跳到正文

AI 短视频生成器

写下你想看到的场景,选个风格,让画面动起来。

创意演示

从画面到短片的三种想象

看见灵感,再用自己的素材开始创作。

一张纸展开一座城

海底电影院亮灯

云上岛屿的第一缕晨光

创意演示。实际效果会随素材和设置变化。

AI 短视频生成器产出的正是社交信息流里占主导的那种竖屏短片:五到十五秒、由两三个镜头组成,开头一帧够强,主体在镜头之间保持一致。在 Ofrai,你可以先做好开场静帧或上传一张,再进视频工作流动起来,最后在任何剪辑软件里完成成片。

一个想法只做一条片子

短片失败通常是因为塞了两个想法。先用一句话写清这条片子:「一罐咖啡豆倾倒,豆子洒在大理石台面上」,之后再补镜头结构。一个主体、一个动作、一个地点。如果确实需要两个产品或两个场景,就把它们拆成两条短片再剪到一起,因为一次生成的片段一旦切换语境,通常切得很糟。

按三秒镜头来做预算

把每个镜头按大约三秒可用时长来规划。这足够建立场景,又短到画面漂移不易察觉。两三个三秒镜头在剪辑里卡节奏,几乎总比一段六秒的整条生成更专业。要求更短的片段同时也更省积分,既是更稳的路,也是更便宜的路。

前半秒决定这条片子

观众在一秒内就做决定,所以开场帧承担了最大的权重。专门去生成钩子静帧——主体突出、背景干净、没有空白铺垫——并把它作为片段起始帧上传,而不是让模型自己编开头。类口播内容要从姿态稳定、视线已经看向镜头的状态开始;从动作中途开场的片子,一看就是业余的。

按投放形态选模型

同一条短需求要出很多变体时用 seedance-2-5,它迭代快,A/B 测试开头正需要这个速度。短片本身靠电影感运镜撑起想法时用 sora-2。片段要全屏观看、真实感比数量重要时用 veo-3。片段由你已有的参考图驱动(比如你自己的产品图)而不是靠文字时,用 gemini-omni。

能无缝循环的运动

社交短片经常循环播放,所以要让最后一帧和第一帧接得上:结束状态回到起点的运动会读起来无缝,突然停住则暴露剪辑。请求匀速推镜或缓慢漂移,而不是快速动作;机位高度保持一致;画面里不要放文字或标识,因为字母在几秒内就会糊掉。蒸汽、布料、尘埃、水花这类环境动态是性价比极高的真实感,三秒长度下非常稳。

短片特有的失败点

由于短片是全屏、无声观看,缺陷反而更容易被看到。重点检查:镜头之间主体身份变了、手入画、背景里冒出物体、整体被压成低对比的糊感。身份漂移的修法是每条镜头都动同一张静帧;背景侵入的修法是点名必须不出现在画面里的物体。

把素材当成可复用的库

这件事应该按素材库来做,而不是一锤子买卖。在你自己的库里按钩子类型、主体和时长打标签——Ofrai 负责保存渲染结果,归类是你自己的事。

三条可以直接粘贴的短视频提示词

产品钩子:「三秒,一只哑光黑旅行杯在湿石板上旋转 90 度,杯壁凝结的水珠滑落,右侧硬轮廓光,深色虚化背景,固定机位,不要文字,重力真实,水流真实。」竖屏生活流:「9:16 竖屏,一只手把冒热气的陶瓷杯放在木质阳台桌上,晨光带薄雾,镜头随手下沉一点后停住,浅景深,两秒的自然动作。」

可无缝循环的质感流:「完美循环,黑色水面上虹彩油膜缓慢旋转,微距镜头,连续运动且精确回到起点,均匀光线,没有任何物体进出画面。」三条的结构完全一致:具体的主体、具体的物理事件、写明的光线、写明的机位行为、明确的时长。短视频提示词最常见的失败,是只描述感觉却不点名动作——没有事件发生的片段,观看的人没有任何理由把它看下去。

这三条还说明了一件事:短片里的文字通常应该留给后期去加。生成阶段一旦让模型写字,十有八九会拼错、变形或者和画面对不上;想让片子里有文案,更稳的做法是生成一张干净背景,把字留到剪辑或排版工具里再叠上去。关键信息也别压在画面边缘,平台自动转码之后最先糊掉的就是边角。

短视频的时长和画幅

任何短于十秒的内容,都把时长压到「能把这个事件演完」的最短长度——多数产品钩子三到四秒就够,而一条五秒的片段远比拍两遍五秒便宜。画幅在生成时就按投放面定好:Reels、Shorts、TikTok 用 9:16,信息流方格 1:1,YouTube 或网站首屏 16:9。

