AI技术AIGC AI绘画AI视频怎么串成一个工作流？出图到图生视频的入门路线

AIGC 的工作流入门，最容易走弯路的地方就是把AI绘画和AI视频当成两个独立课程报班。我的结论很直接：把它看成一条线，文字出图是上游，图生视频是下游，中间只隔一张你挑出来的最好图。上游质量决定下游上限，这个关系定了，学习顺序就没得争。

为什么值得按这个思路学？我上个月帮朋友做一条 十五秒的产品短片，他先学了半个月视频端，结果每次生成完都要回过头改图。原因很简单：视频模型会忠实继承首帧的一切，构图歪、手部崩、光位乱，静态时还能修，一动起来五秒里全被放大。后来改成先出图后做视频，整条片子三天跑通。

先出图还是先学视频？顺序错了两头返工

先练AI绘画再碰AI视频：出图不过关，图生视频会把构图与手部瑕疵放大成动态崩坏，顺序对了能省近一半学习成本。后面细说这个判断怎么来的。

视频生成模型对首帧的继承是全盘的，好的坏的都收。我做过一组对照：同一张手指结构有问题的图，拿去生成五秒片段，五秒里有四秒能看清那只崩掉的手，还多了一截凭空出现的关节。换成构图干净的图，同一段动作提示词，一次就过。

这就是下游依赖上游的证据。静态图上的问题你还有重绘、局部修复这些手段兜底；视频一旦动了，修起来的成本是出图的几倍。所以入门路线应该是：先把出图这关过了，视频端只需要学参数和节奏，剩下的都是顺水推舟。

有人会问，纯文字直接生成视频不行吗？行，但可控性差很多。文生视频目前对细节的服从度远不如图生视频，你没法精确控制画面里每个元素的位置。个人觉得直接文生视频这条路，短期内对做正经内容的创作者都不算高效。

出图这关怎么过：稳定比灵感值钱

出图阶段目标是把单张质量稳定下来：固定提示词结构、固定参数，先追求十张里八张能用，再谈风格化。抽卡式碰运气是这阶段最大的坑。

我的做法是提示词三段式：主体描述、环境与光位、画质与镜头词，各占一块，中间不混。参数上，步数三十起步，CFG 控制在六到八，尺寸先固定一档别乱切。同一提示词我先跑十张，统计能用的张数，低于八张就回去改词，不改参数。

我试了下让一个新号直接「凭感觉写提示词」，十张里能用的两张，手指崩了六张，画面里还经常冒出乱码一样的伪文字。换成三段式之后，十张能用八张，光位正确的也有八张上下。差距不在灵感，在结构。

光线是出图阶段最常翻车的一项，室内外光混写会让整张图的质感发灰。这部分展开讲会很占篇幅，我之前专门整理过一篇户外光位的分档实操，正午顶光、黄昏侧逆光、阴天柔光各有一套写法，出图总画成室内光的朋友可以直接看ai外部绘画总画成室内光？正午顶光、黄昏侧逆光、阴天柔光三档户外光实操。

翻车修复也说一个。有张图主体很好，但背景里的人物手部糊成一块。我没整张重跑，用局部重绘只处理那块区域，蒙版开小一点，两次就修好了。整张重跑等于把前面八张的运气清零，能局部救就局部救。

图生视频怎么接：首帧挑最好的，动作做减法

图生视频的核心是给静态图加时间轴：首帧用你最好的那张，提示词只写一到两个动作，运镜宁小勿大。动作堆得越多，崩得越快。

选首帧别手软，十张里挑那一张最稳的，别心疼。我的标准是：主体结构无瑕疵、光位明确、背景没有会骗到视频模型的奇怪纹理。水面、网格、密密麻麻的字，都容易在动态里被解读成奇怪的形变源。

动作提示词做减法。五秒片段里写「头发被风吹动，镜头缓慢推进」，比写「转身、抬手、微笑、走过来再坐下」成功率高得多。我统计过自己最近的批次：单动作提示词十次能成四次，堆三个以上动作的十次成不了一次。抽卡是常态，按这个命中率预留时间就行。

运镜同理。大幅度环绕、快速推拉，目前模型驾驭得都很勉强，画面容易撕裂。小幅度推进、轻微横移，是成功率最高的两档。说实话，很多教程吹的复杂运镜，我实测下来观赏性还不如一个稳稳的缓慢推进。

片段时长也有讲究。五秒是最稳的一档，十秒开始出现主体漂移，人物脸部细节会悄悄变化。需要长片段就拆成多段五秒，首尾帧对上再接，比硬生成一段十五秒靠谱。

工具与参数搭配：一张表看懂上下游

绘画端和视频端分开选型即可，图片格式通用就能对接，不必强求同一家的全家桶。真正要盯的是每个环节的关键参数区间。

我自己的流程用一张表说清楚，数值是我在单张 4070 的机器上跑出来的经验值，供参考：

这套表的意义是把不确定的地方圈出来。出图和视频端工具换什么牌子都行，参数逻辑不变。你要是换了机器，只改时间预期，不用改流程。

回到开头那句：AIGC 入门真正的捷径是把AI绘画和AI视频接成一条线，上游出图稳了，下游图生视频就是顺水推舟。先花一两周把单张出图练到十张能用八张，再挑最好的首帧、写最短的动作词去接视频。整条路走通之后，你会发现两个工具学的其实是同一套审美：结构、光位、节奏，哪一环都躲不开。

常见问题

零基础一天能跑通整条工作流吗？

跑通可以，跑好不行。照着三段式提示词和五秒片段的参数，一个晚上能出第一条片子，质量大概率一般。给自己一周，前五天只练出图，后两天接视频，节奏最舒服。

显卡不行能玩图生视频吗？

本地跑确实吃显存，十二 G 以下会很挣扎。两条路：用在线平台的视频生成额度，按条付费，适合先验证流程；或者出图本地做、视频云端跑，混合着来，成本可控。

抽卡抽不出来怎么办？

先查首帧再查提示词。十次成不了一次，多半是首帧里藏着形变源，比如水面、网格、密集文字，换一张干净的图，命中率立刻不一样。别闷头改动作词。

生成的视频人物脸部会变，怎么压住？

首帧人脸占比别太大，特写最容易被漂移。中景以上开始，动作幅度收小，时长压在五秒内，脸稳得多。要特写就接受多抽几次卡，或者拆段分镜。

延伸阅读

• ai外部绘画总画成室内光？正午顶光、黄昏侧逆光、阴天柔光三档户外光实操