学习模式

刺猬星球super-i_AI教程免费在线教学

让上一课的图片动起来,完成你的第一条 AI 短片

视频教程(案例与下文不一致但是思路一致)

 

上一部分,我们已经在 FlowPix 中生成了“女咖啡师”的图片,也学会了修改服装、时间和场景。

现在,我们要让这些静态图片真正动起来。

现实中拍摄一条咖啡店短片,需要准备相机、镜头、灯光、场地和演员。正式拍摄时,还可能遇到天气变化、动作失误或需要反复补拍等问题。

使用 AI 视频生成,我们可以先通过文字和图片测试画面。即使暂时没有摄影设备,也能把脑海中的创意做成一段可以观看的视频。

这节课不要求你马上做出复杂大片。我们会从一条5秒视频开始,一步一步完成。

 

学完本节课,你将能够:

- 分清文生视频、图生视频和视频生视频;
- 在 FlowPix 中完成第一次视频生成;
- 看懂模型、比例、清晰度、时长、声音和生成数量;
- 理解什么是帧、首帧和尾帧;
- 使用单张首帧和首尾帧生成视频;
- 区分首尾帧模式与参考模式;
- 修改一段已经生成的视频;
- 把多段视频组合成一条简单短片。

 

本节课继续使用上一部分的写实案例:

为街角咖啡店制作一条“清晨第一杯咖啡”品牌短片。

开始前的准备


请先准备下面三样内容:

1. 打开上一部分使用的 FlowPix 项目;
2. 找到已经生成好的女咖啡师主图;

 

如果没有上一课的图片,也可以先上传一张女咖啡师在咖啡店里的横版图片。建议图片比例为16:9,人物面部、双手和咖啡器具尽量清楚。

 

本节课的学习路线如下:

文字直接生成视频 → 发现人物不稳定 → 用图片生成视频 → 用首尾帧控制开始和结束 → 用参考模式获得更多变化 → 修改已有视频 → 组合成短片

第一遍学习时,先跟着走通流程,不需要一次记住所有模型和参数。



一、AI 视频生成有哪三种方式?


在上一部分,我们学习了文生图和图生图。AI 视频也有三种相似的生成方式。

 

1.文生视频

输入一段文字,AI 直接生成一段视频。

例如输入:

一位女咖啡师正在制作手冲咖啡,热气缓慢升起。

AI 会自己决定人物长什么样、咖啡店是什么样,以及镜头怎样运动。

 

2. 图生视频

先提供一张图片,再让 AI 把图片中的人物和场景动起来。

例如把上一课的女咖啡师图片放进去,让她抬起手冲壶,缓慢向咖啡杯中注水。

 

3. 视频生视频

先提供一段已有视频,再让 AI 修改其中的内容。

例如:把窗外的白天改成雨夜。

 

先记住最简单的区别:

文生视频:没有起始图片,AI 自己想画面;
图生视频:先给 AI 一张图片,再让图片动起来;
视频生视频:先给 AI 一段视频,再修改这段视频。

接下来,我们分别操作一次。



二、第一次文生视频:只用文字生成5秒视频


“文生视频”里的“文”是文字,“视频”是最后得到的结果。也就是说,我们不给 AI 图片,只告诉它要发生什么。

 

第1步:创建视频生成节点

在 FlowPix 画布的空白位置创建一个新节点。

选择“视频生成”。

 

正常情况下,新节点中会出现:

一个视频预览区域;
一个提示词输入框;
视频模型和参数设置;
一个生成按钮。

 

第2步:输入第一条视频提示词

在输入框中写下:

一位年轻的中国女咖啡师站在温暖的街角咖啡店里制作手冲咖啡,她缓慢向咖啡杯中注水,白色热气轻轻升起。

这条提示词只说清楚三件事:

谁在动:女咖啡师;

做什么:向咖啡杯中注水;

还有什么变化:热气升起。

第一遍不要安排太多动作。

 

第3步:选择视频模型

找到“模型”选项,这里可以选择seedance2.5(效果最好但是最贵),也可以选wan 3.0(效果中等,但是便宜些)

Seedance、可灵、Veo、Wan等都属于视频模型。seedance2.5是目前最强视频模型,但是价格有些贵。

第一次练习不用反复切换模型。先选一个,把完整流程走通。

 

第4步:设置视频参数

视频的设置比图片多一些,但这一次只需要检查以下内容。

画面比例:16:9

16:9就是横屏,和上一课的咖啡师图片保持一致,也方便后面把多段视频剪在一起。

如果想制作手机竖屏短视频,可以选择9:16。但同一个练习中不要来回改变比例。

比例:选择16:9或者9:16

清晰度:720p或者480p(分辨率越高越贵)

