AI 生成视频
blubiu 的 AI 生成视频把一段镜头描述(也可以加首帧或参考图)变成一段短视频
AI 生成视频是什么
blubiu 的 AI 生成视频把一段镜头描述(也可以加首帧、首尾两帧或最多 9 张参考图)变成一段短视频:Seedance 2.0、MiniMax H3、Veo 3.1、万相3.0 等模型可选,单段时长从 1 秒到 15 秒,取决于所选模型,按秒或按条扣积分。
信息核对于 2026-11-03
适合谁
什么时候别用它
- −要一整部多镜头短片:交给 Agent,它会写剧本、拆分镜、逐段生成。 去看 →
- −要 2K 画面:看 MiniMax H3。 海螺 AI 视频模型 MiniMax H3 →
- −要一个超过 15 秒的连续镜头:拆成几段分别生成再拼接。
AI 生成视频怎么用
- 01
放首帧、首尾帧或参考图
放 1 张图,视频从它开始,主体比只写文字稳得多;再放 1 张,视频停在它上面;放 3 张以上,它们就是全新镜头的参考。什么都不放,就是纯文生视频,全靠描述。
- 02
只写这几秒发生什么
一个镜头讲一件事:谁在做什么、镜头怎么动、情绪如何。别把一整段剧情塞进 5 秒。
- 03
按秒计费,先短后长
清晰度和时长决定积分,点生成前按钮上就标着这一次的价(Veo 3.1 Fast 是一条一个价)。先用 480P 5 秒试动作,满意了再出高清长版。
AI 生成视频出好效果的技巧
放什么素材,就是哪种方式
输入框按你放的素材判断:什么都不放是文生视频,1 张图是首帧,2 张图是首尾帧,3 张以上是参考,放了视频或音频就是全能参考。只有 1–2 张图时,点图上的角标可以在「帧」和「参考」之间切换;输入框下面那行字会写着识别成了哪种。
按镜头需要选模型
要声音:Seedance 2.0、Veo 3.1 Fast 或万相3.0;MiniMax H3 和 H3 Lite 都是无声的。要 2K:只有 MiniMax H3。要 4 秒以下:H3 Lite(最短 1 秒)或万相3.0(最短 2 秒)。正好 8 秒、一条一个价:Veo 3.1 Fast。当前模型接不了你放的素材时,输入框会换成能接的模型,并写明原因。
480P 打草稿,定稿只出一次
480P 是最便宜的一档。先用默认的 Seedance 2.0 Mini 或 MiniMax H3 Lite 把动作试对,再把同一段描述换到 Seedance 2.0 出 1080P,或换到 MiniMax H3 出 2K。重出是新的一条,不是原来那条变清楚;想原样保留草稿,用视频高清修复放大它。
一段写一个镜头,声音写出来
每次生成就是一个连续镜头:谁在做什么、镜头怎么动、什么情绪。几秒里塞几件不相干的事,出来会很赶或者被跳过。Seedance、Veo、万相默认会生成声音,所以把想听到的写出来,比如「街道环境音,无音乐」;不写可能会被配上你没要的音乐。
让角色每段都是同一个
只靠文字,每次都会把角色重新画一遍;我们第一次完整实测时,纯文字生成的几段视频里,角色都和设定对不上。先把角色做成角色三视图或人物一致性设定卡,在这里当参考图放进来,每段都用同一句话描述角色。
长片拆成几段
这里没有哪个模型能出超过 15 秒的单个镜头。把一场戏拆成几个镜头,把上一段的结尾状态写成下一段的开头。剪接点要严丝合缝时,用首尾帧:上一段停在某张图上,下一段从同一张图开始。
首尾帧:尾帧从首帧改出来
