为什么源图片比提示词更先决定结果
图片转视频不是从空白开始。模型首先需要判断图片中的主体、空间关系和哪些细节应当保持，然后才会添加动作和镜头。
如果图片本身含义不清，提示词写得再长也无法补回缺失的人脸、产品边缘或被遮挡的肢体。因此，选择素材时可以先检查四件事：主体是否明确、光线是否稳定、关键细节是否可见、画面是否留有运动空间。
1. 一张图只保留一个主要主体
单个产品、单个人物或一个清楚的场景中心，比多人合照和杂乱桌面更容易控制。模型需要知道谁应该动、谁应该保持，以及镜头应围绕什么展开。
如果必须使用多人图，人物之间应有清楚间隔，并在提示词中明确主要动作。复杂互动更适合先从轻微动作开始。
2. 关键细节必须在原图中真实可见
想保持产品标签，就要让标签足够大；想保持人物身份，就要让脸部对焦清楚；想生成全身动作，就不要裁掉手脚。
AI 会推断原图看不到的部分，但推断不等于真实还原。尤其是产品背面、复杂文字、手部和被遮挡服装，发布前都需要检查。
3. 为动作方向留出空间
主体贴近画面边缘时，横向移动、转身和环绕镜头更容易被裁切。产品图可以在四周保留少量背景；人像可以根据计划动作保留肩部或全身空间。
如果源图是紧密大特写，更适合眨眼、呼吸、光线变化和缓慢推近，不适合突然奔跑或大幅转身。
4. 使用稳定且方向清楚的光线
过曝会丢失高光细节，死黑会隐藏轮廓，多色强光则可能让模型误判材质。均匀、可读的光线更有利于保持人物皮肤、产品颜色和背景关系。
这并不意味着图片必须是摄影棚作品，而是重要信息不能被光线吞掉。
不同素材的选择建议
产品图
优先使用完整包装、正面标识清楚、反光可控的 packshot 或桌面产品图。可在 AI 产品视频生成器 中先尝试缓慢推近、轻微环绕或光线扫过。
人像
选择单人、眼睛清楚、脸部无遮挡且背景简单的照片。需要轻量动作时可以使用 人像动画特效。
插画和角色图
保持角色轮廓完整，并避免背景中出现过多相似角色。提示词中明确需要保留的画风、服装和颜色。
场景图
选择有清晰前景、中景和背景关系的画面，并让主要动作发生在可辨识区域。
一个实用的上传前检查表
- 主要主体能否在一秒内被认出？
- 需要保持的脸、文字和产品细节是否清楚？
- 计划动作是否有足够空间？
- 图片是否存在严重模糊、压缩或遮挡？
- 你是否拥有图片和人物肖像的使用权？
满足这些条件后，再打开 Styvid 图片转视频，用一句集中提示词描述主要动作、镜头和必须保留的内容。
结论
好的图片转视频素材不一定华丽，但必须容易理解。先让源图把主体和构图说清楚，再让提示词负责动作和镜头，通常比要求模型同时修复图片、重构场景和生成复杂表演更稳定。