AI 视频怎么做：从提示词、图片或现有素材做出完整视频

用 AI 做视频，最容易踩坑的地方不是“不会输入提示词”，而是把它当成一次性按钮。更可靠的做法，是把它看成一个小型视频制作项目：有 brief，有样片，有修改轮次，有后期，也有发布前的权利与平台政策检查。现在的工具已经支持从文字描述生成视频、从参考图片生成动态画面，或在部分流程中编辑、延展已有视频；OpenAI Sora API 文档描述了这些能力，Adobe Firefly 也支持从文字和图片生成视频。

先判断：你是从文字、图片，还是现有视频开始？

打开生成器之前，不要急着输入一句很泛的描述。先确认手里有什么素材，因为起点会决定提示词写法，也会影响该选哪类工具。

你手里有什么	更适合的模式	适用场景
只有一个想法或文案	Text-to-video（文字生成视频）	想从描述直接生成新镜头，例如氛围片、短视频片段、产品概念画面、片头或背景画面。
产品图、主视觉、静态分镜	Image-to-video（图片生成视频）	想保留构图或主体形象，只给画面增加镜头运动；Sora API 文档描述了用参考图片作为起始帧，Firefly 也有从图片生成视频的流程。
已经有一段视频素材	编辑/延展视频	想修改、继续生成或延长某个镜头；这是 Sora API 文档中提到的能力之一。

如果你正在比较工具，尽量以官方页面为准。Google Vids 表示，用户可以在 Google Vids 中使用 Veo 3 通过提示词生成视频。 Adobe 也提供了在 Firefly 生态中使用 Google Veo、Runway Gen-4.5，以及 OpenAI Sora 2/Sora 2 Pro 的相关页面或说明。

提示词公式：像写拍摄 brief 一样写

好的 AI 视频提示词，不只是说明“画面里有什么”，还要说明“镜头怎样拍”。一个好上手的结构是：

主体 + 动作 + 场景 + 景别/机位/镜头运动 + 光线 + 情绪或风格 + 时长或画幅比例。

这种写法与相关文档中的建议一致：OpenAI 建议清楚描述画面、主体、动作、环境和光线；Adobe 也建议在生成视频时说明 subject、action、place、mood 或 style 等要素。

不够具体的提示词：

• “一个人在雨中的街道上走路。”

更像拍摄 brief 的提示词：

• “夜晚雨后街道的全景镜头，一名虚构角色缓慢步行，霓虹灯倒映在潮湿路面上，镜头缓慢向前 dolly，电影感光线，情绪低沉，动作自然，8 秒。”

如果是产品图，可以把图片明确设定为画面的锚点：

• “使用这张产品图作为起始画面。生成缓慢 push-in 镜头，柔和棚拍光线，高级简洁背景，表面有轻微反光，不改变产品外形。”

6 步做出一条能发布的 AI 视频

第 1 步：先写清视频目标

先问自己三个问题：这条视频是给谁看的？要发布在哪里？观众在前几秒需要看懂什么？

短视频平台上的竖屏片段，和产品介绍、内部培训视频、演示文稿背景画面，节奏与信息密度都不一样。目标越清楚，后面的提示词、画幅、时长和后期取舍就越容易定。

第 2 步：选择合适的生成模式

只有文字想法，就用 text-to-video；有产品图、主视觉或静态分镜，就用 image-to-video；如果需要处理已有素材，并且工具支持对应工作流，就用编辑或延展视频的模式。

第 3 步：写第一版足够具体的提示词

第一版提示词至少要包含主体、动作、场景、镜头、光线和情绪。这样写出来的内容更接近影像制作 brief，而不是一句模糊的画面描述。

实用做法是先把“画面内容”写出来，再补上“怎么拍”：

• 主体：谁或什么物体？
• 动作：正在做什么？
• 场景：在哪里、什么时间、什么环境？
• 镜头：远景、近景、俯拍、推近、横移还是固定机位？
• 光线：自然光、棚拍光、夕阳、霓虹、低调光？
• 情绪：清爽、科技感、温暖、克制、电影感？

