商品图和商品视频先做哪个？新店精力有限时的五维度对比 + 分品类结论（2026）
周五晚上到了一批新款保温杯，周一要上架。店里就老板和一个客服，周末两天能挤出来做素材的时间加起来不到一天。同行群里有人说"现在不做视频没流量"，也有人说"图都没做明白就别碰视频"。两边听着都有道理，手上的时间却只够认真做一样。
这篇不讨论"图和视频哪个更重要"这种没有答案的问题，只回答一个具体的：精力有限时，先做哪个，做到什么程度再做另一个。
商品图和商品视频，先做哪个？
多数店铺先做商品图，图齐了再用图去生成视频。 理由不是视频不重要，而是两者有先后依赖：商品图是上架的硬门槛，没有图链接发不出去；而现在的商品短视频大多用图生视频来做，输入就是一张干净的商品图。图没做好，视频的起点也跟着差。
这里先给两个概念下定义，后面会反复用到：
- 商品图：主图、细节图、场景图、详情页图这类静态图片，买家可以停下来放大看。
- 商品视频：主图视频、商品卡短视频、推荐流里的带货短片，几秒到十几秒，靠动态传递信息。
- 图生视频：上传一张图片，让 AI 视频模型按提示词让画面动起来，商品外观以这张图为准。
例外也有，放在后面"哪些情况应该先做视频"一节讲。
五个维度对比：两者差在哪？
| 维度 | 商品图 | 商品视频 |
|---|---|---|
| 上架门槛 | 必需，缺主图无法发布 | 多数平台是可选项，缺了也能上架 |
| 擅长表达什么 | 结构、颜色、规格、细节，可放大核对 | 动态过程：倒水、开合、垂坠、上身走动、质地流动 |
| 做错了怎么改 | 可局部重绘，只改一处 | 一处不对通常要整段重新生成 |
| 素材能复用到哪 | 主图、详情页、活动图、笔记封面、视频首帧 | 主要用在视频位，截帧当图用清晰度和构图都受限 |
| 主要吃哪类流量 | 搜索结果、货架浏览 | 推荐流、短视频信息流、直播切片 |
三点展开说：
一、图是"可核对的"，视频是"可感受的"。 买家想确认杯盖是不是带锁扣、面料是不是磨毛的，会去翻细节图并放大；想知道这件风衣走起来下摆飘不飘、这瓶精华是水状还是凝露状，一张图说不清，三秒视频就够。两者回答的不是同一类问题。
二、返工方式差别很大。 图里商品 logo 被改了一笔，可以只圈那一小块重绘；视频里第三秒杯身变形了，没法只修那一秒，得换提示词或换首帧重新生成整段。同样是出错，视频的试错更费次数，所以更需要在动手前把首帧准备好。
三、图的复用面更宽。 一张干净的白底图能变出场景图、活动图、尺寸对比图，还能直接作为视频首帧。反过来从视频里截一帧当主图，往往带运动模糊，构图也不是为静态设计的。先做图，等于同时备好了视频的原料。
哪些情况应该先做视频？
当商品的核心卖点是"动起来才看得见"，或者店铺流量主要来自推荐流时，视频的优先级要提到图之前。 注意是"之前"而不是"替代"——基础的主图和白底图仍然要有，只是场景图、氛围图这类加分项可以往后放。
具体是这几类：
- 卖点在过程里的商品：拖把的吸水、收纳箱的折叠、榨汁杯的出汁、遮阳伞的一键开合。
- 卖点在质地流动的商品：精华、乳液、蜂蜜、酱料，静态图里它们只是一个瓶子。
- 卖点在垂坠和动态的服饰：雪纺裙、阔腿裤、风衣，上身走两步比十张平铺图有用。
- 主阵地是短视频平台的店铺：流量入口本身就是视频，商品卡图片只是承接。
反过来，这几类先把图做扎实更划算：
- 标品和参数型商品：数据线、螺丝刀套装、收纳盒、文具，买家主要比规格和价格。
- 靠细节和材质成交的商品：手表、饰品、茶具，买家要放大看做工。
- 走搜索流量的货架型店铺：买家带着明确需求来，主图在搜索结果里能不能被看清更要紧。
两样都要做，顺序怎么排？
先图后视频，四步走，每一步的产出都是下一步的输入。
