文生视频还是图生视频：从哪一步开始？

在 VideoMaker AI 里，每一次生成最后都走到同一个地方：一段短视频，运行前先按 Credits 报价，渲染时冻结额度，视频交付才结算。真正不同的是——镜头从哪里开始。

文生视频从一段描述开始。图生视频从一张照片开始，这张照片会成为第一帧。两种模式没有高下之分，它们回答的是不同的问题。

文生视频：画面还不存在的时候

当你还在决定这个镜头应该是什么样，就用文字。主体、动作、机位、光线、质感，可以写在同一段话里；想换一个版本，改几个词再跑一次，不用重新拍任何东西。

它适合：

• 一个想先看看效果的情绪或视觉想法；
• 没有任何现成参考的场景；
• 构图和氛围比具体的人脸、具体的产品更重要的镜头。

代价是：每一个细节都只是建议。如果你要的是某个房间里精确的摆设，文字会跟你较劲。

图生视频：守住第一帧

当开头那一帧已经对了，就用图片：产品图、分镜稿、上一场拍摄的剧照、你设计好的角色。照片会成为第一帧，提示词描述的是这一帧应该怎么动。

图片锁住了构图、颜色和身份。所以提示词应该写运动和机位，而不是另一个场景。"缓慢推近，灰尘在窗光里浮动"是对的；"换成一个有椅子的房间"就不对——模型必须保留你给的那一帧。

几条实际操作规则：

• 每个任务一张图，JPG、PNG 或 WebP，最大 8 MB。
• 图片保存在私有存储里，任务进入终态后删除，绝不会被用作公开示例。
• 比例选 Auto 时，输出跟随原图；需要不同画幅时再显式选择比例。
• 第一个动作要小。4–10 秒的片段只放得下一个动作，放不下一组动作。

两种模式共用同一套参数

不管从哪一步开始，用的都是同一套控件和同一个报价引擎：

• 时长——4 到 15 秒，按整秒计，默认 10 秒；
• 分辨率——480p、720p 或 1080p；
• 比例——Auto、16:9、4:3、1:1、3:4、9:16 或 21:9；
• 提示词——最多 2,000 字符，图生视频可以不写。

Credits 按秒计价，并随分辨率上升：480p 每秒 5，720p 每秒 11，1080p 每秒 27。

镜头	Credits
4 秒 480p	20
10 秒 720p	110
15 秒 1080p	405

这些是报价，不是估算。报价绑定在提示词、图片、参数和定价版本上；改动任何一项，就是另一个任务、另一个报价。

一句话判断

描述得出来、但画不出来的镜头，从文字开始。已经有一帧、只需要它动起来的镜头，从图片开始。如果动作本身就是产品——一个想反复使用的固定效果——那就从 Effect 模板开始。

两种都试一次，再决定

打开工作室，描述一个场景，或者上传一帧画面。确认之前先看报价；点生成时才冻结 Credits，视频交付时才结算。任务失败或被供应商拒绝，冻结会全额释放。

大多数人一个下午就能体会出区别：文字用来找到镜头，图片用来守住镜头。