豆包修图做视频指令怎么写 图片变短视频提示词示例

写“豆包修图做视频指令”时，不要只说“让图片动起来”，而要把主体、修图要求、镜头运动、动作幅度、时长、画面比例、风格、禁止变化写清楚。图片变短视频的关键不是提示词越长越好，而是先把图修到干净稳定，再用视频指令控制“哪里动、怎么动、哪些不能动”。如果你想用一张人像、产品图、风景图生成几秒短视频，可以按下面的方法直接改写。

一、先判断：你真正需要的是“修图”还是“图生视频”

很多人搜索“豆包修图做视频指令”，其实有两种需求：一种是先把图片变好看，比如去杂物、换背景、补光、统一风格；另一种是把静态图片做成动态短视频，比如人物眨眼、衣服轻微摆动、镜头推进、海浪流动。两者的提示词写法不同，顺序也不同。

• 只想让图片更好看：重点写修图指令，例如“保留人物五官和服装，去除背景杂物，提升自然光感，保持真实照片质感”。
• 想把图片变成视频：重点写镜头和运动，例如“镜头缓慢推进，人物轻微微笑，发丝随风轻动，背景保持稳定”。
• 想做商品短视频：重点写产品不变形、质感增强、镜头轨迹，例如“产品保持原比例，镜头环绕15度，金属反光自然”。
• 想做口播或剧情：单张图通常不适合复杂动作，建议换成多张关键帧或用专门的视频生成工具。

如果豆包当前入口只支持修图，不支持直接生成视频，可以先用豆包把图片修好，再把成图导入支持“图生视频”的 AI 视频工具。这样比直接拿原图生成视频更稳定，也更容易避免脸崩、手变形、产品变形等问题。

二、豆包修图做视频指令的通用公式

一条好用的指令可以拆成六部分：保留内容 + 修图要求 + 动态主体 + 镜头运动 + 风格参数 + 负面限制。不需要每次都写得很复杂，但关键约束要明确。

通用模板

请基于这张图片生成短视频：保留【主体身份/产品外观/场景结构】不变，先优化【光线、色彩、清晰度、背景】，视频中【主体动作】，【环境动态】，【镜头运动】，整体风格为【真实/电影感/清新/国风/赛博等】，画面比例【9:16/16:9/1:1】，时长约【3-5秒】。不要改变【五官、服装、文字、商标、产品结构】，不要出现【畸变、多人、额外物体、闪烁、过度变形】。

简短版模板

保留原图人物和服装不变，修复画面杂物并提升自然光感，生成3秒竖屏短视频。镜头缓慢推进，人物轻微眨眼和微笑，发丝轻轻飘动，背景稳定，真实照片质感。不要改变五官，不要增加新人物，不要让手和脸变形。

写指令时，最容易出错的是“动作太大”。单张图片变视频更适合轻动作，例如眨眼、微笑、衣摆轻动、树叶摇动、云层流动、镜头推进。像转身、奔跑、跳舞、拿起物品这类动作，AI 需要推测大量看不见的身体结构，失败概率会更高。

三、图片变短视频提示词示例：按场景直接套用

1. 人像写真变动态视频

保留原图人物五官、发型、服装和姿势不变，修复皮肤小瑕疵但保留真实肤质，提升柔和自然光。生成4秒竖屏短视频，镜头缓慢向前推进，人物轻微眨眼并露出自然微笑，发丝被微风轻轻吹动，背景虚化稳定，电影感人像风格。不要改变脸型，不要磨皮过度，不要增加其他人物，不要出现眼睛闪烁或手部变形。

2. 商品图变电商短视频

保留产品外观、比例、颜色、商标和包装文字不变，清理背景杂物，增强产品边缘清晰度和材质光泽。生成5秒短视频，镜头从正面缓慢推进并轻微左右平移，产品保持居中，背景有柔和光影变化，质感高级、干净、适合电商展示。不要改动文字，不要改变产品结构，不要生成多余配件，不要让包装变形。

