AI绘画生成的图怎么做视频？十秒成片背后的实测账
掏心窝子讲：AI绘画的图转视频，最稳的路子是"环境动、人物静"，镜头推近几乎不翻车，一旦让人走起来就开始崩。我把一张江南雨巷插画做成十秒视频发了视频号，全程的成本、成功率、翻车现场都记在这篇里。
AI绘画的图怎么做视频，我一直想认真测一回。契机是自己画了张江南雨巷的插画——青石板、雨丝、屋檐下两串灯笼——画完总觉得缺点什么，静着的雨巷没有声音也没有呼吸。就它了，目标十秒，发视频号当氛围短片。
路线是图生视频：静图喂进去，写动态描述，出5秒一段的小片，两段拼成10秒。听起来简单，真跑起来每一步都有讲究。我原本预估一小时收工，实际搭进去一个半晚上——低估的正是"挑动态"这一步。
五秒一段，稳的和不稳的各是什么
图生视频单段5秒、一次生成约4分钟，动态元素里雨丝、灯光摇曳最稳，人物走动最容易崩，环境动态优先于角色动态。这是十几次生成换来的排序。
雨丝是最省心的。写"细密雨丝持续下落、水面泛起涟漪"，五次生成四次可用，唯一翻车的一次雨下成了雪，颗粒太大。灯笼摇曳也稳，光晕晃动的幅度AI拿捏得不错，晃得还挺有节奏。顺带测了"雾气流动"，四段成三段，雾是仅次于雨的省心元素。
人物是大坑。我起过让"撑伞行人缓缓走过巷子"的念头，五次生成里三次鬼步——腿在动，位移不成比例，像在传送带上滑行；一次伞面穿过了屋檐。唯一能看的一次，行人动作也快得像赶末班车。最后我把行人改成"静立回眸"，只让伞沿滴水，画面一下子可信了。
规律其实清晰：AI对无生命的环境动态理解得好，对人类的步态循环还差口气。想稳，就让环境替你演戏。
运镜词实测：推、移、旋哪个最稳
三种运镜各测五次：缓慢推近五次全成，左右横移三次可用，旋转镜头五次只成一次，运镜幅度越小越稳。镜头语言要挑模型拿得住的写。
推近是万金油。"镜头缓慢推近雨巷深处"这个描述，五段全过，成片有种慢慢走进画里的代入感，我最后采用的正是它。有人问我为什么不手动做关键帧推近，答案是省事，效果肉眼分不出差别。横移次之，三次可用，两次翻车都是移动到半路画面元素被重绘，屋檐的瓦片数变了，细心观众会察觉。
旋转基本可以死心。五次只成一次，其余四次里建筑透视跟着镜头转着变形，那画面像达利的梦。我的建议是别跟模型较劲，绕着主体转圈这种镜头留给实拍。
还有个加分小技巧：把"速度"词写具体。"极缓慢""几乎难以察觉"这类限定，成片的电影感明显高过裸写"推近"，快慢差出来的不是清晰度，是情绪。同一张图我用快慢两种速度词各出一段，慢的那段完播率高出一截。
这笔成本账，什么场景划算
按我用的平台折算，5秒一段约几毛到一块钱，10秒成片含废片成本两块上下，适合氛围素材，不适合叙事短片。钱不多，时间才是大头。
钱其实不心疼，整个实验含废片十几次生成，折算下来一杯豆浆的钱。真正花的是等待：每次生成四分钟，失败了重排队，我这场实验前后吊在进度条上的时间超过一个半小时。这活儿的成本结构是"钱便宜、时间贵"。
划算的场景我想了四类：公众号头图和封面动效、视频号氛围短片、音乐配景画面、线下店铺的循环屏。共同点是"要氛围不要剧情"。反过来，需要人物表演、需要叙事连续性的短片，现阶段图生视频扛不动，别硬上。
分辨率也要提一句：我出的是横版1080P，投屏幕看够用，放大到4K投屏会露出涂抹感。要大屏展示的，出图阶段就把底图做大一号。这是开店铺的朋友用真金白银换来的教训。
十秒的片子发出去当晚，评论区只有一条留言，来自我一个做摄影的朋友："这雨是真下的吗？"我回他：雨是画出来的。他隔了一会儿回了三个字——"像真的"。这一来一回大概就是图生视频现阶段最好的注脚：环境层面的真实感已经够骗过人眼，剩下的坎都在人和故事身上。下一个实验，我想让那盏灯笼开口说话。
常见问题
图生视频一段大概多少钱？
主流平台按次扣积分，5秒一段折算约几毛到一块，具体看会员档位。废片成本要算进去，复杂动态的报废率不低。
为什么视频里人物走路会崩？
步态是高度循环的精细运动，模型对腿部落地的物理理解还不到位。避开人物行走，用静立、回眸这类小动作代替。
什么样的静图适合做成视频？
有明确氛围元素的最合适：雨雪、云、灯光、水面。构图太满或主体太碎的图，动态化后容易乱。
生成的视频能直接商用吗？
看平台条款对会员出图的授权范围，另外底图如果是AI生成的，两层的授权都要确认，商用前截图存档条款页面。