从AI绘画到AI视频：一张静图动15秒的成本与翻车实测

事情起因是位老客户，拿了张我之前画的古风插画问：能不能动一下，发朋友圈动态封面用。15秒，落花要飘，衣袖要动。我心想这不就是把图喂进去的事？结果第一晚折腾到十二点，出的素材里仙鹤的脖子拧成了麻花。第二晚重整思路，才算把这15秒做顺。前后两次的总耗时、生成次数、失败素材数，我都记了，这篇就是这笔账。

先把丑话说在前面：各家工具的生成时长、定价和额度规则一直在调，具体以官方页面为准。我这里的数字只代表我实测那几天的体感。

三条路线，先选路再动手

静图变视频有三条路：单图生成、首尾帧补间、直接文生视频再截帧，可控性依次下降。要画面忠于原图选第一条，要运镜花样才考虑后两条。

这三条路我都在那张古风图上试过，差别比想象中大。

客户要的是「我那张图动起来」，那就只有第一条路可选。另外两条当备胎，首尾帧那条我试了四回，三回的人物在补间中途脸换了个人——两张端点图之间，AI自己脑补的过程管不住。

15秒视频的真实成本账

单段5秒视频一次生成约两分钟，可用的概率七成不到，15秒成片实际要生成十次上下、总耗时约一个半小时。时间花在重roll和剪接上，不在生成那一下。

拆开算。落花飘动那段最顺，第二次就过了，两次生成四分钟。衣袖摆动是重灾区：写了「衣袖随风轻摆」，出来的是整条手臂反关节甩，五连败。后来把运动幅度从「摆动」改成「几乎静止、仅衣料微微起伏」，第三次过。仙鹤入画那段则卡在脖子拧麻花，换了三次运镜描述才行。三次改描述的等待时间里，我净坐在屏幕前看进度条。

最后凑成片的素材比例不难看：生成十次，能用三次，剩七次进回收站。若是按次计费的额度制，这笔浪费要提前算进去——按我的翻车率，成片成本是理想情况的三倍。别按「一条视频一次生成」去做预算，那是没动手过的人的算法。

剪接本身倒不费事，三段素材在剪辑软件里拼起来加个淡入，十分钟搞定。真正的成本全在「等一个能用的镜头」，等不到就只能改描述再来。

首帧决定下限，描述决定上限

喂进来的静图越「满」，视频越难做：主体占满画面、肢体交叉、图里带字，全是翻车高发点。出静图时就要给运动留白，这是绘画端能做的最有价值的一件事。

这趟下来我给绘画端的建议就三条。一，主体别顶满画面，四周留出运动空间，不然一飘花只能往人物脸上飘。二，能不画交叉肢体就不画，动起来交叉处必糊，我那批废片一半栽在手上。三，图里别带文字，一帧都别带——静态图上的字生成视频后必乱码，客户盯着那个「福」字看了半天问我这是什么符。

运动描述也有一套土办法：动词越小越稳。「轻拂」「微微」「缓缓」这类词的成功率，肉眼可见地高于「飞舞」「奔跑」。视频端不管你原图多精致，它只认运动幅度，幅度写得越克制，越接近你想要的「图在呼吸」的感觉。

还有个救急招：实在不动的死镜头，别硬生成。把静图放进剪辑软件加个缓慢推近加光斑飘过，观众根本分不出真假，零翻车成本。我最后那15秒里就有5秒是这么混过去的，客户挺满意。

回头看那15秒，技术含量真不高，贵在预期管理。生成前把「十次出一」的翻车率告诉客户，把额度预算摆开，谈的双方都踏实。AI绘画练的是把图做好，往AI视频这一步迈的时候，练的是把丑话说在前头。

常见问题

一次生成多长的视频最划算？

我的习惯是按工具支持的最短段生成，5秒上下。段越短，单次翻车的浪费越小，坏了重roll不心疼，最后拼接的余地也大。

人物视频为什么手和关节总出问题？

运动中的手部结构是图生视频的普遍弱项，没有稳定通吃的解法。实用对策就两条：运动描述写克制，或者构图上干脆让手藏在袖子里。

生成的视频能直接商用吗？

商用权限跟工具的会员协议绑定，各家条款不一样，生成前把协议里的授权范围看清楚，拿不准就问客服，以官方书面答复为准。

静图是别人画的，能拿去生成视频吗？

著作权不因为转成视频就消失，没授权的图别拿去生成或发布，跟直接盗图是一回事。

延伸阅读

• AI绘画的图怎么做成视频？静图动起来的四条路子——这篇讲得更偏操作步骤，和我的成本视角正好接上。