黄昏的挽马,从一张照片开始

图生视频:上传一张图片,让它动起来

4 个模型可选,能做 4–30 秒、最高 2K 的视频,其中 4 个带声音。每条 25 积分($0.25)起,不用开会员,积分永久有效。 在 Artificial Analysis Image to Video Arena(2026年10月30日 核对)上,Seedance 2.5 排第 1(Elo 1,152), MiniMax H3 第 4, Wan 3.0 第 9。

上传一张图片,写清楚它该怎么动,就能得到一条从你的图片开始、带声音的视频。图片转视频前就能看到价格,用一次性购买的积分包付款,生成失败自动退回积分。

上传一张照片,再描述它该怎么动。
首帧

用这些模型生成的

每个都写了提示词、模型和在这里生成要花多少。选一个,从它开始改。

黄昏的挽马,从一张照片开始
“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”MiniMax H3, 图生视频, 5 秒, 有声, 40 积分, 输入图也是在 GPT Image 2.5 上生成的
商品图转起来
“A strawberry sandwich cookie slowly completes one full rotation while the camera moves smoothly around it and keeps the product centered.”Seedance 2.5, 图生视频, 5 秒, 有声, 300 积分, 在 Dreamina 上生成, 输入图也是在 GPT Image 2 上生成的
家庭晚餐的焦点转移,2K
“Pull focus to the people in the background and add more steam to the ramen bowl.”MiniMax H3, 图生视频, 10 秒, 有声, 260 积分, 输入图也是在 GPT Image 2.5 上生成的
让画动起来
“A girl holds a fox. She opens her eyes and looks gently at the camera while the fox hugs her. The camera slowly pulls back, the wind blows through the girl's hair, and the sound of the wind can be heard.”Seedance 2.5, 图生视频, 5 秒, 有声, 300 积分, 在 Dreamina 上生成, 输入图也是在 GPT Image 2 上生成的
照片里的夜市动起来
“Handheld shot on a rainy night market street. The woman with the bicycle turns her head to the camera and says: ‘I know a better place for noodles.’ Rain keeps falling, people with umbrellas walk past behind her, and neon signs reflect on the wet road. Audio: steady rain, distant street chatter, and her voice.”Wan 3.0, 图生视频, 5 秒, 有声, 100 积分, 在 Wan 上生成, 输入图也是在 GPT Image 2.5 上生成的
水粉画动起来
“The cable car sways and climbs slowly toward the top of frame. Cloud crosses the span from the right and hides the car completely for about a second, then the car comes back out on the same line, at the same speed, with the same sway. The lantern on the balcony swings and its light warms as the ambient light drops. The camera tilts up a few degrees to follow the climb. Every frame stays a gouache painting on rough paper: hold the brush texture, the dry-brush rock edges and the paper grain, and never let the image resolve toward photography. Audio: wind across the cable, the steel cable ticking through the sheave, one distant bell from the teahouse. No music.”Seedance 2.5, 图生视频, 10 秒, 有声, 595 积分, 在 Dreamina 上生成, 输入图也是在 GPT Image 2.5 上生成的
照片里的书店老板动起来
“He takes off his round tortoiseshell glasses and wipes the lenses on his rust sweater, then turns away to the shelf on the right and pulls out a faded green book. He turns back to the camera, puts the glasses back on, opens the book and looks up with a broad smile. The camera holds a steady medium shot with a slight drift. Sound: quiet shop room tone, the book sliding from the shelf, pages turning.”Kling 4.0, 图生视频, 8 秒, 有声, 380 积分, 在 Kling AI 上生成, 输入图也是在 GPT Image 2.5 上生成的
星空到黎明
“I2V: A time-lapse of a mountain landscape transitioning from a vast, starry night to a vibrant dawn. Voiceover: A deep, serene male voice says: 'In the vast silence of the cosmos, our world is but a fleeting moment. Yet, within it, life defiantly thrives.'”Wan 3.0, 图生视频, 10 秒, 有声, 200 积分, 输入图也是在 GPT Image 2.5 上生成的

