一张商品图生成 5 秒主图视频：可灵实测 5 条，2 条能直接用，3 条出了问题

淘宝、京东等平台的商品页第一屏可以放主图视频。拍视频比拍照片麻烦得多：要布景、打光、运镜、剪辑。这篇用可灵的图生视频，把前几篇做好的商品图直接变成 5 秒视频，实测了 5 条，看哪些能直接用、哪些会出问题。

能直接用的一条：厨房场景图，镜头慢慢推近，杯子的形状和标志都没变

可灵视频生成界面：上传一张商品图当首帧，写一段描述，选 720p、5 秒

说明：5 张输入图都来自本系列前几篇（商品是 AI 生成的演示素材），视频是可灵生成的。本文用的是普通账号（非会员），可灵的注册和基本用法见《可灵 AI 上手》。

你需要准备

• 一张做好的商品图，最好是场景图（下面会讲为什么白底图不合适）；
• 可灵账号，网页 klingai.com 或手机 App，普通账号就行；
• 每条 30 灵感值，加上排队，留出一个小时。

花费和等待

• 设置：视频 3.0，720p，5 秒，关掉「音画同步」（主图视频一般静音播放，带声音的要贵一半）。每条 30 灵感值，5 条一共 150；
• 非会员同时只能生成 1 条：提交第二条时会弹出开通会员的窗口，关掉即可，等前一条生成完再提交；
• 等待时间：页面上写的是「预计等待 33 分钟」，我们这次后 4 条都在提交后 10 分钟内生成完；第 1 条隔了半个多小时才刷新看到，实际用了多久不确定。生成完页面不会自动刷新，要手动刷新才看得到结果；
• 刷新后设置会被重置成 1080p + 音画同步（60 灵感值），每次提交前看一眼右下角的价格是不是 30。

结论先看

规律很清楚：让镜头动、让商品不动，最稳；让商品自己动（转身），AI 就要「脑补」没拍到的部分，容易编出东西。

1. 场景图 + 推镜头：最稳

输入是《商品换背景》做的厨房场景图，描述：

镜头缓慢向前推进，靠近大理石台面上的墨绿色保温杯，背景的厨房渐渐虚化，自然光。保温杯保持静止，形状和颜色不变，画面中不要出现任何文字。

原图和视频里 4 个时间点的画面：镜头平稳推近

镜头平稳推近，杯身颜色、杯底的小圆标、背景的水果和绿植都没走样，可以直接当主图视频用。推、拉、平移这类运镜的效果对比，见《可灵运镜词典》。

2. 白底图 + 转一圈：AI 会编出背面

输入是《批量做商品白底图》的白底图，描述：

墨绿色保温杯在纯白背景上原地缓慢旋转一圈，展示杯身的各个角度，摄影棚柔光，背景始终是纯白色，画面中不要出现任何文字。

原图和视频里 4 个时间点：杯子确实转起来了

视频 2：白底图转一圈

杯子确实转了，但放大看杯身下方：

左：原图正面只有一个小圆标；中、右：转到背面时，杯身上多出一行编造的英文字母，形状还在变

我们只给了正面一张图，背面长什么样 AI 不知道，只能编。它编了一行像品牌名的字母（描述里写了「不要出现任何文字」也没用）。这有两个问题：

• 买家看到的背面和实物不一样；
• 编出来的字母可能碰巧和某个真实品牌相同或相似，有商标风险。

想做 360° 展示，老老实实拍几个角度；或者只让镜头在正面小幅度环绕，别转到背面。

3. 带文字的主图：字没变，颜色变了

输入是《电商主图从拍摄到上架》做好的带卖点文字的主图，描述：

镜头缓慢向前推进，保温杯保持静止，背景有轻微的光影变化。画面上的所有中文文字保持清晰、位置和内容不变。

原图和视频里 4 个时间点：文字全程清晰不变

视频 3：带卖点文字的主图

用 OCR 逐帧读文字，「墨绿316保温杯」「新品」「316不锈钢」「保温12小时」「杯盖可饮用」每一帧都读对，文字一点没糊。

但杯子本身出了问题：大约 1 秒以后，杯身从深墨绿变成了明显更浅的中绿色。量了杯身中间一块的平均颜色，前两帧约 RGB (20, 30, 27)，和原图一样；后面四帧变成约 (44, 59, 48)，亮了一倍多。

