Veo 图生视频擅长什么
因为第一帧是固定的，图生视频最适合让“必须好看”的东西动起来：一张人像、一幅画、一件产品，或你用图像模型设计好的画面。Veo 会从这一帧接着拍下去，并配上合适的声音。
- 人像：转头、微笑、说一句短台词
- 风景：流水、飘云、变化的光线和风
- 插画与画作：按原有画风动起来
- 产品：缓慢旋转、推近和揭示，配上有质感的声音
- 老照片：轻微自然的动作，留作纪念
要点速览
Veo 3 图生视频让静态图片动起来：你上传的图片成为视频的第一帧，Veo 生成随后的运动和音频。在 GetVeo3 上，上传一张 10 MB 以内的 PNG、JPEG 或 WebP 图片，描述运动和声音，选择与图片接近的 16:9 或 9:16，即可得到 4、6 或 8 秒的 720p MP4，8 秒视频还可选 1080p。价格与文生视频相同，每秒 15 积分起。
- 输入
- 一张 PNG、JPEG 或 WebP 图片，最大 10 MB
- 图片的作用
- 成为视频的第一帧
- 比例
- 16:9 或 9:16，选与图片最接近的
- 时长
- 4、6 或 8 秒为 720p；8 秒可选 1080p
- 声音
- 根据提示词，与运动一起生成
- 价格
- 与文生视频相同，Lite 4 秒 60 积分起
尊重原图的图生视频
- 01
首帧控制
上传的图片就是开场画面，主体、色彩和风格都会延续到运动中。
- 02
运动与声音一起生成
描述什么在动、能听到什么，Veo 会同时生成，从脚步声到一句台词。
- 03
让 AI 绘图动起来
其他 AI 工具生成的图片也很适合做首帧，前提是你有权使用它们。
- 04
竖屏或横屏
竖版图片和手机信息流选 9:16，横版照片和宽屏视频选 16:9。
如何把照片变成 Veo 视频
- 01
上传一张图片
清晰的 PNG、JPEG 或 WebP，最大 10 MB，最好预先裁成 16:9 或 9:16。
- 02
描述运动和声音
什么在动、镜头怎么走、能听到什么，台词放在引号里。
- 03
匹配画面比例
横图选 16:9，竖图选 9:16，尽量少裁切。
- 04
生成并下载
看完效果，复用设置调整运动或声音。
图生视频提示词怎么写
描述变化，而不是描述画面。图片已经交代了主体、风格和光线，提示词应该写运动、运镜和声音：“蒸汽升起，镜头缓缓推近，水壶开始鸣响。”
温和、符合物理的运动最贴近原图。大幅变化，比如新人物入画或镜头掉头，会让模型去编造照片里没有的内容，结果容易偏离原图。
输入、比例与限制
Veo 只输出 16:9 或 9:16。如果你的图片是方形或 4:3，上传前先裁成想要的比例，由你决定保留哪些内容，再在生成器里选对应的比例。
在谷歌自家的部分工具和 API 中，Veo 3.1 还支持尾帧和参考图。GetVeo3 目前每段视频只接受一张起始图，作为第一帧使用；想控制结尾，就在提示词里描述。需要 1080p 时请选 8 秒，4 秒和 6 秒视频为 720p。
Veo 3 图生视频常见问题
Veo 3 能把照片变成视频吗？
能。把照片上传为首帧，描述运动和声音，Veo 3.1 会生成一段从你的图片开始的 4 到 8 秒视频。
Veo 3 图生视频免费吗？
不免费。图生视频和文生视频一样使用购买的积分，新账号不赠送积分。最便宜的是 Veo 3.1 Lite，8 秒 120 积分。
图生视频比文生视频贵吗？
不会。价格只取决于模型和时长，从提示词开始还是从图片开始都一样。
人脸或产品会变样吗？
视频严格从你的图片开始。幅度小、自然的动作最能保持人脸和产品的原样；动作幅度大时细节可能变化，请检查标志和小字。
能让照片里的人说话吗？
能。写明谁在说话，并把台词放在引号里，例如：女人看着镜头说：“欢迎回家。”台词要短，确保在视频结束前说完。
什么样的图片效果最好？
主体清晰、光线好、已经裁成 16:9 或 9:16 的图片。尽量避免压缩严重、主体过小或拼贴杂乱的图片。
最后更新：2026年10月6日