照片变视频怎么做:4 步

  1. 1

    上传图片

    JPG、PNG 或 WebP,不超过 10 MB。先把图片裁成你想要的视频形状,视频会沿用图片的画幅。

  2. 2

    写清楚怎么动

    写什么在动、镜头怎么动、能听到什么。不用再描述一遍图片内容,画面已经由图片定好了。

  3. 3

    选模型、时长和声音

    默认选中字节跳动 Seedance 2.5。下面用同一张图对比了快手可灵 Kling 4.0、阿里通义万相 Wan 3.0 和 MiniMax 海螺 H3(海螺 AI 的视频模型),选好后再设时长、分辨率和声音。价格会跟着更新,生成前不扣积分。

  4. 4

    生成,再慢慢调

    多数视频几分钟就好,都会留在你的生成记录里。动作不对的话,每次只改提示词里的一处,再跑一次。

支持的模型和价格

更新于 2026-10-30

模型时长最高分辨率声音5 秒一条10 秒一条榜单排名
Seedance 2.54–15s1080p有300 积分$3.00595 积分$5.95第 1 · Elo 1,152Dreamina Seedance 2.5
Kling 4.05–30s1080p有160 积分$1.60315 积分$3.15还没上榜
Wan 3.05–30s1080p有100 积分$1.00200 积分$2.00第 9 · Elo 1,111
MiniMax H35–15s2K有40 积分$0.4080 积分$0.80第 4 · Elo 1,128MiniMax H3 (768p)

每条价格按 720p、带声音计算 (MiniMax H3: 768p),取各模型最便宜的版本;分辨率越高越贵。 榜单排名是盲测投票得出的名次和 Elo 分(AA-Video-I2V v2.1, with audio,2026年10月30日 核对),来源: Artificial Analysis Image to Video Arena

同一张图,四个模型

一张起始图、一条提示词,来自一篇公开的 Seedance 2.5 与海螺 H3 对比测试,在每个模型上各跑一次 10 秒、带声音。看看它们怎么处理蒸汽和镜头。提示词要的是一秒 12 帧、一顿一顿的木偶动画效果,四个模型都没做到。

起始帧,每个模型都一样
起始帧,每个模型都一样 · 输入图也是在 GPT Image 2.5 上生成的

每个模型用同一条提示词、同样的设置:

“The fox turns his head down the track, raises one arm to check a pocket watch, lowers it. Steam drifts across from the right and covers him for roughly a second. He emerges in the pose he went in with, standing where he was standing, scarf hanging as it hung. The lamp flickers once. Slow push toward the platform. Throughout: twelve frames per second, stepped, no motion blur on the puppet, felt fibers readable, wire visible at the wrist, glue still on the balsa. The image must not resolve toward smooth CG or live action at any point. Sound: low hall reverb, the watch lid, steam venting, a station bell some distance off. Nothing scored.”

Seedance 2.5: 展台上的毛毡小狐狸
Seedance 2.5595 积分
  • 720p
  • 10 秒
  • 有声
  • 16:9
  • 榜单第 1
  • 在 Dreamina 上生成

保持全景。狐狸在第 2 到 5 秒抬起怀表,大约第 6 秒蒸汽盖住整个画面,它再按提示词的要求以同样的姿势出现。结尾有轻微推镜。

Kling 4.0: 展台上的毛毡小狐狸
Kling 4.0315 积分
  • 720p
  • 10 秒
  • 有声
  • 16:9
  • 在 Kling AI 上生成

抬起怀表后一直举着。蒸汽只盖住它的一部分,镜头推到中景:四个里推得最多,声音也最响。

Wan 3.0: 展台上的毛毡小狐狸
Wan 3.0200 积分
  • 720p
  • 10 秒
  • 有声
  • 16:9
  • 榜单第 9
  • 在 Wan 上生成

抬起怀表;蒸汽从旁边飘过,没有盖住它。推镜幅度小,声音是四个里最轻的。

MiniMax H3: 展台上的毛毡小狐狸
MiniMax H3120 积分
  • 768p
  • 10 秒
  • 有声
  • 16:9
  • 榜单第 4

