问答 · 图生视频

图生视频是什么?

更新于 2026 年 11 月 18 日

简短回答:图生视频,就是给模型一张图片当起点或参考,再加一句文字说明要怎么动,生成一段几秒到十几秒的视频。它和文生视频(只给文字)最大的区别是:画面里的人和东西长什么样由图片定,不靠模型猜,所以更像、更稳。常见有两种:一种是让这张图本身动起来;另一种是拿图当参考,生成一段新画面,里面的人长得和图一样。SceneMixer 属于后一种:人物设定图当参考,视频按秒计价,默认档每秒 8 积分起。
SceneMixer 生成的 AI 短剧《长坂铁骑》成片画面(8 个角色、1 集)
样片长坂铁骑真人写实高清画质1 集由 SceneMixer 流水线从剧本直接生成看整集

图生视频是什么,用一句话说

文生视频是「你说,它画」,图生视频是「你给它看,它照着画」。图片解决的是「长什么样」,文字解决的是「做什么」。一张图加一句「她转过身,朝门口走去」,模型就会让图里的这个人做这个动作。

图生视频和文生视频有什么区别

  • 长相:文生视频每次生成,人可能长得不一样;图生视频照着图,长相稳定。
  • 控制:图生视频的构图、颜色、衣服都由图定,可控性更高。
  • 准备:文生视频只要一句话;图生视频要先有一张合适的图。
  • 适合:一次性的画面用文生视频就够;要连续好几段、同一个人出现,用图生视频。

图生视频的三种用法

  1. 首帧动起来:图就是视频的第一帧,模型从这张图往后生成,常用来让一张照片、一幅画动起来。
  2. 参考图生成:图只当参考,画面是新生成的,但里面的人、东西和图一样,适合做连续剧情。
  3. 首尾帧:给开头和结尾两张图,模型补出中间的过程。
图生视频的三种用法首帧动起来图就是第一帧,往后生成参考图生成画面是新的,人长得和图一样首尾帧给两头,补中间SceneMixer设定图当参考,每段都照着画图定长相,字定动作。
连续剧情最需要参考图。

图生视频是什么软件

「图生视频软件」其实指两类工具:一类专门让单张图片动起来,上传一张照片、选个动作就出片;另一类是从剧本做视频的平台,把人物的图当参考,在很多段视频里保持同一个人。前一类适合做一条好玩的短视频,后一类适合做有情节、有好几段的片子。

SceneMixer 怎么用图

剧本解析后,第二步给每个人物、场景、道具出一张设定图:人物是正面全身、白底的参考图,场景是没有人的空景。之后每一段视频生成时,这一段里出现的人物和场景的设定图都交给视频模型当参考,所以第一集和第十集的主角是同一张脸。会员也可以上传自己的照片放到角色卡上:选「AI 优化成设定图」按出一张图计价,选「直接使用」不花钱。

为什么不是「上传一张照片就动起来」

单图动起来只能做一个镜头,人一转身、一换场景就不像了。做一部有好几段的片子,需要的是「每一段都认得出是同一个人」。所以 SceneMixer 把图用在参考上:先把人定下来,再让他在不同的地方、不同的镜头里演。

图片的质量决定一半

参考图越清楚、越干净,视频里的人越稳:正面、全身、光线平、背景干净、没有遮挡。这也是 SceneMixer 设定图的标准写法。快照、侧脸、多人合照当参考,效果会差很多。

图生视频适合做什么

最适合的是三类:让一张静态的画动一下,做成封面或开场;给产品照片配上镜头运动和使用场景,做成广告;有固定角色的连续剧情,比如短剧、动画、系列口播。前两类一段就够,第三类要好几段、要同一个人一直像,最需要参考图。

局限:图生视频做不到的

  • 图里没有的东西,模型只能猜:背面、侧脸、被挡住的手。
  • 一张图撑不起很多段:动作和角度一大,样子还是会变,要好的参考图配合。
  • SceneMixer 不让单张照片直接动起来,用照片做的是广告片和角色设定图。

常见问题

图生视频是什么意思?

给模型一张图当起点或参考,加一句文字,生成会动的视频。SceneMixer 用人物设定图当参考,每段都照着画。

图生视频是什么软件?

有让单图动起来的工具,也有从剧本做视频、拿图当参考的平台。SceneMixer 是后一种。

图生视频比文生视频好吗?

要同一个人出现好几段时更稳。SceneMixer 第二步先出设定图,就是为了这个。

我的照片能当参考图吗?

SceneMixer 的会员可以上传照片放到角色卡上,AI 优化按出一张图计价,直接使用不花钱。

图片转视频见图片转视频怎么弄;文生视频见文生视频是什么意思;参考图换了会怎样见自己的参考图替换后会变什么。

让设定图里的人在每段视频里都长一样

人物画一次,全片照着画。

免费注册

每秒视频的费率见定价页,数字一致。