第 4 步：先生成短样片

不要一开始就追求最长时长或最高画质。OpenAI 文档建议，在反复调提示词时使用较短片段和较小尺寸，因为更长视频或 1080p 输出会明显更耗时。

也就是说，先用几秒钟测试方向：构图对不对，主体有没有稳定，动作是否自然，光线和气氛是否接近预期。确认方向后，再投入更高质量的最终生成。

第 5 步：每次只改一类问题

样片不满意很正常，但不要一次性重写所有内容。更稳的办法是一次只调整一组变量：镜头、动作、光线、场景或情绪。

如果你同时改了主体、机位、光线、风格和时长，就很难判断到底是哪一处让结果变好了或变差了。把修改拆小，反而更快接近目标。

第 6 步：生成最终版，再做后期

当视频方向基本正确，再输出更高质量的版本。OpenAI 文档提到，sora-2-pro 更适合高质量和 1080p 输出，并描述了在任务完成后下载 MP4 的流程。

不过，AI 生成的只是画面素材。要成为一条完整视频，通常还需要剪辑节奏、旁白、音乐、音效、字幕、片头片尾、品牌 logo 或行动号召等后期步骤。

视频不对劲时，怎么改提示词？

AI 视频往往需要几轮迭代。与其推倒重来，不如先诊断问题，再有针对性地改。

• 动作不自然：把动作写得更具体，例如“步伐缓慢，右手拿着纸杯，外套随风轻微摆动”。
• 镜头不符合预期：补充景别和镜头运动，例如 “wide shot”“close-up”“slow push-in” 或 “dolly forward”。
• 光线和情绪不搭：写明光源和氛围，例如“柔和棚拍光线”“温暖的黄昏逆光”或“霓虹灯倒映在湿润路面”。
• 产品或角色被改得太多：如果原始形象很重要，优先使用 image-to-video，把图片作为参考锚点。
• 画面多出不想要的元素：增加限制条件，例如“不要加入新人物”“保持极简背景”“保持色彩一致”。

后期：把 AI 片段变成完整视频

一段 AI 生成画面再漂亮，也不一定能直接发布。你还需要处理画面之外的层次：

• 旁白：用于讲解、产品介绍或故事推进。
• 音乐与音效：只使用你有权使用的音频。OpenAI 相关文档提到，在其流程中，受版权保护的角色和音乐可能会被拒绝。
• 字幕：对短视频尤其重要，因为很多观众可能不会开声音。
• 剪辑节奏：把多个片段拼接起来，加入标题、logo、转场或行动号召。

Adobe Firefly 是被描述为可从文字和图片生成 AI 视频的工具之一，但后期仍然是发布前的最后一道质量控制。

发布前一定要做权利与政策检查

如果只是个人练习，这一步能帮你避免误用素材；如果用于品牌、广告或商业内容，这一步就不是可选项，而是必须项。

Adobe 表示，使用 Firefly model 生成的视频可安全用于商业目的。 但如果你使用的是合作伙伴模型或其他工具，应阅读对应工具或模型的条款；Adobe 针对 Firefly 中的 Google Veo、Runway Gen-4.5 和 OpenAI Sora 也有独立页面。

对于 OpenAI Sora API，相关文档提到了一些值得注意的内容限制：不能生成真实人物，包括名人；受版权保护的角色和音乐会被拒绝；在该流程中，包含人脸的输入图片也会被阻止。

发布前至少检查这些问题：

• 视频里是否使用了真实人物、可识别面孔、声音或角色？
• 是否包含他人享有权利的音乐、音效、logo、图片或角色？
• 你使用的工具或模型是否允许商业用途？
• 发布平台是否要求标注 AI 内容，或对 AI 内容有额外限制？
• 最终版是否已经人工复看，确认没有画面错误、文字错误、logo 变形或敏感细节？

可直接套用的提示词示例

1. 文字生成短视频

• “清晨，一名虚构角色打开一家小咖啡馆的门，全景镜头，阳光从玻璃门斜射进来，镜头缓慢 dolly，温暖胶片色调，动作自然，8 秒。”

2. 产品图生成动态视频

• “使用这张产品图作为起始画面。生成轻微 push-in 镜头，柔和棚拍光线，深色高级背景，细腻反光，高端广告风格，保持产品外形不变。”

3. YouTube 或演示文稿背景画面

• “窗边一张极简办公桌，打开的笔记本电脑，一盆小绿植，柔和下午光，固定机位但带非常轻微的画面运动，专注、现代的氛围，10 秒。”

4. 延展已有视频素材

• “保持当前视频的色彩和构图，将镜头自然延长几秒，镜头运动缓慢，不添加新人物，光线保持一致。”

一句话总结

想把 AI 视频做得更稳定，不要从“生成大片”开始，而要从小样片开始：选对输入方式，把提示词写成拍摄 brief，短片段测试，逐项修改，最后再做后期和发布检查。用于品牌、广告或可变现内容前，还要逐一确认商业使用权限、真实人物、角色、音乐和各工具政策。