动作最快,第 1 到 3 秒怀表就抬起来了。蒸汽几乎把它完全遮住才散开,它身后的灯也变得更亮。

图生视频样片,每条都附提示词

每个都附上原样的提示词、设置和价格。可以直接在上面的生成器里用,也可以先改再用。

水粉画动起来
在 Dreamina 上生成, 输入图也是在 GPT Image 2.5 上生成的

Seedance 2.5

让一幅画动起来,还是一幅画

缆车往上爬、灯笼慢慢变暖,每一帧都保留了水粉笔触和纸张纹理。云遮住缆车大约 3 秒,而不是提示词要求的 1 秒,这条提示词原测试里 Seedance 2.5 的结果也是这样。

  • 图生视频
  • 720p
  • 10 秒
  • 有声
  • 9:16

“The cable car sways and climbs slowly toward the top of frame. Cloud crosses the span from the right and hides the car completely for about a second, then the car comes back out on the same line, at the same speed, with the same sway. The lantern on the balcony swings and its light warms as the ambient light drops. The camera tilts up a few degrees to follow the climb. Every frame stays a gouache painting on rough paper: hold the brush texture, the dry-brush rock edges and the paper grain, and never let the image resolve toward photography. Audio: wind across the cable, the steel cable ticking through the sheave, one distant bell from the teahouse. No music.”

建议:写明什么不能变:“hold the brush texture … never let the image resolve toward photography.”

595 积分
商品图转起来
在 Dreamina 上生成, 输入图也是在 GPT Image 2 上生成的

Seedance 2.5

让你的商品图转起来

把商品图当作第一帧,饼干转动时,形状、小孔和果酱都和照片一模一样。只用文字生成的话,出来的是另一块饼干。

  • 图生视频
  • 720p
  • 5 秒
  • 有声
  • 1:1

“A strawberry sandwich cookie slowly completes one full rotation while the camera moves smoothly around it and keeps the product centered.”

建议:字节跳动的教程建议输入图不要比输出更大(720p);太清晰的图可能会在密集的表面上多出纹理。

300 积分
照片里的书店老板动起来
在 Kling AI 上生成, 输入图也是在 GPT Image 2.5 上生成的

Kling 4.0

人物照片,一步一步动

摘眼镜、擦镜片、从书架上拿书、戴回眼镜、笑一下:每一步都按顺序完成,人和眼镜都和照片里一样。提示词来自 Fuser 的可灵 4.0 和可灵 3.0 对比测试,起始图是我们自己的。

  • 图生视频
  • 1080p
  • 8 秒
  • 有声
  • 16:9

“He takes off his round tortoiseshell glasses and wipes the lenses on his rust sweater, then turns away to the shelf on the right and pulls out a faded green book. He turns back to the camera, puts the glasses back on, opens the book and looks up with a broad smile. The camera holds a steady medium shot with a slight drift. Sound: quiet shop room tone, the book sliding from the shelf, pages turning.”

建议:写什么在动、按什么顺序动,不要描述画面。

380 积分
照片里的夜市动起来
在 Wan 上生成, 输入图也是在 GPT Image 2.5 上生成的

Wan 3.0

让人像开口说话

她转向镜头说出台词,身后有人打着伞走过。在 Fuser 对这条提示词的测试里,Seedance 2.5 把这张照片当作可能的真人而拒绝了;万相 3.0 让它动了起来。

  • 图生视频
  • 720p
  • 5 秒
  • 有声
  • 16:9

“Handheld shot on a rainy night market street. The woman with the bicycle turns her head to the camera and says: ‘I know a better place for noodles.’ Rain keeps falling, people with umbrellas walk past behind her, and neon signs reflect on the wet road. Audio: steady rain, distant street chatter, and her voice.”

