AI 生成视频，你踩过的坑我都帮你踩过了
在最近的一期线下培训课上，我讲到了如何用 AI 生成带货视频。
作者：尔东陈在路上｜发布日期：2026-09-25｜原文：https://mp.weixin.qq.com/s/VsTTeleRzG-mipcfHd8fCA
在最近的一期线下培训课上，我讲到了如何用 AI 生成带货视频。
讲到一半，我拿了一个护目镜产品做现场演示——直接给了一段提示词，让 AI 一次性生成一段完整的宣传短视频。
结果跑出来之后，全场学员都笑了：视频里的产品细节错得离谱。
但我当时特别开心，我对大家说：“看，这就是我要告诉你们的第一件事——想靠一段提示词，一次性把多个镜头和产品细节都做对，很容易失控。”
这次失败不能简单归因于一个原因。模型能力、参考素材、提示词和镜头复杂度，都可能影响结果。至少在这次演示中，只靠文字描述，还不足以稳住产品细节。
今天我把课堂上的这些核心干货整理出来，希望能给正在尝试用 AI 做视频的朋友们避避坑。
01. 先理解三类常见的视频生成路径
这是我在课堂上跟学员们分享的第一件事，也是大家理解 AI 视频工具的基础框架。
与其先记住一堆工具名字，不如先按输入素材理解三类常见路径。它们是入门框架，不是所有产品能力的完整分类；具体支持什么，要看所用模型和版本。
文生视频：文字 → 视频
你写一段文字描述，AI 直接生成视频。上手方便，适合探索创意、氛围和大致的镜头方向。
但如果你要求产品的结构、标识、材质都准确，仅靠文字往往不够。描述得再细，也要检查生成结果，不能把“看起来像”当成“和实物一致”。
图生视频：图片 → 视频
你先提供一张图片，AI 以它为视觉参考或起始画面生成视频。产品图可以为外观提供更明确的依据，但不保证后续运动中完全不变形。
比如先准备一张干净背景的产品图，再让 AI 生成适度的镜头运动，通常比同时让它凭空设计产品和场景更容易检查。
图生视频还有一种玩法叫“首尾帧”：在支持这项功能的模型中，给出开头和结尾画面，让模型生成中间过程。它能帮助约束起止构图，但中间动作是否自然、产品是否一致，仍然需要逐段检查。
视频参考或视频编辑：视频 → 新视频
部分工具支持用视频约束动作、运镜，或对已有视频进行编辑。不过，“参考运镜”“迁移动作”和“替换主体”是不同能力，并非上传任意视频就能全部完成。
使用前先确认：这个工具究竟支持哪一种任务，需要什么素材，又有哪些限制。
这几类路径给我的启发是：想提高可控性，就要提供与目标有关的参考和约束。素材不是越多越好，而是越清晰、越一致越有用。
02. 一次性生成与拆分镜，差距在哪里？
在课堂上，我和学员们对比了两种完全不同的生成方案。
方案一：一次性生成完整片段
写一段长提示词，让 AI 直接跑出一段 10—15 秒的视频。
这里的 10—15 秒仍然是短片段。真正让任务变难的，除了时长，还有镜头数量、主体动作以及需要同时保持的产品细节。
如果要求太多，结果就可能顾此失彼。刚才提到的护目镜演示，就是一个需要回头检查素材和镜头设计的例子。
方案二：拆解分镜，分段生成
先借助 AI 设计分镜脚本，再按叙事需要拆成几个镜头，每个镜头单独生成，最后剪辑拼接。分镜数量和时长按内容决定，不必固定为五六个。
它最大的好处，是让问题变得局部、可检查：某一个镜头的产品形状不对，可以只重做这一段。
但拆分镜也不是“每一帧都能控制”。跨镜头一致性、动作衔接、光线和节奏，仍然需要处理。首尾帧可以辅助连接，也不等于过渡一定自然。
代价也不只是贵：你还要投入脚本、素材准备、筛选和剪辑的时间。
我更愿意把它理解成：用更多前期设计，换取更明确的检查点和更小范围的返工。
