文生视频和图生视频有什么区别？怎么选

一句话分清：文生视频是“我说啥它画啥”，图生视频是“我给你一张图，你让它动起来”。选错了，返工能返到你怀疑人生，我头一周就废了三十多条。

一、文生视频：创意快，可控性差

直接输入一段描述，模型从零生成画面。Sora 2、可灵文生、Runway Gen-4、Luma都属这类。优点是想法能快速落地，缺点是角色长相、服装、场景每次都不一样。

做连续剧集最要命。第三集男主换脸了，观众直接出戏，评论区全是“换演员了？”。我做过一条30秒的科幻开场，文生生了11次才有一次能用的，时间成本一点不低。

它适合什么？概念片、氛围片、转场空镜。要的是“感觉”，不是“这个人”。想明白了这一点，用起来就顺了。

二、图生视频：一致性最好

给一张图或首尾两帧，模型让画面动起来。可灵的首尾帧、Runway的Act-Two、Vidu都支持。角色、构图、色调基本能锁住，适合系列内容、产品展示、老照片活化。

代价是运动幅度有限，复杂动作容易崩。我的经验是5秒一个镜头最稳，超过10秒，人物容易变形，手会自己长出来又消失。

首尾帧这个功能值得单独说。给一张“坐着”的图做首帧，一张“站着”的图做尾帧，中间让它自己补，动作过渡比纯文字描述自然得多。我现在做人物起身、开门这类动作，全靠它。

三、怎么选：看你要稳还是要新

要角色一致、要商用可控，选图生视频；要概念片、要天马行空，选文生视频；要口播、要人物说话，图生加对口型；要长镜头运镜，文生打底再图生补细节。

我的常规做法是混合：先用即梦出一张定妆图，再用可灵图生视频做动作，个别转场用文生生一条。一套下来，既有稳定性，又不至于太死板。

四、成本和时间的实际差别

文生视频抽卡率高，一条成片可能要生成10次以上。按可灵会员一个月几十块、每天几百灵感值算，额度其实够用，但时间耗得多，一小时能出一条算快的。

图生视频一次成片率能到六成，我一条15秒的视频，图生大概25分钟出片，文生要1小时往上。这个差距，做批量内容的时候会被放大好几倍。

再算一笔隐形成本：文生视频的提示词要反复调，一条描述改五六版是常态，改到最后你自己都忘了最初想要啥。图生视频的提示词相对固定，动作描述就那几个句式，改起来快。

还有个容易忽略的点：素材复用。图生的定妆图能存下来，下条视频接着用；文生每次都是新的，攒不下资产。做号做久了，手里的资产比一时的灵感值钱。

五、两个真实场景

一个做历史科普的朋友，人物必须每期一样，他用一张定妆图配图生视频，做了20期，粉丝说“像同一个人演的”。他连服装都没换，反而成了节目标志。

另一个做概念广告的，要那种超现实的梦境感，只能文生，生成了30多条才凑出15秒，但成片确实抓人。他说这活儿没法图省事，要的就是那个不可控的惊喜。

六、常见问题

问：图生视频能改动作吗？

能，靠提示词描述动作，幅度别太大。想要大动作，拆成多个5秒镜头，一个镜头一个动作，拼起来就顺了。

问：文生视频能锁定角色吗？

部分工具支持上传角色参考图，但稳定性不如直接图生。真要稳定，还是老老实实做定妆图。

问：哪个更便宜？

单次成本差不多，文生因为废片多，实际花费更高。算总账的时候，把废片次数也算进去。

问：新手先用哪个？

先图生。出片快、挫败感低，能把流程跑通，再玩文生。上来就文生，很容易被废片劝退。

给个实在建议：先想清楚这条视频是“要一个人”还是“要一种感觉”。想清楚了，工具自己就选出来了。新手别急着上文生，先整明白图生，能少废一半片子。