两张图之间每一处不同,都要模型在中间补出来,所以两张越接近,动作越干净。把首帧当参考图交给AI 图片生成,只写要变的地方(比如从站着变成坐下),角色、场景、机位高度和光线都不动。提示词写过程,不写两头:什么在动、镜头往哪走、快还是慢。能接尾帧的是 Seedance 2.0、Veo 3.1 Fast、MiniMax H3 Lite 和万相3.0;MiniMax H3 不接。
参考图:编号,写清每张是什么
参考图按放进来的顺序编号。提示词开头先写每张是什么,比如「图1是角色,图2是咖啡馆,图3是杯子」,然后再写镜头里发生什么;不说明的话,几张参考会被混在一起。Seedance 2.0、MiniMax H3 和 H3 Lite、万相3.0 最多接 9 张;Veo 3.1 Fast 不接参考图。
构图交给分镜图,当参考图放
首帧和参考图不能在同一次生成里一起用。想控制构图、又不丢角色,就画一张这个镜头的分镜图,当作多一张参考图放在角色图后面,并在提示词里写明「只参考构图、站位和机位」,不要把它当首帧。
AI 生成视频案例
全部由 blubiu 自己生成。
AI 生成视频和相近做法的区别
| 做法 | 你给什么 | 得到什么 | 最适合 |
|---|---|---|---|
| AI 生成视频 (本页) | 一段描述,加上你放的图、视频或音频 | 一段 1–15 秒的视频,输入方式按你放的素材自动判断 | 从哪开始都行:一个输入框覆盖所有输入方式和所有视频模型 |
| 文生视频 | 只有文字 | 画面完全由模型想象的一段视频 | 手上还没有图的构想:空镜、氛围镜头、快速试方向 |
| 图生视频 | 一张图当首帧,再写怎么动 | 从你这张图开始动的一段视频 | 构图和主体已经定好的图,让它动起来 |
| 首尾帧生视频 (本页) | 开头、结尾两张图,再写中间发生什么 | 从第一张图开始、停在第二张图上的一段视频 | 转场、变身、前后对比这类两头都定好的镜头 |
| 参考生视频 (本页) | 最多 9 张参考图(角色、道具、场景),提示词里写清每张是什么 | 一个全新的镜头,里面是参考图里的角色和物体 | 让同一个角色在一段段视频里长得一样 |
AI 生成视频用到的模型
用字节跳动的 Seedance 2.0 从文字、首帧或最多 9 张参考图生成 4–15 秒带声音的视频。Mini、Fast、2.0 三个版本的清晰度与每秒积分一目了然。
用谷歌的 Veo 3.1 Fast 从文字或首尾帧生成 8 秒 720p 视频,可带声音,每条一口价。
用 MiniMax H3(海螺 AI 的视频模型)带参考图、参考视频生成 2K 视频;或用 MiniMax H3 Lite 以很低的每秒价格出无声草稿,最短 1 秒。
用阿里巴巴的万相3.0(Wan 3.0)从文字、首帧或参考图生成 2–15 秒带声音的视频,也能把视频里的人换成你的角色。标准、极速两档能力相同。
AI 生成视频常见问题
AI 生成视频要等多久?
看模型、时长和清晰度;实测过的一个例子是万相3.0,标准档约 6 分钟,极速档约 1 分钟。关掉页面也不影响,任务在服务端跑完会出现在「作品」页。
视频为什么比图片贵这么多?
多数视频模型按秒计费,几秒视频的上游成本就是一张图的好几倍。最省的入门方式:用 MiniMax H3 Lite 出几秒 480P,或用 Veo 3.1 Fast 出一条 8 秒的。
一次能做多长?
取决于模型:Seedance 2.0 是 4–15 秒,万相3.0 是 2–15 秒,MiniMax H3 是 5–15 秒、H3 Lite 1–15 秒,Veo 3.1 Fast 固定 8 秒。更长的片子是把多个镜头分别生成再拼接。
失败了积分会回来吗?
会。上游报失败、提交被拒或你主动取消,都会自动退回这次的积分。
先用哪个视频模型?
