用腾讯混元AI视频完成文生视频与图生视频

腾讯混元AI视频是腾讯推出的 AI 视频生成工具，提供两条主要路径：文生视频用文字描述直接生成视频片段，图生视频上传一张图片让画面按描述动起来。它面向短视频创作者、动画开发者与广告营销人员，适合快速产出空镜、转场、动态封面、商品动态展示与前期创意预览这类素材。如果你需要先了解这个工具的基本定位与入口信息，可以查看 腾讯混元AI视频 的工具页，再回到本文按步骤操作。

这篇教程要解决的问题很具体：把「想做一个几秒钟的动态画面」这件事，拆成可以重复执行的流程——选对生成方式、写出能被模型理解的提示词、生成多个候选并筛选、导出后进入剪辑。文生视频与图生视频的差别不只是输入形式，提示词的写法和参考图的选择策略也不一样，下面分开讲。

准备工作

确认可用的入口

腾讯混元AI视频提供网页端与小程序等入口，具体可用入口、是否需要登录、是否对特定地区开放，以官方当前页面显示为准。开始之前先确认你能正常打开创作页面，并完成账号登录。

明确你要做的是哪一类视频

在动手之前先判断走哪条路径，这决定了你需要准备什么材料：

• 文生视频：手上没有素材，只有想法。需要准备的是一段描述清楚的提示词。
• 图生视频：手上已经有一张照片、插画或商品图，希望它动起来。需要准备的是这张图片，以及一段说明「怎么动」的提示词。

两条路径的提示词侧重点不同：文生视频要把画面本身描述完整，图生视频则要把重点放在运动上，因为画面的主体、构图、色调已经由参考图决定了。

准备参考图（仅图生视频）

图生视频的效果上限很大程度上由参考图决定。选图时注意几点：主体清晰、主体与背景有区分度、画面不要过于杂乱。人物照片、产品图、插画都可以作为输入，但画面里主体占比较小或细节过多时，模型可发挥的运动空间会被压缩。

准备好后续剪辑工具

生成出来的是视频片段，通常还要进入剪辑环节做拼接、加字幕、配乐、调色。开始生成前就把剪辑工具准备好，可以避免生成完才发现素材规格不合适。

操作步骤

第一步：进入创作并选择生成方式

打开腾讯混元AI视频的创作入口，在界面上选择「文生视频」或「图生视频」。两条路径的操作顺序略有差别：

• 选择文生视频后，直接在提示词输入框里填写描述。
• 选择图生视频后，先上传图片，再在提示词框里写运动描述。

入口位置、按钮名称与页面布局可能随版本调整，以你打开页面时看到的实际界面为准。

第二步：按四要素写提示词

一条能用的提示词通常包含四个要素，缺一个就容易出现「画面对了但不动」或者「动了但不像我要的」：

• 主体：画面里是什么物体或人物，有什么特征。例如「一只橘猫」，而不是「一个动物」。
• 动作：主体在做什么，运动轨迹如何。例如「在窗台上伸懒腰」，而不是「很可爱」。
• 环境：场景、光线、氛围。例如「阳光洒落」「室内暖光」「雨夜街头」。
• 风格：写实、动漫、电影感等整体视觉取向。

把这四要素串成一句话，就得到一条完整提示词：

一只橘猫在窗台上伸懒腰，阳光洒落，写实风格，镜头缓慢推近

这句话里，「一只橘猫」是主体，「在窗台上伸懒腰」是动作，「阳光洒落」是环境，「写实风格」是风格，最后「镜头缓慢推近」补充了镜头语言。镜头语言是可选但很有用的一层，常见的还有环绕、俯瞰等。

第三步：为图生视频改写提示词

图生视频的提示词不需要重复描述参考图里已经有的内容，重点应该放在「变化」上。可以按这个思路组织：

• 主体动作：人物说话、做动作；产品旋转展示；插画中的元素延展运动。
• 镜头运动：推近、拉远、环绕、平移。
• 氛围变化：光线流动、粒子飘动、背景元素轻微运动。

例如上传一张人物照片后，提示词可以写成「人物微笑并轻微点头，镜头缓慢推近，自然光」。上传一张商品图后，可以写成「产品缓慢旋转展示，背景光线流动，镜头环绕」。这类描述的共同点是：主体来自图片，提示词只负责规定运动方式。

