，或直接选用一张刚生成的图——模型会以它为画面基础让内容动起来。当你在意构图、角色长相或产品外观时，这条路线远比纯文字可控。

主体外观重要时，可先在静态图中确定构图和形象，审核通过后点击「用作参考图」，再交给兼容的图生视频模型。图片与视频费用并非固定比例，因此仍需分别查看当前估算；主要价值是先发现外观错误，减少无效视频迭代。

大家都在用 AI 视频做什么？

短视频内容是走量之王：开场钩子、B-roll 空镜、以及真实预算根本拍不起的视觉梗。营销团队把产品渲染进现实中不可能的场景；音乐人在预订任何场地之前就把整支 MV 的分镜跑一遍；制片方则用文生视频做预演——给昂贵镜头出一版便宜的动态草稿。

常见任务包括分镜预演、短片开场、B-roll、产品概念镜头和角色动作草案。生成成本未必低于图库或实拍，角色和产品也不会自动跨任务保持一致；应比较实际授权与制作成本，并为每个镜头复用审核过的参考素材。

视频提示词应该怎么写？

把运动写明白，这是视频提示词与图片提示词最大的差别：什么在动、动多快、镜头怎么走（推、摇、固定机位）。视频提示词是一段分镜描述，不是一句图片说明。

一条提示词只写一个场景、一个连续动作。想把多场景剧情塞进一条片段几乎必然失败——分成多镜分别生成，再在剪辑软件里拼接。

A slow dolly-in on an astronaut walking through a sunflower field
at golden hour, petals drifting in the wind, warm backlight and
lens flare, cinematic color grading, smooth stabilized camera motion

AI 视频生成要花多少钱？

视频生成按积分计费，模型、时长、分辨率、是否带参考素材或声音等都可能改变费用。价格与能力会更新，应以提交前页面显示为准。

控制预算时，先验证镜头简报和静态参考，再用满足验收需求的最小设置测试运动。更快或更高质量并不对应统一价格等级，须按当前模型逐项比较。

投入批量任务前，读取模型当前参数并运行一个有明确验收标准的短镜头。单次样本不能代表所有提示词和输入素材。

可以通过 API 生成视频吗？

可以。在 /api-keys 创建密钥，读取视频模型当前参数，POST 提交任务后以适中间隔轮询 task_uuid，直到 completed、failed 或 cancelled。

对需要批量出镜头的管线——比如给一整集短剧渲染分镜——这套接口配合按次计价的积分制，比排队等网页界面高效得多。

curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/<model_id>" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "prompt": "a slow dolly-in on an astronaut walking through a sunflower field at golden hour"
    }
  }'

# Video jobs take longer — poll the task until it completes
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/<task_uuid>" \
  -H "Authorization: Bearer YOUR_API_KEY"

练习：比较文字驱动与图像锚定镜头

规划一个简单镜头：“旅行杯放在咖啡馆台面上，蒸汽轻柔上升，镜头缓慢小幅向前推进。”文生视频需要描述杯子、咖啡馆、光线、单一蒸汽运动和镜头移动。图生视频则先确认一张具备理想开场构图的静态图，再放入模型支持的首帧或参考槽位，并保持运动指令简洁。不要假定两条路径会得到完全相同的结果。

只选择所选模型实际显示的时长、分辨率、宽高比、音频、末帧或其他控件。部分图生视频路径会继承源图比例，不要强行设置不支持的参数。核对显示费用后，每条路径各生成一个短片。目标是判断哪种方式更能保持构图并遵循单一运动，而不是凭一次尝试得出普遍结论。

再次生成前先看完整段视频

以正常速度播放每一帧，并分别检查开头、中段和结尾。只有杯子形状保持连贯、蒸汽运动没有变成新物体、镜头移动平滑、台面与背景稳定，且末帧仍可使用时才算通过。如果有意启用且模型支持音频，还要单独检查相关性和瑕疵。开场帧优秀不能弥补结尾损坏。

如果构图漂移，改用已确认静态图和模型支持的图像锚定路径；如果运动混乱，删除次要动作，只保留蒸汽与缓慢推进，必要时只留一种运动；如果主体在结尾变化，先测试模型支持的更短时长，不要一次重写全部；如果镜头静止，则更明确地描述机位移动。每次重试只改一个输入并从短片开始；更长时长、更高设置和重复生成可能按所选模型增加积分消耗。