快捷提示词
视频预览
准备生成
Vogoo AI 是一个图生视频生成器，把一张静态照片变成一段 MP4 短片。上传图片，写清你想要的运动，然后从十家实验室的 24 个图生视频模型里挑一个——最高 4K、最长 20 秒，其中大多数会在同一次渲染里生成原生音频。
图生视频是把一张静态图片变成一段会动的短片的过程，由 AI 模型推断出原始画面里从未拍到的镜头运动、主体动作与光线变化。和从文字凭空生成场景的文生视频不同，图生视频从你已经拥有的照片出发，所以构图、色彩和主体在渲染第一帧之前就已经确定。
Vogoo AI 把图生视频做成浏览器里的在线生成器。上传一张不超过 5 MB 的 JPG、PNG 或 WebP，写一句描述该动什么的提示词，选一个模型，然后下载成片 MP4。不用安装任何东西；如果第一次出片不是你想要的效果，同一张图可以直接送进货架上另外 23 个图生视频模型中的任意一个。
一次上传、24 个图生视频模型、原生音频、最高 4K——决定一张静图能不能变成一条能用的片子的四件事。
大多数工具只有一个引擎，也就只有一种对你照片的理解。这个 AI 图生视频生成器把同一张上传图送到十家实验室的 24 个图生视频模型：字节跳动 Seedance、快手可灵、谷歌 Veo 3.1 与 Gemini Omni Flash、Runway Gen-4、MiniMax 海螺、LTX、Black Forest Labs FLUX 3、xAI Grok Imagine 以及通义 Wan。某个模型看错了你的画面，换个下拉选项重跑就行——不用再订阅一家，也不用把图重新传到别处。
图生视频模型有没有用，取决于你上传的那张脸、那件产品、那个 logo 能不能活着走完整个渲染。这里每个模型都直接以你上传的原图为条件，而不是以对它的一段文字概括为条件，所以主体、构图和色调会延续到片子里。不同模型之间的表现仍会有差异——这正是"货架"的价值：某一次渲染偏离了参考图，就把同一张图换个图生视频模型再跑一遍，两条并排比。
24 个图生视频模型里有 17 个会把声音和画面一起渲染出来，而不是把配音这件事丢回给你。环境声、脚步声、房间底噪和动作音效都在同一个 MP4 里，由同一句提示词生成。如果你更习惯把片子拖进剪辑时间线、用自己的配乐，生成前把音频关掉即可。
短视频平台要的是竖版片段，产品页和提案要的是分辨率。LTX 2.5 Fast 与两档 LTX 2.3 都能以 4K 输出图生视频，货架上其余模型覆盖 720p 和 1080p。片长从 Wan 2.7 的 2 秒起，到 LTX 2.5 Fast 和 FLUX 3 的 20 秒，所以同一张上传图既可以做成一个快速循环，也可以撑起一个完整的分镜段落。
每个模型处理的都是同一张上传图，但在最高分辨率、片长、声音和价格上各不相同。这张表是这组取舍的精简版。
| 模型 | 实验室 | 最高分辨率 | 片长 | 原生音频 | 起步积分 |
|---|---|---|---|---|---|
| Seedance 1.5 Pro | 字节跳动 | 1080p | 4–12 秒 | 是 | 20 |
| Runway Gen-4 | Runway | 1080p | 5–10 秒 | 否 | 20 |
| LTX 2.3 Fast | LTX | 4K | 6–20 秒 | 是 | 48 |
| Kling 3.0 | 快手可灵 | 1080p | 5–10 秒 | 是 | 60 |
| Seedance 2.0 | 字节跳动 | 1080p | 4–15 秒 | 是 | 68 |
| FLUX 3 | Black Forest Labs | 1080p | 5–20 秒 | 是 | 300 |
这里列出的是 24 个图生视频模型中的 6 个，完整货架在上方的模型下拉里。积分成本是起步价——更长的片子和更高的分辨率会更贵，确切数字会在你花钱之前显示出来。
卖家、经纪、创作者、视频从业者、家庭和教学团队，来的时候情况都一样：手上有现成的照片，却没有配套的视频。
带动效的商品页转化更好，但拍一条视频意味着一间影棚和你腾不出来的一整天。卖家用图生视频让现成的产品图转起来、反光——动的是画面里本来就有的东西，而不是凭空发明一个原本不存在的包装。
每套房源，经纪手里本来就有一整个文件夹的室内静图。图生视频生成器把每张图变成缓慢推进房间的镜头，用在社媒或本地广告里——并注明是 AI 生成，不要冒充实拍看房视频。