清晰度越高,画面通常越清楚,但生成时间和消耗也可能增加。

练习时先使用480p。等动作和构图满意后,再生成更清楚的版本。

时长:6秒

 

时长决定最后的视频有多长。

第一次选择5秒,我们只做一个简单的视频,5秒已经够用。

如果只做一个简单动作,却选择很长时间,画面后半段可能出现多余动作;如果安排很多动作,却只生成5秒,AI 又可能来不及完成。

声音:选择开启

生成数量:2段

 

同一句提示词,AI 每次生成的动作和镜头可能不同。一次生成2段,可以让我们进行比较。

生成前再次检查:

- 选择的是视频模型;
- 比例是16:9;
- 清晰度是标准或720p;
- 时长是5秒;
- 数量是2段。

 

第5步:点击生成

确认无误后,点击生成。

视频计算通常比图片慢。页面显示生成状态属于正常情况,不要连续点击生成按钮。

生成完成后,逐段播放两条视频。

生成视频1

 

生成视频2

 

重点观察:

1. 人物有没有正常完成注水动作;
2. 双手、手冲壶和咖啡杯有没有明显变形;
3. 热气是否自然;
4. 人物和场景有没有突然变化;
5. 视频是否出现无关动作。

 

到这里,你已经完成了第一次文生视频。

文生视频最大的优点是方便:没有准备图片,也能快速看到创意大概是什么样。



三、文生视频适合用来做什么?


文生视频很适合快速寻找灵感。

例如把提示词改成:

一位年轻女咖啡师在一个意想不到的地方制作手冲咖啡,真实摄影风格。

 

AI 可能会把咖啡师放到屋顶、森林、车站或海边。这些结果不一定能直接使用,但可能给你新的创意方向。

seedance2.5生成 森林里冲咖啡

 

seedance2.5生成 工地里冲咖啡

 

你也可以保持同一条提示词,只更换视频模型,再比较结果。

进行模型对比时,只改变模型,其他内容全部保持不变:

Wan 3.0生成

Wan3.0的质感与seedance2.5的质感差距有些大。Wan 3.0还有些塑料感

 

对于简单动作,快速模型和高质量模型的差距可能不明显。可以先使用快速模型尝试,方向确定后再切换高质量模型。



四、文生视频的问题:每次的人可能都不一样


文生视频虽然方便,但有一个明显的问题:AI 需要自己决定人物和场景。

即使提示词完全相同,重新生成时也可能出现:

- 女咖啡师换了一张脸;
- 发型和服装发生变化;
- 咖啡店变成另一个空间;
- 手冲壶、咖啡杯的样式不一样;
- 镜头角度与上一条视频完全不同。

 

如果只是寻找灵感,这些变化可能没有关系。

但我们现在要制作同一家咖啡店的品牌短片,人物和场景需要保持一致。为了让结果更加稳定,我们不再让 AI 从零想象,而是把上一课满意的图片交给它。

这就进入了第二种方式:图生视频



五、第一次图生视频:让咖啡师图片动起来


图生视频就是:先提供一张图片,再告诉 AI 图片中的内容应该怎样运动。

 

第1步:找到上一课的主图

找到女咖啡师主图。

放大检查一次:人物面部、双手、手冲壶和咖啡店背景都应该比较完整且正确。图片本身如果已经有明显错误,做成视频后错误往往会更明显。

 

第2步:从图片连接视频生成节点

单击女咖啡师主图,从图片旁边的连接入口拉出一条线,然后选择“视频生成”(操作方式与上一节图生图一致)。

连接成功后,应该能看到:

这条线表示右边的视频会参考左边的图片。

 

如果两者之间没有连线,先不要生成。没有正确连接时,AI 可能会重新创造另一个人物。

 

第3步:输入动作提示词

输入:

女咖啡师低头看着咖啡杯,缓慢抬起手冲壶,向杯中稳定注水,白色热气轻轻向上飘动,人物动作自然,镜头固定。

因为人物、服装和咖啡店已经在图片中确定,所以这里主要描述“怎样动”“如何运镜”。

“镜头固定”的意思是摄影机不要明显移动。第一次生成时先固定镜头,更容易观察人物动作是否正确。

 

第4步:选择生成方式

如果界面中有“首尾帧”和“多模态”等选项,这一次先选择可以使用首帧的模式。

目前我们只连接了一张图片,它会作为视频开始时的画面,也就是首帧。AI 会从这张图片出发,继续生成后面的动作。

 

第5步:检查参数并生成

建议设置:

-视频模型:选择seedance2.5 或Wan 3.0

- 比例:选择首帧时,比例无法自己更改;

- 清晰度:480p;

- 时长:5秒;

- 生成数量:2段。

- 私域真人:打开(图中有真人时打开,不然无法过审核)

 

然后点击生成。

生成的视频

 

和文生视频相比,图生视频通常更容易保留已经确定的人物、服装、场景和构图。

先用图片把画面确定下来,再让它动起来,是目前制作连续 AI 短片非常常见的流程。



六、什么是帧、首帧和尾帧?


