完全指南
AI 视频生成：创作者与卖家实用指南
2026-07-10·8 分钟阅读
AI 视频生成无需拍摄，就能把图片或文字变成短片。最有用的三种是：图生视频（让静图动起来）、对口型（一张照片做会说话的出镜人）、文生视频（用提示词生成片段）。本指南逐一讲解并链接对应操作文。
「AI 视频生成」包含什么
它是一组相关工具的统称：让静态照片动起来、让人像对上语音、用文字提示词生成片段。对卖家和创作者而言，最快见效的是复用你已有的素材——一张商品图或一张头像。
让静图动起来：图生视频
上传一张照片，描述运动（缓慢推近、商品旋转），约一分钟得到几秒视频。这是用一张现成图片快速获得「让人停下滑动」动态的最快方式。
→ 怎样把图片变成视频口播 / 出镜人视频
给一张正脸人像加一段语音或文案，AI 对口型让嘴型对上——不用相机和演员就能得到口播片。非常适合商品讲解、类 UGC 广告、以及多语言版本。
→ 用照片做会说话的视频文生视频
当你完全没有素材时，用文字描述画面、从零生成片段——适合空镜、片头和无露脸内容。再配合图生视频和对口型，就能拼出完整一条。
→ 试试文生视频格式、时长与画幅
抖音/TikTok、Reels、Shorts 用 9:16 竖屏；信息流用 1:1；横屏用 16:9。片子要短——几秒干净的运动胜过又长又抖的。让第一帧配得上当封面。
把商品变成广告视频
常见卖家流程：给商品图去背景、放进干净场景、做一个缓慢推近，再加一个对口型出镜人讲卖点。几分钟内就用静图得到一条原生视频广告——无需拍摄。
常见问题
生成一条视频要多久？
通常约一分钟，取决于模型、片长和当前负载。
该用什么画幅？
抖音/Reels/Shorts 用 9:16，信息流用 1:1，横屏用 16:9。
能用我自己的商品或人脸吗？
可以——上传你自己的图片或人像，结果会忠于你的商品或出镜人。