抖音、Reels 和 Shorts 奖励的是产出频率，而一张静止的图会在第一秒就流失观众。创作者把封面图、截图或主视觉动成 9:16 带声音的片段，于是一张图变成了一条内容，而不是一个占位符。
拍摄结束才发现缺一个建立镜头，但那个场景的静态照片是好的。用图生视频把这一帧变成两秒可用的 B-roll，比重新组一次拍摄现实得多。
扫描下来的家庭老照片，是很多人第一次来试图生视频的理由。一次轻微的视差推镜、或者几十年前那张肖像上一点点动作，就足以让它在手机上值得被看完，而原始扫描件在你硬盘里分毫未动。
素材库里几乎从来没有campaign或课程真正需要的那个物件、那张图表、那个瞬间。先做静图再把它动起来，得到的片子展示的正是要讲的那件事，而且信息一变就能马上重渲一版。
上传静图，描述运动并选模型，然后生成并下载 MP4。不用剪辑时间线，不用安装，也不用在自己机器上排渲染队列。
第 01
拖入一张不超过 5 MB、1000 万像素以内的 JPG、PNG 或 WebP。你上传的这张图就是图生视频模型的参考依据，所以尽量用手上最清晰的版本。
第 02
写清该动什么——镜头推进、转头、蒸汽升腾——然后从 24 个图生视频模型里选一个，设定片长和画幅比例，并决定开不开原生音频。
第 03
跑渲染，在预览里看这一条，然后下载 MP4。如果动起来的样子和你想的不一样，把同一张图送进另一个模型，两条对比着看。
生成器接受什么、产出什么、花多少钱——上传之前值得先知道的那几个数字。
| 规格项 | 数值 |
|---|---|
| 输入格式 | JPG、PNG、WebP |
| 单张上传上限 | 5 MB |
| 输入分辨率上限 | 1000 万像素 |
| 输出分辨率 | 720p、1080p，LTX 档可到 4K |
| 片长 | 2 到 20 秒，取决于模型 |
| 图生视频模型数 | 24 个，来自十家实验室 |
| 支持原生音频的模型 | 24 个中的 17 个 |
| 起步成本 | 每条 20 积分 |
| 每日免费视频 | 首页每天 1 条，带水印 |
每位访客每天都能在 Vogoo AI 首页免费生成 1 条 AI 视频——上传照片、写提示词即可，不需要账号也不需要信用卡，但那是带水印的游客预览。在本页生成会消耗积分并需要一个免费账号，下载无水印，新账号赠送 15 积分。
成本、免费额度、水印、片长、上传限制、与原图的相似度、商用授权以及声音。
没有唯一的最优模型，这也正是 Vogoo AI 把 24 个模型放在同一次上传背后的原因。Seedance 1.5 Pro 和 Runway Gen-4 以 20 积分成为试想法最便宜的路径，需要 4K 时找 LTX 档，人物动作交给 Kling 3.0 和 Seedance 2.0，FLUX 3 能拉到 20 秒。把同一张图跑两三个模型，留下最好的那条。
每位访客每天都能在 Vogoo AI 首页免费生成 1 条 AI 视频：上传照片、写提示词、生成，不需要账号也不需要信用卡，但那条是带水印的游客预览。在本页生成消耗积分、下载无水印，新账号赠送 15 积分、有效期 30 天，图生视频每条从 20 积分起。
上传一张不超过 5 MB 的 JPG、PNG 或 WebP，用一句提示词描述你想要的运动，选一个图生视频模型，设好片长和画幅比例，然后生成并下载 MP4。整个流程都在浏览器里完成，视所选模型不同大约需要 30 秒到 8 分钟。
你上传的静图直接作为渲染条件，所以主体、构图和色彩会延续到片子里。但还原度在不同模型、不同次渲染之间确实会有差异，尤其是人脸、手部、细小文字和 logo。如果某次渲染偏离了参考图，与其改提示词，不如把同一张图换一个图生视频模型再跑——不同模型出问题的地方不一样。
用账号在本页生成的片子以干净的 MP4 下载，画面里没有烧录水印。首页那条每日免费视频是游客预览，带水印；登录并用积分生成才能拿到干净成片。
2 到 20 秒，取决于模型。Wan 2.7 从 2 秒起，货架上大多数模型落在 4 到 15 秒区间，LTX 2.5 Fast 和 FLUX 3 都能到 20 秒。还需要更长的话，先在这里生成，再用视频延长把运动接下去。
Vogoo AI 不主张对你生成的内容拥有所有权，但每个底层模型都有各自的服务商条款，各家并不相同。把片子投进付费投放之前，请先查你所用那个模型的授权条款；同时只上传你有权使用的图片。
不需要。Vogoo AI 图生视频生成器在桌面和手机浏览器里直接运行，没有下载、没有插件，也不要求本地显卡——渲染在模型服务商侧完成，成片 MP4 会回传到页面上。