在视频参数中,你可能会看到“帧”这个词。

不要被它吓到。视频可以理解成一本快速翻动的连环画,每一页都是一张图片。人眼看到这些图片快速连续播放,就会觉得画面动了起来。

这些组成视频的一张张图片,就叫作“帧”。

 

- 首帧:视频开始时的第一张图片;
- 尾帧:视频结束时的最后一张图片。

 

只提供首帧,并选择首尾帧模式 相当于告诉 AI:

视频必须从这张图片开始,后面怎样发展由你来完成。

 

 

同时提供首帧和尾帧,并选择首尾帧模式,相当于告诉 AI:

视频从第一张图片开始,最后必须到第二张图片,中间的动作请帮我补出来。

这就是首尾帧生成的基本逻辑。



七、首尾帧生成:同时控制视频的开始和结束


现在,我们希望视频从“咖啡师正在冲咖啡”开始,最后停在“咖啡师把咖啡递给顾客”的画面。

 

第1步:准备两张图片

准备下面两张16:9图片:

首帧图:女咖啡师在吧台后制作手冲咖啡;


尾帧图:同一位女咖啡师把咖啡递给顾客。

 

两张图中的人物、服装、咖啡店和光线尽量保持一致。差别最好集中在动作上。

如果两张图差别太大,例如人物换了衣服、镜头方向完全相反、咖啡店也变了,AI 很难自然地补出中间过程。

 

第2步:链接视频节点

鼠标左键框选俩张图,然后从“+”号拉出一条线。连接到新的视频生成节点。

此时,节点中应该显示两张图片。

一定要检查顺序:

- 前面的图片是首帧;
- 后面的图片是尾帧。

如果顺序反了,视频就会从递咖啡开始,倒着回到冲咖啡。发现顺序不对时,使用界面中的交换功能,或者重新连接。

 

第4步:输入中间动作

输入:

咖啡师正在冲咖啡,随后察觉有顾客到来,将正在冲的水壶还有器材移到一旁,把旁边准备好的咖啡递给顾客

提示词描述的是两张图片之间发生的过程。

 

第5步:选择首尾帧模式并生成

选择首尾帧生成方式,时长先设置为10秒。

如果动作较多,10秒内显得太快,可以改为12秒或15秒。判断方法很简单:需要完成的动作越多,通常需要的时间越长。

 

点击生成并播放结果。

 

检查三件事:

1. 开头是否接近首帧图;
2. 结尾是否接近尾帧图;
3. 中间动作是否连贯,没有突然跳变。

首尾帧的价值,就是把视频的开始与结束确定下来,让中间过程更加可控。



八、首尾帧模式和多模态参考模式有什么区别?


这两个选项都可以使用图片,但作用不同。

首尾帧模式

图片会直接决定视频的开始画面,或者同时决定开始与结束画面。

它适合:

- 需要严格从某张图开始;
- 需要在指定画面结束;
- 制作前后衔接;
- 希望构图更加稳定。

 

参考模式

图片只是给 AI 看一看。AI 会参考其中的人物、物品或风格,但生成的视频不一定从这张图片的构图开始。

它适合:

- 想保留人物特征,但允许镜头变化;
- 想根据参考图重新安排景别;
- 想生成参考人物的近景、侧面或其他角度;
- 希望 AI 有更多发挥空间。

 

做一次简单对比

继续使用女咖啡师图片,新建一个视频节点,把生成方式改成多模态参考模式。

输入:

近景拍摄女咖啡师的双手,她缓慢向咖啡杯中注水,咖啡液和白色热气清晰可见,真实摄影风格。

生成后,你可能会发现视频更靠近人物双手,构图不再完全等于原图。这不是生成错误,而是参考模式允许 AI 重新安排画面。

 

请记住:

