Veo 3.1 图生视频用什么图效果好？首帧图挑选 6 条标准 + 6 段提示词（2026）
同一段提示词「镜头缓慢推近，杯口冒出热气」，换两张图跑 Veo 3.1，结果可能天差地别：一张是贴满促销字的淘宝主图，出来的视频里文字扭成一团、杯身跟着变形；另一张是干净的场景实拍，杯子稳稳立着，热气自然往上飘。提示词没变，变的只是那张首帧图。
做 Veo 3.1 图生视频，很多人把精力都花在改提示词上，其实首帧图选对，问题就先解决了一大半。这篇专门讲：什么样的图适合喂给 Veo 3.1，什么样的图别拿来用，以及怎么按要拍的动作提前把图准备好。
Veo 3.1 图生视频是什么？首帧图起什么作用？
Veo 3.1 是 Google 的 AI 视频生成模型，图生视频就是上传一张图当作视频第一帧，再用文字描述接下来画面怎么动。 首帧图决定了视频的"底子"：商品长什么样、放在哪、光从哪来、画面里有什么，模型都会以这张图为准往后推演。
所以可以这么理解分工：图负责"是什么"，提示词负责"怎么动"。图里没交代清楚的信息，模型只能自己猜，猜错了就是变形、多出东西、细节被重画。
什么样的图适合做首帧？6 条挑选标准
结论先说：主体清楚、背景简单、光线自然、没有文字、给动作留了空间的图，更适合做 Veo 3.1 首帧。 逐条展开：
- 主体完整、边缘清楚。商品不要被画框切掉一半，也不要被手、道具挡住关键部位。模型看不到的部分，生成时会自己"补"，补出来的往往和实物不一样。
- 背景不要太花。纯色、浅色桌面、简单家居场景都行；满屏杂物的背景，视频一动起来就容易出现物体漂移、背景自己长东西。
- 图上不要有文字和贴片。促销角标、价格、卖点字、水印都去掉。图里的文字一旦参与运动，几乎必然变形，后期加字比让模型保住字靠谱得多。
- 光线方向明确、自然。有一个清楚的主光方向（比如左侧窗光），模型更容易让光影在运动中保持一致；多处打光、强烈阴影交错的图，动起来容易闪。
- 清晰度够、不过度修图。分辨率太低或磨皮、液化过重的图，细节本身就是假的，生成后会更明显。用原始实拍或干净的 AI 场景图更稳。
- 构图给动作留空间。要拍"镜头推近"，主体别已经顶满画面；要拍"手从右侧伸进来拿起"，右侧就得留出一块空白。动作需要的空间，在首帧里就要预留好。
哪些图不适合拿来做图生视频？
电商主图、拼接图、多商品合集图、带重度文字的海报，都不建议直接做首帧。 对照下表快速判断：
| 图的类型 | 适不适合 | 主要问题 | 怎么处理 |
|---|---|---|---|
| 干净场景实拍图 | 适合 | — | 直接用 |
| 白底图 | 可以用，看动作 | 背景空，动起来单调 | 适合旋转、推近类动作；要生活感先换成场景图 |
| 带促销字的主图 | 不适合 | 文字变形、贴片乱飘 | 用去字前的原图 |
| 多宫格拼接图 | 不适合 | 模型会把格子当成一个画面 | 拆成单张，每张单独生成 |
| 多 SKU 合集图 | 慎用 | 商品之间互相"融合" | 一段视频只放一件主商品 |
| 模特半身被裁切 | 慎用 | 补出来的肢体不自然 | 选全身或构图完整的图 |
如果手头只有带字的主图，可以先用生图工具把背景和文字处理干净，再拿去做视频。换背景时注意别留接缝，否则视频一动接缝会更明显。
首帧图要按动作来准备吗？
要。先想好这 8 秒左右拍什么动作，再挑或做对应的首帧图。 几个常见动作和对首帧的要求：
- 镜头推近 / 拉远：主体居中，四周留白；推近的话主体占画面一半左右即可。
