你手里有一张产品图或人物图，想让画面里的人物动起来、镜头推一下，但不确定这类轻量模型扛不扛得住正式交付。这篇按「输入准备—生成—出片检查」走一遍，说明它擅长和不擅长的地方，以及超出能力边界时该换什么思路。价格与规格以站内当时的数字为准。
你手里有一张产品图或者一张人物图，想让画面里的人动一下、镜头推一下，但不确定这种轻量模型扛不扛得住正式交付。这篇按「输入准备—生成—出片检查」的顺序走一遍，把它的能力边界讲清楚，也说清什么情况该换思路。价格和规格别记死，以站内当时的数字为准。
先说清楚它的定位：它属于轻量档的图生视频模型，优势是生成快、显存门槛低、适合批量试错；代价是复杂运镜和长动作容易崩。把它当成「让静态画面活过来」的工具，而不是「从零生成一个世界」的工具，心态会顺很多。
这个模型到底在干什么
输入是一张图加一段文字描述，输出是让图里元素动起来的短片。它做的是给已有画面加运动，不是重新构图或换场景。理解这一点，你写提示词的时候就不会去描述画面里没有的东西。
- 输入
- 一张主体清晰的图片，加一段描述动作与镜头的文字
- 输出
- 基于原图延展出的短视频，画面主体基本保持原样
- 擅长
- 小幅动作、轻微镜头位移、氛围变化，比如人物转头、发丝飘动、镜头缓推
- 不擅长
- 多镜头叙事、大幅换景、精细手部动作、画面里文字要保持清晰
什么情况下不适用：需要多镜头剪成一段故事、画面里要大范围换背景、手部有精细交互、图上的文字必须可读，这几类基本都超出它的能力。硬用只会浪费额度，早点换成其它方案更划算。
出片前把输入准备到位
图没准备好，后面抽多少次都救不回来。图片本身要够干净：主体明确、别糊、别带一堆小字，分辨率太低或构图太满都会限制后面的运动幅度。想把同一个角色跨多条视频保持一致，先把参考图和风格词固定下来再批量套，别每条重写。
- 先筛图挑主体清晰、构图留有余量的图。裁掉四周杂物，确认主体没被裁到边缘，否则镜头一动就出画
- 再写提示词按「主体 + 动作 + 镜头 + 氛围」四段写，动作只写一个主要件事。写三四个动作等于让它瞎猜，结果就是哪边都不像
- 控制变量同一批测试里只改一个变量，要么改动作词，要么改镜头词。这样才能判断到底是哪句话在起作用
- 记录对照把每次的提示词和出片结果对应记下来，几轮之后你就知道这套模型在你这类图上偏好什么写法
- 图片太糊或噪点多，生成时会把噪点当成画面内容一起动起来
- 主体占画面比例过大，镜头几乎没有运动空间，只能做原地微动
- 图上文字会被当成纹理处理，动起来就糊，别指望它保持可读
- 背景元素太碎太密，运动时容易糊成一片，能简化就先简化
- 免费额度和调用次数随时会变，具体数字去 /ai-nav/category/ai-video 和对应厂商页核对当天的口径
出来之后先过一遍检查清单
出来的片子别急着发，先按用途定标准。只是社交平台几秒钟的演示，轻微瑕疵能忍；要放进商品页或投放素材，画面跳动就得重抽。标准先定，再决定抽几条，比一条条凭感觉挑效率高得多。
| 检查项 | 能忍的情况 | 不能忍的情况 |
|---|---|---|
| 主体变形 | 远景小主体、一闪而过 | 近景人脸、商品主体 |
| 边缘抖动 | 背景简单、时长很短 | 抠图感明显、边缘有描边 |
| 背景糊化 | 本来就是虚化背景 | 背景是产品使用场景 |
| 时长 | 只做动图式展示 | 需要配合解说或字幕 |
有瑕疵优先改提示词而不是猛抽。把动作收窄、把镜头写死，通常比换随机种子更省额度，也更容易复现。真要补短板，去 /ai-nav/category/ai-video-edit 找剪辑、补帧、画质增强类工具，把成品串起来，而不是指望一个模型把全部事情做完。
算钱和看授权这两件事别拖到最后
先分清是走官方 API 按次计费，还是走订阅套餐含额度。这两种口径不能直接换算，去 /official-api 和 /plans 看当时的数字，再决定你的用法。批量试错成本要提前估：你打算抽几条才挑出一条能用的，这个比例决定实际单价，而不是标称单价。
- 确认生成内容的授权范围，能不能商用、能不能二次修改
- 确认画面里出现的素材你有没有权利用，包括原图里的人像和商标
- 确认平台那边要不要标注 AI 生成，不同渠道规则不一样
- 拿不准就去 /safety 和授权相关页面看规则原文，别靠感觉
- 这类问题别拖到投放前一天才查，改素材的成本比查规则高得多
模型决定下限，输入质量和检查标准决定上限。先定用途，再定抽几条。下一步把你手上的图先按上面的步骤走一轮，再拿结果去站内对照同类工具的能力口径，看有没有更适合你这类画面的选择。价格、额度与授权规则都会变，动手前先去站内页面把当天的数字和条款核对一遍。→
常见问题
问一句：这个模型能不能直接用照片生成有人物走动的视频？
可以，但效果取决于照片本身。人物占画面比例大、背景简单、正脸清晰的图，动起来最稳；全身远景、背景杂乱或多人同框的图，容易出现脸崩或肢体扭曲。建议先用一张简单图试，看它对你这类素材的稳定程度，再决定要不要批量做。
问一句：它生成的视频能商用吗？
能不能商用要看两道：一是你用的入口（官方接口还是第三方中转）给的授权范围，二是画面里出现的素材和人物你有没有使用权。这两条都不是模型自己决定的。别凭一句「可以商用」就投，去站内安全与合规相关页面看规则原文，重要项目建议留个书面确认。
问一句：用起来贵不贵，怎么估预算？
没有固定答案，因为计费口径分按次、按秒、按套餐额度好几种，而且价格会调。实际预算等于「有效片数 × 单价」，而有效片数取决于你平均抽几条出一条。先去站内官方 API 与订阅页面看当下数字，再按自己的废片率乘一遍。
