AI 视频生成怎么用？从一句话到成片的完整流程

同一个模型，有人生成的画面像电影，有人生成的在抽搐。差别往往不在模型，而在你喂给它的信息和拆解镜头的方式。

AI 视频生成的三条路径

按输入不同，可以把主流做法分成三类。选错路径，后面怎么调提示词都救不回来。

做产品视频、人物短片时，推荐直接用参考生视频：先把角色或商品定义清楚，再让模型在每个镜头里复用同一套视觉信息。这条路比文生视频慢一点，但返工次数少得多。

一条 AI 视频的六个步骤

1. 定目标：这条片子给谁看、要多长、放哪个平台。竖屏 9:16 给短视频平台，横屏 16:9 给官网和展会用，先定画幅再定内容。
2. 写总纲：一句话说清整条片子在讲什么，例如「30 秒讲清这款保温杯为什么能保温 12 小时」。
3. 拆镜头：把总纲拆成 5 到 8 个镜头，每个镜头一句话。口播类可以少，叙事类要多。
4. 逐镜生成：一个镜头一段描述，先用 720P 快速试方向，方向和构图都对了再上 1080P 出片。
5. 挑与补：每个镜头保留 1 到 2 个可用版本，不满意的就地重生成，不要将就——一个坏镜头会毁掉整条片子。
6. 拼接导出：按分镜顺序拼接，需要的话加字幕与配乐。

提示词怎么写才有效

视频提示词和图片提示词不是一回事。图片只要一帧，视频要交代时间上的变化。一段可用的视频提示词通常包含五件事：

• 主体：谁在做这件事，外貌、服装、状态写具体。
• 动作：从什么状态到什么状态，例如「缓缓抬头看向镜头」比「很好看」有用一百倍。
• 镜头：景别（特写/中景/全景）与运镜（推、拉、摇、跟随、固定）。
• 环境与光：时间、天气、光源方向、色温。
• 风格：纪实、胶片、3D 动画、产品广告质感。

成本和画质怎么权衡

按秒计费的逻辑下，试错才是最贵的部分，而不是成片本身。一条 30 秒的短片如果每个镜头试 4 次，实际生成的视频时长是 120 秒。所以省钱的正确姿势是：低分辨率定方向，高分辨率定成片。

CanvasVid 的定价是 720P 每秒 0.05 元、1080P 每秒 0.10 元，提交任务前系统会预估并冻结积分，完成后按实际消耗结算，不会出现跑到一半额度不够而中断的情况。具体算法见价格与计费。

生成质量取决于什么

• 模型能力：这是天花板。万相 2.7 这类旗舰模型在人物结构、物理运动上的稳定性明显好于早期模型。
• 分镜拆解：一个镜头讲一件事。让一个 5 秒镜头既换场景又换人物再换动作，必然崩。
• 参考素材：参考图越接近目标画面，生成越准。
• 构图与运动幅度：运动越大越容易失真，安静的镜头几乎不会出错。