先用默认的 Seedance 2.0 Mini:文字、首帧、参考图都能接,还能带声音。要 2K 换 MiniMax H3,要固定 8 秒、带声音换 Veo 3.1 Fast,要 2 秒起的短镜头或想用极速档快点出换万相3.0,只想便宜地出无声草稿用 H3 Lite。AI 视频模型页把它们并排列出来了。
AI 生成视频能免费试吗?
能。免费版每个月有一份积分,点生成前按钮上会标出这一次要花多少;先出一条 480P 的短草稿最省。失败或被拒的生成自动退积分;付费订阅会员所有视频模型 6 折,详见价格页。
能生成带声音的视频吗?
能,用 Seedance 2.0、Veo 3.1 Fast 和万相3.0:声音默认开着,和画面一起生成,点「有声 / 无声」可以关掉。MiniMax H3 和 H3 Lite 出的都是无声视频。
能选哪些比例和清晰度?
比例有 16:9(默认)、9:16、1:1、4:3、3:4。清晰度看模型:Seedance 2.0 和万相3.0 最高 1080P(Seedance Mini、Fast 最高 720P),Veo 3.1 Fast 是 720P,MiniMax H3 是 768P 或 2K,H3 Lite 是 480P 或 768P。
能放自己的图片、视频、音频吗?
能:每次最多 9 张图、3 段视频、3 段音频。1 张图当首帧,2 张图当首尾帧,3 张以上当参考,放了视频或音频就是全能参考(Seedance 2.0、MiniMax H3、万相3.0 支持;H3 Lite 能带音频、不能带视频)。参考视频的秒数在成片之外另算积分。想让照片里的人照着一段视频的动作做,用 AI 动作模仿。
哪些模型支持首尾帧?
Seedance 2.0(Mini、Fast、完整版)、Veo 3.1 Fast、MiniMax H3 Lite 和万相3.0(标准、极速)。MiniMax H3 不接首帧和尾帧,只接参考图。Veo 3.1 Fast 固定 8 秒,其余的时长可以自己选。
首帧和尾帧差别很大可以吗?
可以,但差得越多,中间越容易出现突兀的变形。做一张中间状态的图,分成「首帧→中间」「中间→尾帧」两段生成,共用的那张图让剪接点对上。两张图毫不相干(不同角色、不同地方)的话,分别出两段直接切过去更好。
参考图和首帧有什么区别?
首帧就是视频开场的那张图本身;参考图是把图里的角色、物体放进一个全新的画面,开场不必和任何一张参考图相同。一次生成要么用帧,要么用参考,不能同时用;只放 1–2 张图时,点图上的角标可以从「帧」切成「参考」。
能做角色变身、换装的过程吗?
能,两头都定死正适合做这个。两张图的姿势、机位、场景保持一样,只改角色的造型,比如用 AI 换装出同一个角色的两套衣服。同时变的东西越少,中间越干净。
视频做好之后还能做什么?
每条视频都会出现在「作品」页。喜欢的草稿可以用视频高清修复放大;要做多镜头的短片,点本页底部去画布,把剧本、角色、镜头、配音节点连成一条线,逐段生成。
和 AI 生成视频搭配使用
AI 图片生成 →
先把开场画面做成一张图:构图在图片里定好,再放回这里当首帧,视频从它开始动。
人物一致性设定卡生成器 →
先做好参考图:一张图上三个角度的脸,加正侧背全身,直接在这里当参考图放进来。
AI 角色三视图生成器 →
把常驻角色先做成正侧背三视图,再当参考图放进来,每段视频里都是同一个角色。
AI 视频高清修复 →
原样保留一条 480P 或 720P 的视频,放大到 1080P、2K 或 4K;动作和时长都不变。
AI 视频换角色 →
已经有现成的视频?直接把你的角色换进去,不用从头生成动作。
AI 视频模型 →
所有视频模型并排对比:输入方式、时长、清晰度、声音、每秒价格。
其他创作场景
把剧本、角色、镜头、配音节点连成一条线,逐段生成,角色每一段都是同一个。