左：第 1 帧，深墨绿；右：最后一帧，变成中绿色

卖的是墨绿色，视频里却是中绿色，这就是「色差」。所以：

• 文字最好后期加，不要让 AI 带着文字生成：主图视频上的卖点字，用剪映这类剪辑软件叠在视频上，既准确又不会让 AI 分心；
• 每条视频都要看完整段，不能只看第一帧和缩略图。

4 和 5. 外卖热气：第一次有东西乱入

输入是《外卖和零食图怎么修得更有食欲》调完色的牛肉面。第一次的描述：

热汤面上升起袅袅白色热气，热气缓缓飘动。镜头固定不动，面条、牛肉、青菜、葱花和外卖碗都保持静止不变，画面中不要出现任何文字。

开头正常；1.8 秒时，右边飞进来一张写着字的白纸；结尾热气很淡

视频 4：一张纸片闯进画面

1.8 秒左右，一张写着字的白纸从右边飞进画面又消失了，热气反而几乎看不见。

改写描述，把「不要有什么」也写清楚：

一碗刚出锅的热汤牛肉面，汤面上持续冒出明显的白色热气，热气向上升起并慢慢飘散。固定机位，画面里只有这碗面和桌面，没有手，没有纸，没有其他物体进入画面，碗里的食物保持不动。

左：开头；右：2.2 秒，碗上方、深色的键盘前面有一团热气

视频 5：改写描述后

这次没有乱入，面、牛肉、青菜都没动，热气能看出来，但不算明显：白色的热气只有在深色背景前才看得清（这张图里是键盘和显示器），白墙、白桌面前面基本看不出来。想要热气明显，拍的时候碗后面放深色的东西。

主图视频的规格

我们没有找到淘宝官方的公开规格页，网上整理的说法也不一致（时长从 5 秒起到建议 9～30 秒都有）。比较一致的几点：

• 比例：1:1 或 3:4。可灵图生视频的比例跟着输入图走，我们输入的是 1:1 的图，出来的视频是 960×960；
• 不能有第三方平台的标识、二维码、联系方式。

以上请以千牛后台上传时的提示为准。

注意水印：可灵非会员生成的视频，左上角有「AI生成」标识，右下角有「可灵AI 3.0」水印。「AI生成」标识按《人工智能生成合成内容标识办法》（2025 年 9 月 1 日起施行）是要保留的，不要去掉；「可灵AI」水印属于其他平台的标识，用作主图视频前，先确认电商平台允不允许；能不能去掉可灵水印、需要什么会员，以可灵官网的会员说明为准（我们用的是免费账号，没有测）。

怎么用才稳

1. 用场景图，不用白底图：场景图里有桌面、背景，AI 只需要让镜头动，不用编新东西；
2. 让镜头动，别让商品动：推、拉、平移都稳；「转一圈」「打开盖子」这类动作，AI 要编没见过的部分；
3. 描述里写清楚不要什么：「没有手、没有纸、没有其他物体进入画面」，第 4、5 条对比就是例子；
4. 文字后期加：别让 AI 带着文字生成；
5. 每条看完整段：颜色、形状、乱入的东西，常常出现在中间某一秒。拖着进度条一段一段看，我们每条抽了 4～10 帧逐一对比。

拿它挣钱：给网店做主图视频

• 谁需要：没有拍视频条件的小网店，上新时一个商品配一条 5 秒主图视频；
• 怎么做：用已经做好的场景图，每个商品出 2～3 条不同运镜，挑一条最稳的，卖点文字后期叠上去；
• 怎么报价：去闲鱼、淘宝搜「主图视频制作」，看同行按条怎么收。灵感值的花费和排队时间要算进去；
• 交付前看完整段：颜色、形状、文字、有没有东西乱入。

合规提醒：主图视频展示的必须是真实商品。AI 编出来的背面、变了的颜色都属于和实物不符；视频里保留「AI生成」标识，商品详情里不要把 AI 生成的视频说成实拍。

常见问题

5 秒够吗？

5 秒够做一个镜头。想要更长，可以对同一个商品生成几条不同的镜头（比如推近、横移各一条），再拼成一条。可灵的时长滑块可以拉到 15 秒，价格会跟着变，这篇没有测。

为什么不用 1080p？

非会员只有 3 次 1080p 体验，之后是会员功能。主图视频在手机上播放，720p 已经够清楚。

用到的工具

接下来

• 推、拉、平移效果对比：《可灵运镜词典》
• 带货短视频脚本怎么写：《15 秒带货短视频脚本怎么写》