建议:只用你自己的照片,或者已经同意的人的照片。

100 积分
星空到黎明
输入图也是在 GPT Image 2.5 上生成的

Wan 3.0

风景延时,配旁白

前 4 秒星空不动,然后地平线变橙,银河渐渐淡去,天空最后变成粉色的黎明,还配了一段旁白。提示词来自字节跳动的 Seedance 2.0 教程,去掉了最后一行(那一行要求在画面里加文字)。

  • 图生视频
  • 720p
  • 10 秒
  • 有声
  • 16:9

“I2V: A time-lapse of a mountain landscape transitioning from a vast, starry night to a vibrant dawn. Voiceover: A deep, serene male voice says: 'In the vast silence of the cosmos, our world is but a fleeting moment. Yet, within it, life defiantly thrives.'”

建议:写明随时间发生的变化(“from a starry night to a vibrant dawn”);图片只决定从哪里开始。

200 积分
家庭晚餐的焦点转移,2K
输入图也是在 GPT Image 2.5 上生成的

MiniMax H3

2K 的焦点转移

一句像修图指令一样的话,就把焦点从面碗移到后面的一家人身上,还加了蒸汽。提示词是 MiniMax 自己的图生视频示例。

  • 图生视频
  • 2K
  • 10 秒
  • 有声
  • 16:9

“Pull focus to the people in the background and add more steam to the ramen bowl.”

建议:前景和背景分得清楚的图片,焦点转移才有地方可移。

260 积分
黄昏的挽马,从一张照片开始
输入图也是在 GPT Image 2.5 上生成的

MiniMax H3

几乎不动的静态画面

用的是本页最便宜的 H3 Max Turbo,动作非常轻微,这正是提示词最后一句“Extremely slow, quiet motion”要的效果。

  • 图生视频
  • 768p
  • 5 秒
  • 有声
  • 16:9

“Two heavy draft horses stand together in a shallow flooded pasture at dusk — a chestnut with a long flaxen-copper mane, head lowered and turned inward, resting against the shoulder of a dark dapple-grey with black feathered legs. Ankle-deep still water mirrors them almost perfectly. Golden-hour side light, pale peach and dove-grey sky, bare winter trees and a red-roofed barn far in the background with small grazing horses. Extremely slow, quiet motion”

建议:想要更多动作,就把它写成主要动作,并写明幅度有多大。

40 积分
让画动起来
在 Dreamina 上生成, 输入图也是在 GPT Image 2 上生成的

Seedance 2.5

让插画活过来

第一帧是一幅画。视频保留了笔触,女孩睁开眼睛看向镜头,狐狸凑过来蹭她。提示词一字不改,来自字节跳动的教程。

  • 图生视频
  • 720p
  • 5 秒
  • 有声
  • 4:3

“A girl holds a fox. She opens her eyes and looks gently at the camera while the fox hugs her. The camera slowly pulls back, the wind blows through the girl's hair, and the sound of the wind can be heard.”

建议:每条视频一个动作、一个镜头运动。

300 积分

图生视频提示词怎么写

提示词里写什么,按模型最好理解的顺序。

写动作,不写画面

主体、地点、光线和风格,图片都已经定好了。提示词要花在会变化的东西上:谁在动、怎么动、按什么顺序。

“He takes off his round glasses, wipes the lenses on his sweater, then puts them back on and looks up.”

一个镜头运动,写明速度

只选一种运动,比如慢慢推近、向左环绕或固定镜头。字节跳动的教程提醒,一个镜头里叠加几种运动会让画面不稳。

“Slow push toward the platform.”

写明什么必须保持不变

视频模型容易把画变成照片,把道具换成新的。点名必须保持的东西:风格、商品的形状、标签、结尾的姿势。

“Every frame stays a gouache painting on rough paper: hold the brush texture and the paper grain.”

写出先后顺序和时间

如果一件事必须在另一件事之前发生,就写出来。在 Fuser 的万相 3.0 测试里,墙上的阳光还没消失,蜡烛就点着了;它的建议是写“first … only then …”。

“First the candle catches, only then the sun patch fades from the wall.”

动作要和时长匹配

5 秒的视频放一个动作。又快又大的动作是所有模型最容易把手和物体弄变形的地方,所以放慢,或者拆成几条视频。

指定声音

写出环境声、音效,台词放在引号里。不想要配乐,就在结尾写“No background music”;不写的话,模型会自己配一段。

“Audio: wind across the cable, one distant bell. No music.”

