图生视频（Image-to-Video，简称 I2V）是一种让静态图片"活过来"的生成式 AI 技术。你提供一张图——产品图、人像、插画——模型以这张图为起点生成视频，让画面动起来，并可用文字提示词引导运动方向。
工作原理
在图生视频中，你的图片会被用作首帧——一个模型必须遵守的视觉锚点。从首帧出发，视频扩散模型预测场景应如何演化：发丝随风飘动、咖啡杯升起热气、镜头缓缓推近。此时提示词不再需要描述画面长什么样（图片已经说明了），而是描述接下来发生什么。
为什么从图片出发？
与文生视频相比，从图片出发给了你一样宝贵的东西：对画面的精确控制。构图、色彩、面孔、产品标签——从第一帧起全部锁定。以下场景中 I2V 是首选：
- 手里有品牌素材 —— 让产品图动起来，而不用担心模型"重新发明"你的包装。
- 主体必须精确 —— 真实的人、真实的地点、已有的艺术作品或插画。
- 追求可预测性 —— 首帧固定，每次迭代只改变运动方式。
提示词技巧
图片已经解决了"是什么"，提示词就该专注"怎么动"：描述运动（细微、剧烈、循环）、镜头（固定、缓推、环绕）、以及你希望发展出的氛围。在图生视频里，简短聚焦运动的提示词通常胜过冗长的场景描述。更多技巧见提示词写作指南。