ai视频生成怎么操作？按手里素材选生成方式的判定规则与输入规范（2026）

本文回答：ai视频生成怎么操作——按手里的素材判定走文生视频、图生视频（首帧 / 首尾帧）还是参考生视频，给出一段可照着实现的判定伪代码、每种方式按官方文档整理的输入素材规范、一场戏 5 个镜头的判定示例，以及换成 Seedance 2.0 时规则要改的地方。

ai视频生成用什么软件、怎么操作，先按手里的素材定生成方式：只有文字，走文生视频；有一张要让它动起来的画面，或要接上一镜的最后一帧，走图生视频-首帧；开头和结尾两个画面都定了，走首尾帧；同一个人物、场景、道具要在好几个镜头里认得出来，先备齐设定图再走参考生视频。一次生成任务只能选一种。软件只决定这套判断由谁来做：直接调用模型接口、在创作平台页面逐镜生成、在画布上连节点，或交给按场自动挂参考图的 AI 视频产线。

AI 视频生成的生成方式，是一次生成任务交给模型的起点素材类型：只有文字，一两张定住画面的图，或一组规定人物、场景、道具长相的参考素材。火山方舟《创建视频生成任务》写明：「图生视频-首帧、图生视频-首尾帧、全模态参考生视频（包括参考图、视频、音频）为 3 种互斥场景，不可混用。」

ai视频生成用什么软件？几种做法差在谁来选方式

方舟接口里文生、图生、全模态参考都有对应的任务类型；换哪种做法，变的是选方式、备素材、写提示词落在谁手上：

手里有什么素材，该走哪种生成方式？

判定先看「这一镜的东西在别的镜头里还要不要认得出来」，再看手里有几张定画面的图。注释标「方舟」的出自《创建视频生成任务》，标「2.5 指南」的出自《Doubao Seedance 2.5 提示词指南》，其余是本文整理：

def pick_mode(shot):
    # 方舟：Seedance 2.5、2.0 系列不支持直接上传含真人人脸的参考图/视频
    if shot.has_real_face:
        return "先换素材：预置虚拟人像，或已授权真人素材"
    # 本文整理：人、景、物在后面几场 / 几集还要认得出来 -> 参考生
    if shot.recurring:
        missing = [s for s in shot.recurring if s.design_image is None]
        if missing:
            return f"先补设定图 {missing}，再重新判定"
        if shot.start_image and shot.end_image:
            # 方舟：可在提示词里指定参考图作首帧/尾帧间接实现；要严格一致，优先图生-首尾帧
            return "参考生，提示词写明首帧、尾帧用哪张图"
        return "参考生"
    # 2.5 指南：首尾两图画幅不一致，尾帧会被拉伸
    if shot.start_image and shot.end_image:
        return "图生-首尾帧"
    # 方舟 return_last_frame：上一个任务的尾帧可作这一镜首帧
    if shot.start_image or shot.prev_last_frame:
        return "图生-首帧"
    # 本文整理：没有图，只放不用和别的镜头对上的画面
    return "文生"

「跨镜认得出来」排在首尾帧前面，是实操判断：首帧只锁开头那一格，后来才出场的人和物仍靠文字，换机位就得重出一张首帧图；参考图管的是长相、空间和道具外形，每镜挂同一组才对得上。缺设定图先补是建议，不补也能生成，但长相全凭文字。这套「有图的挂图、没图的写字」也可以交给产线自动做，比如猫斯卡（AI 视频生产系统）每场自动按「场景图 → 本场道具图 → 人物定妆图」的顺序挂参考图，有图才占位，没图的标明「仅文字」；它解决的是每场手动挑图、排顺序，没有成片自动打分，哪一版能用、质量终审仍在创作者手里。

ai视频生成怎么做？一场戏 5 个镜头过一遍判定

例子是古装写实短剧里的一场：雪夜驿站，信使送来密信，女主拆开后认出父亲的笔迹。女主和这封密信后面几集还要出现，信使只在这一场露面：

镜头 2 的提示词，前两行照 sd25-pe 示例句式改写，第三行本文自拟。女主有定妆图就不再写她穿什么，2.5 指南的说法是参考素材已足够精准时只做「指代」、减少画面复述：