- 拍一张角度端正的原图。 正面或斜 45 度，商品完整、没有手遮挡、颜色没偏。这张图决定后面所有素材的还原上限。
- 出白底母版。 用图像生成工具做图生图，只让 AI 清背景、补光、摆正，不让它重画商品。
- 围绕母版出 2–3 张场景图和细节图，把上架需要的图补齐。一款商品到底要备哪几类图，可以对照电商商品上架需要哪些图这份清单。
- 从场景图里挑一张当首帧，用Veo 3.1 图生视频出一条短视频。 Veo 3.1 是 Google 的 AI 视频生成模型，能把图片或文字变成带声音的短视频。首帧选主体清晰、周围留有运动空间的那张。主图视频位的具体要求和过审自查，见淘宝主图视频怎么用 AI 做。
回到开头那位卖保温杯的老板：周六做完前三步，周一链接可以正常上架；视频放到周日或上架后再补，不耽误开卖。
四段可直接复制的提示词
① 白底母版（图生图，各品类通用）
以上传图片为准，保留这只保温杯的杯型、杯盖结构、杯身颜色和印字不变，去掉原背景换成纯白背景，商品居中，正面视角，柔和均匀的顶部打光，底部有轻微自然投影，商品占画面约 80%，真实产品摄影感，不要添加任何文字、标签或水印。
② 场景图兼视频首帧（图生图，家居/杯壶类）
以上传图片为准，保留这只保温杯的结构与颜色不变，把它放在浅色原木办公桌右侧，旁边有一台合上的笔记本电脑和一小盆绿植，左侧自然窗光，浅景深，横向构图，商品左侧和上方留出空白，真实摄影感，无文字。
留白是为视频准备的：后面要让手伸进画面、让热气升起来，画面里得有地方给它们动。
③ 过程型短视频（图生视频，杯壶/厨房小件）
以这张图为首帧，保持保温杯外观、颜色和印字不变。一只手从画面左侧伸入，拧开杯盖放在桌面，杯口升起少量自然热气。镜头固定，缓慢轻微推近，自然窗光不变，真实拍摄质感，画面中不出现任何文字。
④ 质地型短视频（图生视频，美妆个护）
以这张图为首帧，保持瓶身形状、瓶盖颜色和标签排版不变。滴管从瓶口提起，一滴透明精华缓慢滴落在浅色台面上并自然摊开。微距镜头，固定机位，柔和侧光，背景虚化，画面中不出现任何文字。
四段都写了"保持……不变"和"不出现文字"。视频里每一帧都是重新画的，商品被改动的机会比出图多，约束句要写得比出图时更具体。
FAQ
主图视频有必要做吗？
有条件就做，但不必为了它推迟上架。多数平台的主图视频是可选位，缺了不影响发布。优先给卖点在动态里的商品配视频；纯参数型的标品，先把主图和细节图做清楚，视频可以往后排。
只有一张白底图，能直接拿去生成视频吗？
能生成，但效果通常比较单调。纯白背景里没有环境参照，镜头一动画面容易显得空。更稳妥的做法是先用白底图出一张带场景的图，再用这张场景图当首帧去做图生视频。
能不能从视频里截一帧当主图用？
不建议。视频帧常带运动模糊，分辨率和构图也不是按静态主图设计的，放进搜索结果里商品偏小、不够锐利。主图单独出一张，反过来把主图当视频首帧倒是可行。
一款商品做几条视频够用？
新品先做一条，把核心卖点的那个动作讲清楚即可。跑出数据后，再针对不同卖点各补一条。一上来铺很多条，每条都讲不透，返工量也大。
商品视频一定要有真人出镜吗？
不一定。展示结构、质地、使用过程的视频，只出现手部或完全不出现人都可以。需要表现上身效果、使用感受时，真人或模特出镜更有说服力，两种方式的取舍可以参考AI 带货视频和真人出镜怎么选。
小结
商品图和商品视频不是二选一，是先后问题：图是上架的门槛，也是视频的原料；视频是把图讲不清的动态补上。
精力有限时按这个顺序判断：先把主图和白底母版做出来保证能上架；再看商品卖点是"放大看得见"还是"动起来才看得见"——前者继续补细节图和场景图，后者挑一张场景图直接去做图生视频。截至 2026 年，这两步都可以在同一个平台上用中文提示词在线完成，原图只需要拍一次。