跳到正文

功能

AI 缩略图生成器

作者:Ofrai Editorial(Use Case Research)

AI 缩略图生成器是按封面真实被评判的尺寸来出图的——YouTube 推荐位的封面大约只有 210 像素宽,短视频信息流则是竖版里互相抢注意力。你描述主体、表情和光线,按投放比例生成,再在编辑器里自己加字。在 Ofrai 这套流程跑在图片工作室里,用的还是你整条流水线共用的积分。

夜间透过车窗看到一位女性
使用此模板

新账号含 1 次 GPT Image 2.5 出图;其他模型和视频使用积分。

示例提示词

深色品牌界面:对话气泡、人像卡片与光轨视频卡纵向叠放,左侧留白

封面是在缩略尺寸下被评判的

没人会看到你的原图封面。它出现在标题旁边、夹在五个推荐之间,可能只有 210×118 像素,有时更小。在这个尺寸下真正决定胜负的只有三件事:主体是否从背景里跳出来、剪影是否一眼可辨、颜色是否比邻居更暖更艳。请按缩略图来设计,再把成图缩小到信息流尺寸检查一遍。如果主体必须放大到 100% 才看得清,这个封面就是失败的。

一个主体胜过一场大戏

最常见的封面错误,是想在一张图里讲完整个故事。一张脸 + 一个道具 + 一个强色块,在缩略尺寸下已经是完整的任务。多人物大场面、多个叙事节点、细节丰富的背景,压缩之后全变成噪音。请从视频里最易读的那一秒出发做封面,铺垫交给标题。如果确实要展示流程,就出两张封面,而不是把两件事塞进一张。

让表情在两百像素下依然可读

表情是最快的信号,但只有把情绪写成动作而不是气氛才成立。要写眉毛挑起、张嘴说话中间、头转向镜头、眼睛看镜头这类身体指令;形容词撑不过压缩。让头部占画面高度的一半左右,需要权威感时略仰拍。避免把头拍小的广角镜头,也不要让正面表情配上转开的身体,两者会互相抵消。

为后期要加的字留出空间

大多数人会后期加文案,所以生成前先规划留白。把画面上方三分之一或左侧三分之一留给标题,并明确描述:「左上方留干净的空背景用于文字」。同时让那块区域的对比保持平缓、无杂物。要写「留空」而不是「放一块招牌或海报」,因为生成的招牌恰好会在你需要加字的位置制造视觉噪音。

值得点击的光线与颜色

给主体一个明确的主光并做出分离:发丝或肩膀上打一道轮廓光,或者用硬光源投出清晰的阴影。避免正面平光,那看起来像证件照;也避免压暗的沉闷画面,除非那已是这个频道的既定调性。在拥挤的信息流里,饱和但可信的颜色通常比灰调更抢眼,因为眼睛会先被最艳的一块吸引。

肤色要自然,过饱和的肤色是最明显的AI感来源。

封面常见问题与修法

五类问题基本覆盖了效果差的封面:主体太小——重新生成更紧的构图,而不是放大裁切,放大会让脸变糊;表情平淡——改写成物理动作;背景杂乱——改成简化背景或渐变;忘了留文案区——在提示词里指定空区域;封面和视频对不上——用成片前 10 秒的真实画面导出帧当参考,不要用概念图。

封面类需求该用哪个模型

默认用 nano-banana-pro:它能接受很长的具体指令(表情、构图、留白),同时不会丢掉前面的约束。需要高分辨率或画面里会出现手和道具时用 gpt-image-2,这部分渲染更稳。flux-2 适合便宜地试三四个方向。想要插画风或风格化封面时,seedream-5 更合适。建议 flux-2 试稿、强引擎定稿。

四段为缩略尺寸而写的封面提示词

「一个男人倒吸一口气的特写,眼睛睁大、嘴张开,相机左侧硬光打在纯青色背景墙上,极高对比,16:9。」「一个女人穿着黄色雨衣,背对镜头站在大雨里,湿地面映着霓虹招牌,人物压在右侧三分线上,16:9。」「同一张脸从中间劈开,一半在笑、一半在怒,硬影棚光,4:5。」「

一只手把碎屏手机举向镜头,屏幕呈蛛网状裂痕,深色背景,一道轮廓光,9:16。」注意四段的共同点:每一段都明确了光线方案、明确了主体位置,并且把画面另一半留空。那块留空正是标题要放的位置。这样写出来的提示词在两百一十像素下也站得住,因为主体靠明度差而不是靠细节与背景分离,而明度是缩放之后唯一不会被吃掉的信息。

对比度、安全区与裁切计算

两个数字决定了大多数封面的结果。第一个是主体与背景之间的明度差:一定要拉开清晰的一档,因为两个百分点的差距在信息流尺寸下等于不存在,和构图多好无关。第二个是安全区。16:9 的 YouTube 封面标题压在右下角,右下象限就别放关键内容;9:16 的短视频封面,界面会盖住顶部和底部,主体要留在垂直方向的中三分之一。