让照片动起来之前:上传图片的要求

  • 文件: JPG、PNG 或 WebP,不超过 10 MB。先裁成你要的画面比例。
  • 尺寸: 和输出分辨率差不多就够了。字节跳动的教程建议,给 Seedance 2.5 的输入图不要比输出更大,因为太清晰的图可能会在密集的表面上多出类似指纹的纹理。
  • 人物: 只上传你自己或本人已同意的照片,公众人物一律不行,也不能有涉及真人的色情内容。Seedance 2.5 会拒绝带真人面孔的照片;在独立测试里,另外三个模型都能让写实人像动起来。
  • 权利: 第一次上传前,你要确认自己拥有这张图片或有权使用它。每次上传和每个结果都会按我们的《可接受使用政策》检查。

图生视频用哪个模型?

字节跳动 Seedance 2.5 最能保住风格。它保住了我们那幅画的水粉质感,也做出了狐狸提示词要求的姿势,混音安静、有电影感。海外版即梦 Dreamina 用的也是 Seedance 2.5。它是每秒最贵的,而且会拒绝真人照片。

快手可灵 Kling 4.0 能保住第一帧里的人物和道具:Fuser 测得它的第一帧和输入图“几乎一个像素都不差”,我们的书店提示词它也一步一步做到了。它的镜头运动幅度最大,声音最响,最长 30 秒(Fuser)。

阿里通义万相 Wan 3.0 能让 Seedance 拒绝的人物照片动起来,最长 30 秒,每秒价格更低。提示词要的东西画面里撑不住时,它会站在图片那一边(Atlas Cloud)。

MiniMax 海螺 H3 是在一张图上试动作最便宜的方式(H3 Max Turbo),也是这里唯一有 2K 的(官方版 H3)。在我们的狐狸测试里,它动得最快,还把场景里的灯调亮了。

图生视频还是文生视频?

视频必须和你手上的东西一致时,用图生视频(也就是图片生成视频、图片转视频):你的商品、一个角色、一幅画、一张照片,都能从原图开始动起来。从一个想法开始,用文生视频。如果需要的图片还不存在,先用 AI 生图或 AI 商品图做出来,再回到这里让它动起来;本页大部分起始图就是这样做的。

本页样片是怎么做的

每条样片都标明了起始图、提示词、模型和设置,以及它今天在 zzo.ai 上的价格。提示词来自公开发表的测试和模型厂商的教程,出处写在每张卡片上;上面的对比是同一张图、同一条提示词在四个模型上各跑一次。有些视频是在模型厂商自己的 App 上,用同样的模型、提示词和设置生成的,卡片上会注明。所有视频都没有剪辑过;哪条没做到提示词里的某一部分,卡片上也会写出来。

结果不对怎么办

常见的问题、原因和改法。

图片被当作真人照片拒绝了

原因: Seedance 2.5 不接受带真人面孔的照片。

改法: 换可灵 4.0、万相 3.0 或海螺 H3,用你有权使用的照片,或者用插画、AI 生成的角色。被拒的那次积分会自动退回。

视频没按提示词的某一部分来

原因: 图片和提示词冲突时,通常图片说了算:测试者看到万相 3.0 把室内下雨做成了“光线变化加一点水花”。

改法: 只要求画面本身允许的动作,或者先用 AI 修图把图片改好。

边缘或画幅不对

原因: 视频沿用图片的形状。在一次测试里,海螺 H3 把一张 9:16 的图做成了 4:7 的视频。

改法: 上传前把图片裁成你要的画面比例,主体不要贴着边。

脸或商品在视频里变了样

原因: 大幅转身和快速动作会逼模型去编照片里没有的部分。

改法: 让主体大致保持同一个朝向,动作放慢,并写明什么不能变。

画变成了照片

原因: 视频模型主要用实拍素材训练,所以容易往照片的效果靠。

改法: 在提示词里写明画种和质感,要求每一帧都保持。

生成被拒绝或失败了

原因: 模型的审核或我们的内容检查拦下了图片、提示词或结果,也可能是模型超时。

改法: 不扣积分:积分会自动退回。看看《可接受使用政策》,换一张图或换个说法再试。

常见问题

更新于 2026-10-30

怎样让照片动起来?