03. 别只看单次价格，要算合格成片的成本
这是我在课上反复给学员们打“预防针”的一点。因为很多朋友一听说 AI 视频，第一反应都是：“我是不是可以彻底替代视频团队，批量产出了？”
先别急。不同平台的套餐、模型、清晰度、时长和音频选项，收费差异很大；价格也会变化。某一次课堂使用的报价，不能当成全行业固定标准。
所以，我不建议用“图片几分钱”“视频一定是图片的多少倍”来判断项目是否划算。对业务真正有意义的，是一条合格成片的总成本。
可以先按这个思路记账：
合格成片成本 = 实际计费的生成与重试费用 + 参考素材准备 + 筛选、剪辑及审核成本。
举个纯预算示例：假设单次生成收费 3 元，5 个镜头平均各尝试 4 次，仅生成费用就是 60 元。这只是演示算法，不是任何平台的现行报价；失败尝试是否计费，也要看平台规则。
从商业成本的角度，我更建议先做一个小样：选一个产品、一个明确用途，记录尝试次数、可用镜头和处理时间，再决定是否扩大产量。
如果静态图已经能讲清楚卖点，就先用图片验证表达；如果卖点依赖动作、过程或场景变化，再考虑视频。
不要先定“图片占 80%”这样的固定比例。先看内容任务，再看合格率和总成本，把预算花在能产生价值的地方。
04. 两个值得尝试的实用玩法
课上我还分享了几个落地玩法，这里挑两个最实用的给你。
第一，拆解参考视频的镜头逻辑
找到同类优秀视频，先分析它的开场钩子、镜头顺序、景别变化和信息节奏，再据此重新设计自己的脚本。
需要把视频上传给生成工具时，优先用自己的素材，或明确获准使用的素材。研究一个视频为什么有效，与直接复制它的画面、人物、音乐或标识，是两回事。
参考可以减少从零开始的摸索，但“爆款”不代表换个商品就能复制效果。产品、受众和投放环境都变了，还是要用自己的测试结果判断。
第二，按镜头要求判断，而不是按品类一刀切
很多学员一开始以为所有产品都能用 AI 跑视频。我的建议是：先别问“这个品类能不能做”，先问“这个镜头必须真实展示什么”。
**相对适合尝试生成的镜头：**氛围场景、抽象特效、简单的产品陈列和概念演示。即便是香薰、数码小配件或护目镜，也要核对结构、标识、颜色与比例。
**更需要真实素材支撑的镜头：**服装版型、饰品佩戴、美睫效果，以及任何要展示实际使用效果或性能的画面。可以考虑实拍主体，再用 AI 辅助背景或非关键画面。
尤其像护目镜这样的产品，外观看起来正确，也不能据此证明防护性能。需要展示真实效果的部分，应使用相应的实拍或测试素材。
判断依据很简单：这个画面如果生成错了，会不会误导用户对商品本身的理解？
如果会，就把真实性放在创意之前。
05. 失败的演示，才是最棒的十分钟
护目镜演示翻车的那一刻，虽然全场都在笑，但我事后跟学员们说：那次“失败”的现场演示，反而是整场课程里最有价值的十分钟。
因为所有的原理和避坑指南，在 PPT 上写一百遍，都不如让它在所有人眼前真实发生一次。
“复杂镜头和产品细节需要逐段验证”——如果我只是念这句话，大家听过也就忘了。但当大家亲眼看到那段产品细节错得离谱的视频时，这个检查点就变得具体了。
这也是我在 AI 时代学习和探索时，越来越看重的一种方法：
不要等到以为自己全部弄懂了才去动手。先做一个小样，让过程中的错误，告诉你下一步该怎么改。
你最近在用 AI 做视频吗？踩过什么坑，或者摸索出了哪些好用的秘诀？欢迎在评论区一起聊聊！
— 尔东陈在路上
延伸阅读
首尾帧、参考图等功能与限制，以所用模型当前文档为准。本文参考：Google AI for Developers《Generate videos with Veo 3.1 in Gemini API》。