第四步：生成多个候选

提交提示词后，一次可以生成多个候选结果。生成数量、单次时长、分辨率档位等参数与配额，以官方页面当前显示的信息为准，不同档位对应的时长与分辨率可能不同。

建议第一轮不要只生成一个就下判断。同一提示词多次生成的结果会有差异，多候选能显著提高挑到可用素材的概率。

第五步：筛选与迭代

拿到候选后逐条看，挑出效果最好的。如果都不理想，按问题类型分别处理：

• 画面主体不对：把主体描述写得更具体，加上颜色、材质、数量等限定。
• 动作没发生或幅度太小：把动作写得更明确，说明运动方向和幅度。
• 风格跑偏：把风格词提前，或换成更常见的风格表述。
• 图生视频动得不自然：换一张主体更清晰、构图更简洁的参考图，同时简化提示词里的运动描述。

迭代时一次只改一个变量，这样能判断出到底是哪一处描述起了作用。

第六步：导出并进入剪辑

选定结果后导出视频，进入剪辑环节加工。生成片段通常作为素材使用，而不是成片：拼接多个片段、加字幕与配乐、统一调色，才能得到完整作品。导出格式与清晰度选项以页面提供的为准。

一个完整示例

下面走一遍从零到成片的完整流程，以「为一段短视频做一个开场空镜」为目标。

目标与路径选择

目标画面：清晨窗边的猫，镜头缓慢推近，写实风格。手上没有素材，因此选择文生视频。

第一轮提示词

一只橘猫在窗台上伸懒腰，阳光洒落，写实风格，镜头缓慢推近

提交后生成多个候选。假设结果里有的画面主体正确但镜头没有推近，有的镜头对了但猫的姿态不自然。

第二轮：只改镜头描述

一只橘猫在窗台上伸懒腰，清晨阳光从侧面洒落，写实风格，镜头从远景缓慢推近到猫的近景

这一轮把「镜头缓慢推近」细化为「从远景缓慢推近到猫的近景」，明确了起点与终点。同时把光线描述具体化为「清晨阳光从侧面洒落」，减少环境理解的歧义。

第三轮：固定可用模板

如果第二轮出现可用结果，就把这条提示词保存下来作为模板，后续只替换主体与动作部分。例如换成「一只金毛犬在草地上奔跑，午后阳光，写实风格，镜头从侧面跟随平移」。这样每次生成都在一个已验证有效的句式上做局部替换，成功率会稳定很多。

图生视频分支示例

如果手上已经有一张商品图，希望做动态展示，则改走图生视频：上传商品图，提示词写「产品缓慢旋转展示，背景光线流动，镜头环绕，保持产品外观不变」。这里特意加上「保持产品外观不变」，是为了约束模型不要改动商品本身的形态——商品类素材对这一点尤其敏感。

收尾

导出选中的片段，在剪辑工具里与后续镜头拼接，加字幕与配乐，完成开场空镜。整条流程里真正需要反复打磨的只有提示词这一步，其余步骤都是固定动作。

常见问题与注意事项

时长与分辨率

视频时长与分辨率存在档位限制，通常按秒计费，不同档位对应不同的时长与分辨率。具体数值、计费方式与可用档位以官方当前信息为准，不要按旧教程里的数字做预算。

商用与肖像授权

生成内容涉及真实人物肖像时，需要获得肖像权人的授权。平台生成内容能否商用、在什么范围内商用，以平台服务条款的当前版本为准。用于商业投放前，先确认条款要求，不要默认生成即可商用。

提示词不理想时的排查顺序

提示词效果不好时，按这个顺序排查：先把描述拆细，减少抽象词；再检查四要素是否齐全；然后参考官方示例的句式；最后才是多次重试。抽象词（如「唯美」「高级感」）对模型几乎没有约束力，换成具体的物体、光线、动作描述往往立竿见影。

图生视频的额外约束

图生视频里，参考图决定了画面的下限，提示词决定运动的上限。如果参考图本身主体模糊或构图混乱，再怎么改提示词也很难得到干净的结果，这时应该先换图。另外，提示词里对运动的描述越多越复杂，模型越容易顾此失彼，建议一次只规定一到两种主要运动。

把生成片段当素材用

单次生成的片段通常只有几秒，直接当成品使用观感有限。更实际的做法是把它当作素材库的一部分：一次生成多条，挑出可用的几秒，在剪辑里组合。这样对单条生成质量的要求会降低，整体效率反而更高。

参数与价格会变

本文不列具体价格、配额与版本号，因为这些信息变动频繁。实际使用前请以官网当前公布的参数、计费规则与功能说明为准。