- 商品缓慢旋转：选商品正面或 45 度角，背景越简单越好，旋转时背后不会穿帮。
- 手部入画拿起 / 使用：手进入的那一侧留空，商品周围别堆道具。
- 液体倒入、冒热气、喷雾：容器口部清晰可见，上方留出空间给热气和液体。
- 模特转身 / 走动：模特全身入画，脚下有明确地面，身后背景简单。
这一步想清楚，后面提示词只需要描述动作本身，不用反复补救画面问题。
6 段可直接复制的图生视频提示词
以下提示词配合对应首帧图使用，把括号内换成你的商品即可。
1. 杯具 / 保温杯（首帧：木桌场景实拍，杯子居中）
镜头从中景缓慢推近到杯口，杯中热气自然向上升腾，左侧窗光柔和，杯身外形和颜色保持不变，背景不新增物品，画面稳定无抖动，无文字。
2. 护肤瓶 / 香水（首帧：浅色台面，瓶身 45 度）
瓶子在台面上缓慢顺时针旋转半圈，光线在瓶身表面平滑流动，标签图案保持清晰不变形，背景简洁，固定机位，无字幕。
3. 小家电（首帧：厨房台面，右侧留空）
一只手从画面右侧自然伸入，按下（产品）的开关按钮后收回，产品指示灯亮起，产品位置和外观不变，镜头固定，真实摄影质感。
4. 零食 / 饮品冲调（首帧：杯子俯拍 45 度，上方留白）
（饮品粉）从画面上方缓慢倒入杯中，与水融合形成漩涡，液面轻微晃动后平静，杯子不变形，柔和自然光，无文字。
5. 服装（首帧：模特全身，纯色背景）
模特原地缓慢转身一周，展示（连衣裙）正面、侧面和背面，裙摆随转身自然摆动，面部和服装款式保持一致，镜头固定，背景不变。
6. 家居摆件（首帧：客厅一角，主体占画面 1/3）
镜头沿水平方向缓慢平移，从左侧绿植过渡到（摆件），最后停在摆件正前方，午后暖光，画面稳定，不新增物品。
注意每段都写了"保持不变""不新增物品""无文字"这类约束——首帧图负责把商品交代清楚，这些约束负责让它在运动中别跑偏。
首帧图没问题，视频还是翻车怎么办？
先查提示词是不是一段里塞了太多动作，再查是否缺少"保持不变"类约束。 一段 8 秒左右的视频，放一个主动作更稳；如果还是变形，换一张角度更正、遮挡更少的首帧图重跑，往往比反复改提示词更快。更细的排查方法可以看 Veo 3.1 商品视频翻车排查。
常见问题 FAQ
Q：Veo 3.1 图生视频可以直接用淘宝主图吗？
A：不建议。主图上的促销字、角标在视频里很容易变形。用去字前的原图，或先把文字和贴片处理掉再上传，成片会稳定很多。
Q：白底图能做图生视频吗？
A：能。白底图适合做商品旋转、镜头推近这类展示动作；如果想要生活化场景，先把白底图换成场景图，再拿去生成视频。
Q：首帧图是横图还是竖图？
A：按最终投放画幅准备。发抖音、视频号就准备 9:16 竖图，详情页横版视频就用 16:9。首帧画幅和输出画幅一致，能减少裁切和补画。
Q：一张图能生成多段不同的视频吗？
A：可以。同一张首帧图配不同的动作提示词，就能得到推近、旋转、手部入画等多段素材，再剪成一条完整的带货视频。
Q：Veo 3.1 国内能用吗？怎么收费？
A：能。在 AI生成中文站可以中文在线使用 Veo 3.1，无需额外配置，按次计费，具体以工具页显示为准。
小结
Veo 3.1 图生视频的质量，首帧图占了很大比重：主体完整、背景简单、去掉文字、光线明确、按动作预留空间，这五件事做到，提示词才能发挥作用。想直接试，可以到 Veo 3.1 工具页 上传首帧图在线生成；想把多段素材串成一条完整带货视频，可以接着看 Veo 3.1 怎么做带货视频。