<人物A>对应@图片1，只采用五官、发型和服装。
<场景A>参考@图片2，只采用空间布局、建筑和光线，不采用图中人物。
披着蓑衣、满身落雪的信使推门走进<场景A>，把一封信放在桌上；灯下的<人物A>抬头看他，手里的笔停住。

每种方式要备什么素材？按官方文档整理的输入规范

取值出自《创建视频生成任务》、2.5 指南和方舟官方 Seedance 2.5 提示词规范（sd25-pe），键名和分组是本文整理；pick_mode 返回哪一支，就对照哪一段备料：

common:
  mode: 只选一种                      # 方舟：3 种互斥场景
  set_in_params: [画幅, 总时长, 分辨率, 帧率, 声音开关]   # sd25-pe：不写进 Prompt
  prompt_zh: 建议不超过 500 字         # 方舟
  image_file:                         # 方舟，凡上传的图都要过
    format: [jpeg, png, webp, bmp, tiff, gif]   # 2.0 及以上另支持 heic/heif
    aspect_ratio: "0.4 ~ 2.5"         # 宽/高
    side_px: "300 ~ 6000"
    size: "< 30 MB"
text_to_video:
  images: 0
  ratio: 2.5、2.0 系列默认 adaptive，可由模型按提示词自动选；竖屏显式设 9:16   # 方舟
  prompt_layout: 一句话概述 -> 情节（时间戳或「镜头N」切分）-> 机位运镜、环境、声音、氛围   # 2.5 指南
image_first_frame:
  images: 1
  ratio: Seedance 2.5 只支持 adaptive，输出宽高比与首帧图一致
image_first_last_frame:
  images: 2                           # role: first_frame / last_frame
  rule: 两张图画幅一致                # 2.5 指南
reference:
  images_max: {
   seedance_2_5: 30, seedance_2_0: 9}
  extra_2_5: 参考视频 0-10 个，参考音频 0-10 个
  upload_order: 按人物首次出场顺序，编号同步调整   # 2.5 指南「角色对应错误」
  binding: 每个素材按上传编号做文本绑定        # 2.5 指南
  subject_images_2_5: 1-8 个效果较好，更多稳定性下降、可能需要抽卡

binding 那条，2.5 指南原话是「按照上传素材的顺序对应编号（图 1 / 视频 1 / 音频 1），每个素材进行文本绑定，不建议只在图片里呈现映射信息」，否则「容易导致多人混淆或重复角色」。主体图 1-8 个管的是一次生成里挂多少，不是一部剧能有几个角色。

换成 Seedance 2.0，判定规则要改哪几处？

分支不变，reference 的取值要换，出处是《Doubao Seedance 2.0 系列提示词指南》和方舟文档：

1. 参考图上限：方舟文档写 2.0 系列全模态参考图 1-9 张；指南「推荐配置总计 4-5 个素材，不建议用满素材上限」。
2. 人物多了要拆：「当参考人物数量超过 4 人时，模型输出稳定性下降」，指南常见问题给的办法是分组生成图片再生视频。函数里可加一条：recurring 里人物超过 4 个，先返回「分组出图」。
3. 人物图怎么备：2.0 指南写模型支持主体多视角参考，但人物参考「使用大头照 + 全身照即可，不建议使用人物多视图」；2.5 的 sd25-pe 则要求同一主体的多视角参考写成逐图职责、共同定义同一个实体。两版别混用。
4. 编号与提示词：对图片顺序有要求时按顺序上传、用图片1、图片2指代，越需要精准参考的素材在提示词里越靠前；「请勿直接将完整剧本作为提示词使用」。

常见问题

首帧图是横的，成片要竖屏，在参数里改成 9:16 行不行？

按方舟文档，Seedance 2.5 的首帧 / 首尾帧任务只支持 ratio 为 adaptive，输出宽高比自动和首帧图一致，参数改不过来。要先把首帧图做成竖图，比例落在 0.4 到 2.5 之间，用首尾帧时尾帧同画幅。其它版本以所用文档为准。

挂一段动作参考视频，会不会连里面的人也学过来？

sd25-pe 写生成任务不得默认继承参考视频中的人物身份、服装或完整场景，写法是「@视频1用于<动作、运镜或节奏>，不采用<身份、服装或场景>」；参考视频已准确给出动作和运镜时，只说明继承哪些维度，不必逐个动作复述。参考视频属于全模态参考，方舟文档写它和首帧、首尾帧互斥，判定成图生的镜头用不上。