你可能遇到过这种情况：一句话丢进去，出来的片子看着挺唬人，但人物一转身就换脸、镜头一动就散架，第 20 分钟才意识到这东西不是「许愿机」。这篇不吹效果，从原理讲到落地，告诉你哪类镜头适合生成、哪类必须实拍，以及一套能交付的实操顺序。
你可能遇到过这种情况：一句话丢进去，出来的片子看着挺唬人，但人物一转身就换脸、镜头一动就散架，第 20 分钟才意识到这东西不是许愿机。它更像一个很勤快但没记性的实习生，你给的条件越少，它自己脑补得越离谱。
这篇不吹效果。我们先把原理讲穿，你会明白它为什么在时间维度上容易翻车；再按能力给工具分类，而不是按排行榜挑；最后给一套从拆镜头到验收的落地顺序，顺便把成本口径和授权边界说清楚。判断标准给到，但什么情况下不适用，我也会直说。
原理：它是怎么把文字变成会动的画面的
文字先进编码器变成语义向量，再映射到画面空间。模型并不是像画师那样一笔一笔画，而是在一堆噪点里一步步去噪，把连续帧还原出来。所谓生成，本质是不断做减法。所以看提示词是否被理解，别看它开头那两秒，要看它后面有没有掉线。
真正的难点在时间维度。它得保证相邻两帧是同一件事的延续，这就要靠时序上的注意力机制把前后帧绑在一起。绑不牢的地方就是翻车高发区：物体形变、手指数量、背景漂移，全是这里出的问题。理解这一点，你就能预判哪些镜头别指望它。
- 语义向量
- 文字被压成的一串数字，模型拿它当画画的指令
- 去噪
- 从纯噪声里一点点擦出画面，步数决定了细节和耗时
- 时序一致性
- 前后帧说的是同一件事，翻车多半出在这
- 首帧参考
- 给一张图当起点，等于把自由度先砍掉一半
文生视频和图生视频走的是同一条路，区别只在起点的约束强不强。图生视频因为有一张参考帧钉住，一致性和运镜可控性通常更好。术语拿不准就去 /ai-dict/category/tech 对照一下，别靠感觉理解。
工具：按能力分类，而不是按排行榜挑
别看榜单，先按能力分四条线：文生视频、图生视频、视频编辑（延长、补帧、改局部）、后处理（字幕、配音、抠像）。这四类是可以拆开用的，一条片子里往往各占一部分，没必要非用同一家。
挑工具只看三个硬指标：能不能吃你的输入（参考图、目标时长、分辨率）、导出带不带水印、排队要等多久。类型清单去 /ai-nav/category/ai-video 翻，一家家比。各家画质、速度、计费口径并不统一，别信口头对比。
| 能力线 | 典型输入 | 最常见的使用场景 | 容易踩的坑 |
|---|---|---|---|
| 文生视频 | 纯文字描述 | 概念镜头、空镜、氛围画面 | 主体漂移、时长越长越散 |
| 图生视频 | 一张参考图加描述 | 角色出镜、产品镜头 | 参考图太糊，动起来就崩 |
| 视频编辑 | 已有片段 | 延长、补帧、换局部 | 接缝处光影对不上 |
| 后处理 | 成片素材 | 字幕、配音、抠像 | 音画不同步、口型对不上 |
具体某一家的参数与计费口径，到 /official-api/providers/kling 和 /official-api/providers/runway 核对，横向维度再去 /video-model-comparison 看。什么情况下不适用？如果你做的只是口播或纯素材拼接，生成模型的价值很低，直接上剪辑工具更快，别为了用而用。
实践：从需求到能交付的成品
第一步是拆镜头脚本。把每个镜头标成生成、实拍、素材拼接三类，能交给生成的通常只占其中一部分。全片靠生成基本交付不了，这一点在排期前就要认，否则后面全是返工。
- 拆镜头并分类逐镜头标注生成/实拍/拼接，标注完成后检查是否还有整段依赖生成的节点
- 定主体与画风用一两句固定主语和画面风格，后续每一条都带上，别中途换措辞
- 固定首帧参考图先出一张满意的静帧当起点，再让它动起来，比纯文字稳得多
- 短时长多抽几条单镜头控制在短时长，多生成几条挑最好的一条，不要赌一次成片
- 分开排配音与后处理配音、字幕、拼接、调色当作独立环节排期，不要在生成环节死磕
逐句描述和运镜写法，参考 /ai-nav/category/ai-prompt。整条剪辑线索见 /ai-nav/category/ai-video-edit，把生成出来的碎片拼成片子，功夫多半在这一步。
- 人物一致性：同一角色在不同镜头里脸和衣服是否对得上
- 口型与配音：说话镜头里嘴型和音轨是否明显错位
- 画面接缝：镜头切换处光影、色调、运动方向是否突然跳
- 导出规格：分辨率、时长、有没有水印，导出前确认
- 成片总时长：按脚本核对，别多也别少
验收清单建议打印出来逐项打勾。交付前再去 /power-watch 这类价格追踪页过一眼，确认后续补生成的成本口径，别等返工了才发现预算不对。
成本口径与授权边界
计费口径先分清是按时长还是按条数，是按生成次数还是按输出时长，各家不一样。逐家看 /official-api 里的规格页，别拿一家的口径套另一家，套出来就是错的心理预期。
免费额度和订阅制是两套逻辑：额度用尽的处理方式、订阅的额度怎么折算，都要看当期规则。具体数字去 /price-watch 和 /usage 看，不要凭印象，也不要按老经验估。规则会变，页面上的才准。
什么情况下不适用？如果只是内部演示、不上线不投放，授权核查可以放宽，但水印仍会影响观感，投屏给别人看之前先自己看一眼导出效果。
下一步先把你手上的脚本按生成/实拍/拼接拆一遍，再去站内视频工具目录挑两三个候选做同题测试，各家规格页和价格页都核对一遍当时的数字，比看任何测评都靠谱。→常见问题
AI 视频生成能做出完整的几分钟成片吗？
能拼出来，但一般是「生成镜头 + 实拍/素材 + 剪辑包装」的组合。全片交给生成，人物一致性和镜头衔接很难过关。稳妥做法是按镜头拆开，只把适合生成的镜头交给模型，其余用素材和实拍补，最后统一在剪辑里串起来。
文生视频和图生视频该用哪个？
看你手上有没有可用的参考画面。有参考图、对构图和主体一致性要求高，用图生视频，控制力更强；只有概念、想快速试方向，用文生视频先出几条草稿。实际项目里常常先文生摸风格，再拿满意的画面转图生视频细化。
生成出来的视频能直接商用吗？
不能默认可以。要分开看两件事：导出物带不带水印、授权条款是否覆盖你的使用场景。涉及真人肖像、品牌标识、音乐配音的素材另算一套授权。上线投放前把授权范围和限制核对清楚，别等发布后再补。
