多张参考图生成视频:锁定人物和产品,让同一个角色出现在每条视频里

更新于 2026-10-27

用一张图生视频,第一帧就是这张图,后面怎么演由模型决定。可要是想让同一个人物出现在好几条不同场景的视频里,或者想让模特拿着你的产品,一张图就不够了:人物、产品、场景得分别告诉模型。

这就是「参考图」模式:上传几张图,在提示词里说清楚每张图负责什么,模型按这些参考生成一条新视频,但不要求视频从哪张图开始。这篇以 VGEN 上的 MiniMax H3 为例,讲清楚它和首尾帧有什么不同、参考图怎么准备、提示词怎么写。

参考图和首尾帧有什么区别

• 首尾帧:规定视频从哪张图开始、到哪张图结束,画面基本就是这两张图之间的过渡。适合产品开箱、换装、前后对比,见 首尾帧生成视频教程。
• 参考图:不规定第一帧,只借用图里的人物长相、服装、产品外观、场景或风格,画面、动作和镜头由提示词决定。适合同一个角色出好几条视频、模特和产品同框、把一个角色放进新场景。

一句话:要控制画面「从哪开始、落在哪」用首尾帧;要控制「出现的是谁、是什么」用参考图。

能放哪些参考

• 图片:最多 6 张,每张不超过 20MB。人物、产品、场景、风格都可以。
• 视频:最多 1 段,可以拿来参考动作、节奏或运镜。
• 音频:最多 3 段,可以拿来参考声音。
• 图片、视频、音频合计最多 6 个,至少要有一张图或一段视频。

参考图按上传顺序编号:第一张是「图片 1」,第二张是「图片 2」……提示词里就用这个编号指代它。

参考图怎么准备

• 一张图只管一件事:人物用一张清楚的正脸或半身照,产品用一张白底或干净背景的产品图,场景再单独一张。一张图里东西太多,模型不知道该借哪部分。
• 人物要清楚:脸不要太小、不要被挡住、不要戴墨镜。同一个人可以放两张不同角度的照片,更容易认准。
• 产品要能看清细节:包装上的 logo 和文字越清楚,越容易保住;很小的字还是可能变形,重要的字后期再贴。
• 先用 AI 生图做参考图:没有合适的照片,可以先用 AI 生图做一张人物设定图、一张产品图,再拿来当参考。

提示词:先说每张图管什么,再写发生什么

参考图模式最常见的问题是:传了好几张图,提示词里却没说每张图是干什么的,模型只能自己猜,结果人物混在一起,或者把参考图的背景也搬了进来。提示词按这个顺序写:

1. 每张参考负责什么:「图片 1 是女主角,用她的脸和发型;图片 2 是产品,用它的瓶子外观和颜色。」
2. 不要什么:「只用图片 1 的人物,不用它的背景和姿势。」写清楚排除项,比只写要什么更管用。
3. 发生什么:场景、动作、镜头,和普通文生视频一样写。
4. 声音:MiniMax H3 会一起生成声音,写具体的声音来源;有参考音频的话写「音频 1 作为背景音乐」。

提示词写得简单也没关系,写完点「优化提示词」,它会看着你的参考图,把每张图的作用和镜头整理成完整的提示词(基础 0.5 积分,每多一张图加 0.1 积分),再按自己的意思改。

图片 1 是女主角:用她的脸、短发和米色毛衣,不用她照片里的背景;图片 2 是产品:一瓶浅绿色玻璃瓶的护手霜,保持瓶身形状和颜色。场景:清晨窗边的木桌,阳光斜照。动作:她坐在桌前,拿起图片 2 的护手霜挤出一点,双手轻轻揉开,抬头对镜头微笑。镜头:固定机位中景,最后缓慢推近到桌上的产品。声音:安静的室内,窗外隐约鸟叫,瓶盖打开的轻响。

更多用法

• 同一个角色出系列视频:每条都用同一张人物参考图,只换提示词里的场景和动作,适合连续剧情、系列短视频。
• 模特 + 产品:一张模特、一张产品,写清楚人物怎么拿、怎么用产品,做带货短视频。
• 换场景:人物一张、场景一张,「把图片 1 的人物放进图片 2 的咖啡馆里」。
• 参考动作:人物一张图,再加一段参考视频,「图片 1 的人物做视频 1 里的动作」。

在 VGEN 上怎么操作

1. 打开 开始创作,切到「生视频」,模型选 MiniMax H3。
2. 参考图区域上方切到「参考图」(MiniMax H3 默认是「首尾帧」)。
3. 按顺序上传参考图,第一张就是「图片 1」。也可以把右边已经生成好的图片点「+」加进来。
4. 写提示词:每张图管什么 + 不要什么 + 发生什么 + 声音。不确定怎么写,先写一句,再点「优化提示词」。
5. 选比例(16:9、9:16、4:3、3:4)、清晰度和时长(3–15 秒)。第一次建议 5 秒、720p,便宜也快。
6. 生成。人物不像就先换一张更清楚的参考图;动作不对就改提示词,一次只改一处。

怎么收费

和普通生视频一样按秒计费,参考图放几张都不额外收费。价格在生成按钮上直接显示,约 1 元 = 10 积分(积分商店 10 元 90 积分、100 元 1000 积分),生成失败自动退还积分。

• 480p:每秒 1 积分,5 秒 5 积分。
• 720p:2 积分 + 每秒 1.5 积分,5 秒 9.5 积分(约 1 元),10 秒 17 积分。
• 1080p:5 积分 + 每秒 3 积分,5 秒 20 积分。

新用户注册送 10 积分,每天签到再送 3 积分,够先试一条 720p。

常见问题

• 人物不像参考图?换一张脸更大、更清楚的参考图,提示词里写明「用图片 1 的脸和发型」;动作幅度大、人物离镜头远时也容易不像,先用中景、近景试。
• 两个参考的东西混在一起了?提示词里给每张图分好工,写清楚排除项,比如「图片 2 只用产品外观,不用里面的手」。
• 参考图的背景也出现在视频里?写「不用图片 1 的背景」,或者把人物抠成干净背景再传。
• 想让视频第一帧就是某张图?那应该用首尾帧,参考图模式不保证第一帧和哪张图一样。
• 参考图能放别人的照片、明星或别家品牌吗?别人的肖像和作品要有授权,详见 服务条款。

延伸阅读

要控制视频从哪开始、落在哪,看 首尾帧生成视频教程。

只有一张图、想让它动起来,看 AI 图片生成视频教程。

先做一张干净的产品图当参考,看 AI 电商产品图。

提示词想写得更好,看 MiniMax H3 使用手册。

开始创作 →