想固定开始和结束,用首尾帧;想保留参考特征但改变镜头,用参考模式。



九、视频生视频:修改已经生成的视频


现在我们已经有了一段咖啡师冲咖啡的视频。假设人物动作不错,但窗外还是白天,而我们希望它变成雨夜。

不一定需要从头重新生成。可以使用视频生视频,在已有视频上继续修改。

 

第1步:选择需要修改的视频

在画布上找到刚刚生成的视频。

 

第2步:连接视频编辑节点

从视频节点拉出一条线,选择视频生成,再选择视频编辑模式。

连接成功后,应该能看到:

原视频 → 视频修改节点

 

第3步:输入修改要求

 

输入:

将窗外的白天改成雨夜,增加细雨、湿润路面和街灯倒影。咖啡店内部保持温暖明亮,女咖啡师的面部、服装、动作、手冲壶和镜头运动保持不变。

 

这条提示词同样分成两部分:

要修改什么:把白天改成雨夜;
要保留什么:人物、服装、动作、道具和镜头。

 

第4步:选择适合视频修改的模型

确认当前模型支持视频编辑或视频参考。不是所有视频模型都擅长直接修改已有视频。

只有seedance2.0,seedance2.5,Wan3.0,Mini max h3可以修改视频,并且效果还行,seedance2.5的效果是最好的。

 

然后点击生成。

 

生成后先检查雨夜是否出现,再检查人物动作有没有被破坏。

如果天气改对了,但人物变化太大,可以在提示词中进一步强调“只修改窗外环境”,或者选择参考保持能力更强的模型重新生成。

视频生视频和上一课的图生图很像:都是保留满意的部分,再修改不满意的部分。



十、回顾AI影像生成的五种方式


完成前后两部分后,我们已经接触了AI影像生成最常见的五种方式。

1. 文生图

输入文字,生成一张图片。

 

2. 图生图

提供已有图片,生成修改后的新图片。

 

3. 文生视频

输入文字,直接生成一段视频。

 

4. 图生视频

提供一张或多张图片,让图片中的内容动起来。

 

5. 视频生视频

提供已有视频,再修改视频中的人物、场景、天气或风格。



十一、用五种生成方式完成第一条AI短片


第1步:先确定三个画面

短片只讲一件简单的事:咖啡店开门后,咖啡师做好第一杯咖啡并交给顾客。

准备三个关键画面:

1.清晨,街角咖啡店刚刚亮起灯;

2. 女咖啡师在吧台后制作手冲咖啡;

3. 女咖啡师把完成的咖啡递给第一位顾客。

 

第2步:生成三张图片

可以先用文生图生成三个画面,

 

先把静态画面做对,再做视频,会比直接连续生成三段文生视频更加稳定。

 

第3步:让三张图片动起来

分别从三张图片连接视频生成节点

 

画面1:店内灯光慢慢亮起;


画面2:咖啡师缓慢向杯中注水,热气升起;


画面3:咖啡师把咖啡递给顾客,两人自然微笑。

 

每段先生成5秒。动作多的镜头可以适当延长。

 

第4步:检查连续性

把三段视频放在一起比较:

- 咖啡师是不是同一个人;
- 围裙颜色是否一致;
- 咖啡店的色调是否一致;
- 咖啡杯有没有突然变化;
- 三段视频的比例是否都是16:9。

发现问题时,顺着节点回到对应的图片或视频步骤修改,不需要全部重做。

 

第5步:剪在一起

将三段满意的视频下载后导入剪映进行拼接,按照“店铺亮灯—制作咖啡—递给顾客”的顺序排列。

三段画面连续播放后,就形成了一条最简单的AI品牌短片。

复杂的AI短片,通常也是同样的逻辑:先准备更多关键画面,再生成更多视频片段,最后进行剪辑组合。



十二、本节总结


如果内容一时记不住,先记住下面六句话:

1. 文生视频是用文字直接生成视频,方便找灵感,但人物和场景容易变化。
2. 图生视频是先确定图片,再让图片动起来,通常更加稳定。
3. 只给首帧,AI 决定后面的画面;同时给首尾帧,可以控制开始和结束。
4. 首尾帧模式强调固定画面,参考模式允许 AI 重新安排镜头。
5. 视频生视频可以保留满意的动作,再修改天气、场景或风格。
6. 制作短片时,先把关键图片做对,再分别生成视频,最后组合起来。

 

完整学习路线是:

文生视频 → 发现不稳定 → 图生视频 → 首尾帧控制 → 参考模式 → 视频修改 → 组合短片

只要能独立走通这条路线,你就掌握了AI视频生成最基础、也最重要的逻辑。

下一单元,我们会继续学习图片提示词和视频提示词的写法,让AI更准确地理解你的创作要求。