两个测试都很便宜:把成图缩到原宽度的四分之一左右,退到一臂远看。一眼能说出画面是什么就成立,要凑近才看得清就不成立,而且这不是提示词能修的——需要换一个主体,而不是换一种描述。

诊断一张缩小后失败的封面

从症状倒推病因。如果整张图读起来像一团噪音,说明元素太多,处方是做减法而不是提清晰度。如果主体清楚但情绪读不出来,多半是表情写成了情绪词而不是身体动作,或者脸被打成了平光。如果主体分离了但画面发闷,问题出在背景明度贴得太近,该做的是重新布光或换配色,而不是重新生成一张。

如果后期加的文案淹没在画面里,说明它压在了中间调最乱的区域,应该挪到留白那一侧。请按这个顺序在缩小的副本上逐条检查,并且每次生成只改一个变量——同时改两处,你会分不清是哪一个起了作用。

一个月测二十张封面的成本

一个月二十张封面对单个频道来说是正常产出,成本结构也很稳定。构图一律先用 flux-2 低分辨率打草稿,并且每个视频跑三个概念而不是一个:在缩略测试里,构图换过的 A 概念常常赢过精修过的 A 概念,而成本只是零头。概念通过缩略测试后,再用 nano-banana-pro 正式出图,gpt-image-2 留给每月两三张真正要上大尺寸或用于印刷的封面。

预算最容易漏的地方,是去精修一张已经在缩略尺寸下输掉的封面——缩略测试一旦失败,概念就死了,全分辨率版本再好看也不会翻盘,这时候应该停手,而不是花钱买一个注定输的念头的高清版。

封面和海报的边界在哪里

封面在一秒之内被评判,尺寸小到会惩罚细节、奖励对比度;海报在一定距离外被评判,奖励的是构图、字体和留白。这也解释了为什么一张漂亮的杂志感图片当封面往往表现很差:它有四个视觉重心、一套考究的配色,却没有一块干净区域可以放标题,而这三项在两百一十像素下全是负债。

要印刷、要装框、要作为设计作品交给客户的,用海报工具;要在一堆内容里抢注意力的,用封面生成器。如果你在还没确定展示位置之前就开始往图上叠标题,你做的是海报;如果投放位置和目标比例早就定了,你做的是封面。某个视频六周之后跑出来时,成功的原因几乎总是可以复现的,而能不能复现,决定了一个频道的封面是在进步还是一直在猜。

请把这个文件夹和你自己后台的真实点击率对上账,因为文件夹里看起来最好的那张,常常并不是真正跑出来的那张。输掉的封面请当成信息而不是失败去重摇:在缩略尺寸下已经测过两次的想法,全分辨率版本依然是个输掉的想法,只是更贵、也更容易在你犹豫时显得可信。

还有一点:不要把「看起来像缩略图」和「在缩略图里读得出来」混为一谈。前者只是构图不复杂,后者在两百一十像素下仍然能一眼看出主体、表情和情绪,两者的差距常常出现在你以为已经通过的那一张上。养成习惯:每次定稿前把成图缩到四分之一,退到一臂之外看三秒,说不出画面里发生了什么,就重新生成。请固定下来。请固定下来。

请把它固定下来,作为团队默认的定稿流程。

常见问题

YouTube 缩略图应该生成多大?
按 16:9 全尺寸生成,交给平台去缩小。直接按信息流小图尺寸出图会显得很糊;先出大图再让平台压缩,结果最干净。短视频信息流请改用 9:16 生成,因为把 16:9 裁成竖版很容易切掉脸或文案区。
标题文字应该让模型直接生成吗?
不建议。生成出来的文字容易变形,曲面或小尺寸下更明显,而已发布封面上有一个错字代价很大。正确做法是让封面在标题位置留出干净的空白,再在编辑器里排字,字形才能保持清晰、对齐和可读。
怎么让封面和我的真实视频对得上?
从成片里导出一帧作为参考图上传,再描述你想改的部分——更紧的构图、更强的表情、更戏剧的光线。以真实画面作为条件输入,可以保证服装、场地和道具与片子一致,这是纯文字提示词做不到的。
我可以在 Ofrai 上做多版封面吗?
可以,而且应该做。先在 flux-2 上低成本试三四个方向,留下最强的两三版,再用 nano-banana-pro 或 gpt-image-2 以高质量重出。保持提示词骨架不变、每次只改一个变量(构图、表情或调色),出来的版本才有可比性。
封面需要和频道整体风格一致吗?
需要的是内部一致,而不是每张都一样。保持色调、字体处理和构图习惯稳定,让频道看起来是一套;主体和表情可以逐条变化。要避免的是那些观众用来一眼认出你的元素前后不一致。

相关生成器

相关模型

工具