上传照片,用一两句话写清楚什么在动、镜头怎么动、能听到什么,选模型和时长,点生成。几分钟后就能拿到一条从你的照片开始、带声音的视频。动作写得越小越慢,人和物越像原图。

一张图片能生成视频吗?

能,图生视频就是从一张图开始的:视频的第一帧就是你的图片,它的构图、光线和颜色都会延续下去。

图片生成视频用什么网站?现在哪个模型最好?

zzo.ai 在网页上直接用,不用下载软件,四个模型共用一个账号和一份积分。在 Artificial Analysis 的图生视频排行榜上(由盲测投票得出),Seedance 2.5 排第一,海螺 H3 紧随其后,万相 3.0 在前十(具体名次和我们核对的日期在本页顶部)。可灵 4.0 还没有上榜。上面用同一张图对比了四个模型。

什么样的图片效果最好?

清晰的 JPG、PNG 或 WebP,不超过 10 MB,主体明确,形状和你想要的视频一样。拼图和带小字的截图动起来效果很差。

能让人物照片动起来吗?

只能用你自己的照片,或者本人已经同意的照片,公众人物一律不行。Seedance 2.5 会拒绝看起来像真人的照片;在独立测试里,可灵 4.0、万相 3.0 和海螺 H3 都能让它拒绝的写实人像动起来。插画和 AI 生成的角色,每个模型都能用。

能让老照片、家人的照片动起来吗?

可以,前提是照片里的人同意,或者是你有权使用的自家照片。用可灵 4.0、万相 3.0 或海螺 H3,动作尽量小,比如笑一下、转一下头,脸才能和照片保持一致。

能把商品图做成视频广告吗?

能。上传一张干净的商品图,写一个缓慢的动作,比如转动或推近。从照片开始,商品的形状比只用文字保得住得多。想要更好的起始图,可以先用 AI 商品图工具做一张。

图生视频提示词怎么写?

写动作,不写画面:谁在动、怎么动、先后顺序。只用一种镜头运动并写明速度,写明什么必须保持不变(风格、商品形状、标签),台词放在引号里,不要配乐就写“No background music”。上面的提示词写法有每一条的示例。

图片转视频多少钱?

取决于模型、时长、分辨率和是否带声音。本页的表格列出了每个模型 5 秒和 10 秒的价格,生成器在你开始前会显示准确价格。按条扣积分,不用开会员。

视频最长能做多久?

可灵 4.0 和万相 3.0 最长 30 秒,Seedance 2.5 和海螺 H3 最长 15 秒。想要更长,用上一条视频的最后一帧做下一条的起始图,再在剪辑软件里拼起来。

视频有声音吗?

有,这里的每个模型都会和画面一起生成声音。把声音和台词写进提示词就行。Seedance 2.5 和万相 3.0 可以关掉声音。

能选画面比例吗?

视频会沿用图片的形状,所以先裁好图片:TikTok、Reels、Shorts 用 9:16,YouTube 用 16:9,信息流用 1:1。

为什么视频和我的照片不像?

动作太大,模型就得去编照片里没有的部分。要求更小、更慢的动作,让主体保持同一个朝向,并写明什么必须保持不变。

不登录能用吗?

不能。生成要扣积分,积分存在你的账号里,所以要先登录。生成的视频也会留在账号的生成记录里,随时可以下载。

生成失败或被拒,积分怎么办?

这条视频的积分会自动退回你的余额,不管是模型失败、超时、拒绝了图片,还是结果被我们的内容检查拦下。

生成的视频可以商用吗?

可以,前提是你有权使用上传的图片,并且结果符合我们的条款。你生成的视频归你使用。

要开会员吗?

不用。买一次性的积分包,用在任何模型上,网站和 API 通用。积分永久有效、不清零。

更多工具