还有个容易忽略的点:画幅如果在生成时就选错了,后期再裁竖会直接切掉主体,而主体被切掉的短视频在信息流里等于没拍过。

各个投放格式各自奖励什么

不同信息流奖励的首帧完全不同。竖屏短视频且默认开着声音的,必须让人在半秒内、在缩略尺寸下认得出主体,所以产品和脸要早、要大,细节可以晚出现。无声自动循环的产品页,需要的是不看声音、不看上下文也能读懂的动作,也就是清晰的剪影变化,而不是轻微的推镜。

有硬性六秒上限的付费广告位,要求信息在第四秒之前就出现。而站内和网页的投放位通常要方图或横图,而不是竖屏。把格式直接写进提示词——「9:16 竖屏,主体占画面中间三分之一,不要文字」——因为引擎不会替你猜投放场景。

另外,各平台截取封面的规则并不一致,有的会直接取第 3 秒当封面,所以真正要紧的画面不要只出现在第 0 秒;如果你必须控制封面,最稳的做法是先出静帧,再用图生视频把那一帧变成片段。

十条短视频一批要花多少积分

批量生产最容易把预算走漏,所以要按批次规划,而不是按单条规划。十张一套通常需要二十到三十次生成:每个概念先用 flux-2 探索三四次,找到取景和物理事件,再用 seedance-2-5 或 veo-3 各出一到两张终稿,并给每条留一张备用,专门救动作崩掉的那几条。

探索阶段每次都拉四张候选,会在你还没做任何决定之前把数量乘以四。每次生成前都会显示这次消耗的积分,而在探索期把时长压短,是让探索阶段几乎免费的最快办法。

什么时候真实拍一条更划算

该实拍的情况:内容是真人说话;是一个结果本身重要的物理演示;涉及食物,而观众期待看到它被处理、被吃下去;产品靠贴合度和做工说话;以及必须和真实地点一致的外景。该生成的情况:片段靠的是情绪和氛围;风格化的产品瞬间;需要前往昂贵或不安全才能拍到的地点;或者同一个想法需要二十个变体来做测试。

最有效的往往是混合方案:拍两三条真正承载可信度的片段,周围的镜头用生成,再统一调色和颗粒,让剪辑点自己消失。如果你手上完全没有实拍条件,也别硬撑:先用生成做出风格参考和分镜草图,拿着它去和摄影师或客户沟通,往往比一直和模型较劲要快得多。

它和更长的品牌片有什么区别

短视频生成优化的是「一条只讲一件事」、快速被读懂、以及可以循环的形状,所以它不需要品牌片那种叙事结构。品牌片有空间容纳交代环境的镜头、跨越整段的转变和一个收尾,因此它需要跨多条片段保持人物、地点和光线一致,而不是靠某一个强瞬间取胜。

一条好用的判断是:这个想法只需要一件事,你就在这一页;它需要「之前」和「之后」,那你该去更长的视频流程,并且先做分镜保证连续性。至于交付物是一段没有头也没有尾的循环文件,那其实是动效的活,不是拍片的活。

示例提示词

日落温室里两人对话,植物与暖色天光,电影中景对切

常见问题

AI 生成的短视频片段应该多长?
按两三个、每个约三秒的镜头规划,然后在剪辑软件里卡节奏。更长的整段生成会漂移也更费积分,而短片恰恰是生成画面最像真的区间。按最短可用时长去要求,再自己拼装序列。
Reels、Shorts 和 TikTok 该用哪个画幅?
三者都用 9:16,并且整组保持一致。素材中途中换画幅会让主页看起来不统一,还需要在 App 里重新构图。先做或上传一张竖屏开场静帧,整组镜头都维持这个比例。
怎么防止主体在多条片段里变脸?
先生成一张通过的定稿静帧,序列里每条片段都动这一张图,只描述动作和运镜。图生视频会继承画面里的构图、服装和身份,远比每条都用文字重新描述可靠。
可以用我自己的产品照生成竖屏视频吗?
可以。把已有产品图作为起始帧上传,描述你想要的运动——缓慢推近、转台旋转、蒸汽升起。gemini-omni 这类参考图驱动的模型特别擅长图像主导的需求,而且产品依然清晰可辨,因为画面本身已经定义好了它。
为什么短片里的文字看不清?
渲染出来的字母会在帧与帧之间重新排列,往往在开始运动后几秒内就糊掉。开头钩子、字幕和标识都不要依赖生成文字。生成干净的无字素材,在剪辑软件里加文字,这样同一段素材还能配多套文案。
一个开头钩子应该测多少个版本?
同一条片子正文测四到六个开场版本。主体、光线、时长保持不变,只替换第一张静帧和第一段运动,让唯一变量就是钩子。在 Ofrai 里,seedance-2-5 最适合在一个会话内快速产出这么多个版本。

相关生成器

相关模型

工具