文生视频 vs 图生视频：该用哪一个？

两种模式的定义

文生视频接收一段文字描述，从零生成整段镜头——主体、构图、打光、运动全都由模型创造。你给的是文字，模型造的是画面。它是从想法到动态影像最快的路径，也是你手上完全没有素材时唯一的选择。

图生视频从你提供的一张静帧出发，为它添加动态。你的图就是锚点：模型在保留你交给它的观感的同时，加入相机运动和主体运动。因为首帧被固定，结果要可预测得多——当主体是真实产品、特定人脸，或必须被忠实还原的品牌 logo 时，这正是你想要的。

什么时候文生视频更合适

• 手上没有素材。 只有一个想法、一句台词、一种氛围，却没有可供动画的图。文生视频是唯一的起点。
• 求快、求量。 想快速拿到一个场景的十种变体来找方向。敲一段提示词，比先去拍摄或先生成一张静帧更快。
• 纯想象。 不可能的镜头、虚构的世界、从未发生过的运镜。没有需要忠于的原型，模型可以自由发挥。
• 早期探索。 你还没定这个镜头到底是什么。文生视频是敲定观感前的草稿本。

什么时候图生视频更合适

• 必须让真实的东西动起来。 产品图、人物头像、包装图、logo。图生视频让它保持可辨认；文生视频会把它重画成一个「差不多」的东西。
• 品牌还原。 精确的颜色、精确的字体、真实的产品型号。静帧锁住了身份，视频就不会跑偏离品牌。
• 跨镜头一致。 把同一张参考喂进每一段镜头，角色或产品就能在镜头之间保持外观。参见如何在 AI 视频里保持角色一致。
• 输出可预测。 当你已经知道想要哪一帧，让它动起来，好过押注一次可能失手的全新生成。

决策表：这活儿该用哪个

两条真正好用的工作流

先用文生探索，再用静帧锁定。 先在文生视频里找构图和氛围——便宜、快、用完即弃。一旦某一帧对了，就把它导出（或生成一张干净的静帧），切到图生视频去产出最终的动态成片。你既拿到了前期文字的自由，又拿到了末端固定帧的控制。

当主体已确定，直接从静帧起步。 如果任务是「让这只鞋动起来」或「让这张创始人头像开口说话」，就完全跳过文生视频。上传素材，再加上风格和运动的辅助参考，让图生视频把主体保持不脱形。这是产品、UGC 和品牌内容的可靠路线——和保持品牌形象一致背后的逻辑一致。

文生视频是一张用完就扔的草稿，图生视频是一帧你愿意定稿的画面。大多数真实项目，都是用前者找到后者。

ReelWand 的 Agent 如何兼顾两者

ReelWand 的视频 Agent 把两种模式放在同一处，区别只在于你是否附上一张参考。什么都不附，你就是在做文生视频；附上一张产品图、头像或 logo，Agent 就以你的素材为锚点跑图生视频。导演分镜工作室 内置一套固定的风格 DNA——有动机的打光、胶片调色、有动机的运镜——在服务端拼进每一次请求，因此探索和终稿共享同一套观感。

真正的回报在于迭代。会话记忆意味着你的下一句提示是在上一帧成片的基础上打磨，而不是从零开始——微调相机、调整调色、保持主体——于是文生视频的草稿和它的图生视频定稿活在同一条线程上。这正是一次真实剪辑能在几十次尝试里保持连贯的方式。