3. 美食图片变诱人短视频

保留原图食物造型和餐具不变，增强食物色泽和热气氛围，画面保持真实自然。生成4秒横屏短视频，镜头缓慢靠近，食物表面有轻微热气上升，酱汁和油光自然闪动，背景轻微虚化。不要改变食物种类，不要让餐具移动，不要出现夸张液体飞溅，不要使画面过度饱和。

4. 风景照片变氛围短片

保留原图山水、建筑和构图不变，优化天空层次和整体色彩，生成5秒短视频。云层缓慢移动，水面轻微波纹，树叶随风轻摆，镜头缓慢向前推进，整体风格宁静、自然、电影感。不要改变建筑形状，不要增加人群，不要让天空闪烁，不要出现不真实的大幅变形。

5. 老照片修复后做回忆视频

先修复老照片划痕和模糊区域，保留人物五官、服装年代感和原始构图，色彩自然不过度鲜艳。生成3秒短视频，镜头轻微推进，人物保持原姿势，加入非常轻微的眨眼或表情变化，背景稳定，有温暖怀旧氛围。不要改变人物身份，不要现代化服装，不要过度锐化，不要让脸部漂移。

四、实际操作步骤：先修图，再做视频更稳

1. 选图：优先选择主体清晰、光线正常、遮挡少的图片。人物半身照、产品正面图、风景广角图通常更适合。
2. 先写修图指令：让豆包完成去杂物、补光、调色、背景优化。此时不要急着加入复杂动态。
3. 检查成图：重点看脸、手、文字、商标、产品边缘。如果修图阶段已经变形，后面做视频会放大问题。
4. 再写视频指令：加入镜头运动和轻动态，尽量一次只控制两三类运动，比如“镜头推进 + 发丝轻动 + 背景稳定”。
5. 生成后复盘：如果画面闪烁，减少环境动态；如果脸崩，强调“保持五官不变”；如果产品变形，强调“产品结构、文字、比例完全不变”。

做短视频时，比例也要提前写。发抖音、视频号、小红书笔记封面类内容，通常用9:16竖屏更方便；做网站横幅、B站横屏素材、产品展示页，可以用16:9；头像动效或表情包可以考虑1:1。

五、常见错误和避坑建议

• 错误一：指令太泛。“帮我做成高级视频”很难控制结果，建议换成“镜头缓慢推进、背景光影轻微变化、主体不变形”。
• 错误二：要求动作过多。同一条指令里写转身、挥手、走路、说话，容易导致肢体错乱。单图视频先从轻动作开始。
• 错误三：没有负面限制。人像要写“不改变五官、不要增加人物”；商品要写“不改变文字、商标和结构”；风景要写“不要新增建筑和人群”。
• 错误四：用低清图硬做视频。原图模糊、压缩严重、主体太小，会影响细节稳定性。建议先放大修复或换更清晰的图。
• 错误五：忽略版权和肖像授权。商用视频不要随意使用他人照片、明星脸、品牌商标素材，发布前建议确认授权范围。

如果多次生成都不理想，可以把需求拆开：先让豆包只修背景，再单独修人物，最后导入图生视频工具。对于复杂剧情、多人互动、口型同步、长镜头运动，单张图片加提示词往往不够，使用多关键帧、视频剪辑软件或专业 AI 视频平台会更合适。

六、不同目标的指令写法选择

如果你做的是个人头像、写真、探店封面，优先选择“真实人像 + 轻动作 + 竖屏”；如果做的是电商产品，优先选择“产品不变形 + 镜头运动 + 干净背景”；如果做的是风景或旅游内容，优先选择“环境自然动态 + 电影感调色”；如果做的是品牌广告，建议准备多张角度图，并把商标、包装文字、材质反光写进限制条件。

判断一条豆包修图做视频指令是否合格，可以看三点：第一，主体有没有明确要求保留；第二，动态是不是具体且幅度可控；第三，有没有写清楚不能改变的内容。只要这三点写清楚，图片变短视频的稳定性通常会明显好于只输入一句“让它动起来”。

实操时可以先从一个简单版本开始：保留主体不变，优化画面，生成3到5秒短视频，镜头缓慢推进，只有一个主要动态，再加上负面限制。效果接近预期后，再逐步增加风格、光影和环境细节。这样更容易找到适合自己图片的提示词，而不是在复杂指令里反复试错。