把一张产品图交给视频模型，最容易获得的是运动；最难保住的，反而是产品本身。
充电盒旋转半圈以后，接口从左侧漂到右侧；瓶身经过一次转场，标签的字形开始重写；一台带精密结构的设备在首帧完全正确，到中段却多出一颗按键。画面可能依然流畅，甚至很“高级”，但对品牌来说已经不是同一件商品。
所以，AI 产品图转视频的第一项工作不该是写提示词，而是给产品做一份可检查的“身份护照”。它要回答：哪些特征绝对不能变，哪些视觉变量允许模型发挥，出现哪一种错误时应该继续生成，哪一种错误出现后应立即改走实拍、三维或合成。
这是一项制作管理问题，不是单纯的模型能力问题。
参考图是输入，不是验收标准
截至 2026 年 10 月核验，Adobe Firefly 的官方帮助文档说明，用户可以上传首帧和尾帧作为视频生成的视觉引导；Google Flow 的官方帮助则提供首尾帧与视觉参考素材，并明确不同模型、地区和功能组合的可用范围不同。这些说明证明“参考素材进入生成流程”已经成为常见功能，却没有承诺生成过程中的包装文字、接口数量、材质反射和几何比例会始终准确。
前沿研究也把“主体一致性”单独拿出来评估。例如 NeurIPS 2025 的 OpenS2V-Nexus 提出细粒度的主体一致性基准，用自然度、身份保持与文本相关性等维度比较 subject-to-video 模型。它的意义不是告诉品牌哪一个模型永远最好，而是提醒制作团队：一条视频看起来顺畅，与主体身份在运动中保持正确，是两个不同的验收问题。
ONCE 的判断是：参考图只能说明“希望模型从哪里出发”；品牌还需要另写一份“什么不能被改写”的规格。我们把它拆成“身份护照—镜头风险路由—首中尾帧闸门—失败镜头分流”四层。没有这一步，生成失败时大家只会不断换提示词，却不知道错误属于创意偏差、镜头控制问题，还是已经伤害产品事实。
先建立产品身份护照
“身份护照”不是一张漂亮的主视觉，而是一套可比较的正式参照。它至少要覆盖五类信息：
- 轮廓与比例：长宽高关系、转角、开孔、折叠线和部件数量。
- 识别信息：Logo 位置、包装文字、型号、认证标识及其正确方向。
- 接口与功能件：按钮、端口、镜头、屏幕、铰链和可活动部件的真实位置。
- 颜色与材质：品牌色参考、表面光泽、透明度、纹理尺度和允许的曝光变化。
- 动作边界：哪些部件真的会转动、弹出、折叠或亮起，哪些动作只是创意想象。
参考素材应覆盖容易被遮挡或误判的角度。主视角可以解释整体形态，正面、背面、侧面和细节图负责补足结构；包装平面稿、品牌色值和正式三维文件则用于核对文字、图形和比例。并不存在适合所有产品的固定张数：耳机充电盒与多接口工业设备需要的视图并不相同。判断标准只有一个——审核者能否仅凭这套资料指出“哪里错了”。
这里还要把硬约束和软变量分开。硬约束是产品几何、文字、接口、颜色和真实功能；软变量可以是环境、镜头路径、光线气氛、粒子、速度与转场。模型的创造力应该主要发生在软变量里，而不是用来重新设计客户已经量产的产品。
一张分镜表，要先做三种风险路由
品牌不必在“全部生成”与“全部实拍”之间二选一。更稳妥的做法，是逐镜判断画面承担什么责任。
| 镜头承担的任务 | 更合适的生产方式 | 主要验收对象 |
|---|---|---|
| 氛围、抽象转场、大环境、不可达空间 | 可优先测试生成 | 世界观、运动、构图、情绪 |
| 产品在复杂环境中的英雄镜头 | 实拍或三维产品底片 + 生成环境 + 合成 | 轮廓、接触关系、反射、透视 |
| 包装文字、接口特写、功能演示、法定声明 | 实拍或受控三维优先 | 文字、结构、真实动作、可核查事实 |
这张表背后的原则是“产品真相密度”。观众越可能凭某个画面判断实际商品，那一镜对随机变化的容忍度就越低。远景里的产品轮廓可以允许轻微的光线变化；电商详情页里展示端口和开合方式的特写，则几乎没有身份漂移的空间。
ONCE 的 AIGC 广告片方案 采用的也是逐镜分工：想象空间与环境延展可以交给生成，承担外观、材质、功能和人物身份的部分，要用实拍、正式资产或可控合成守住。这里的案例与服务说明用于展示生产选择，不是对任何模型效果或商业转化的保证。
不要只看首帧：把首、中、尾变成三个闸门
首尾帧功能容易让团队产生一种错觉：只要起点和终点正确，中间就会自然成立。实际验收恰恰应该把中间帧单独抽出来，因为许多身份漂移发生在遮挡、旋转、形变和镜头运动最强的瞬间。
每条候选镜头至少做三次静态对照：
- 首帧：产品是否从正确的版本和角度开始，文字与结构是否已被改写。
- 中间帧：运动最复杂时，轮廓、部件数量、接口、标签和接触点是否仍然成立。
- 尾帧：完成动作后，产品是否回到一个可用于剪辑、停帧或承接下一镜的正确状态。
随后再播放动态版本，检查闪烁、边缘跳动、反射方向和速度连续性。静态正确但动态不稳定，依然不能交付；动态很顺但产品已经变成“近似款”，也不能交付。
为了让反馈可执行，审片意见不要写“再真实一点”。更有效的表达是：“第 3.2 秒，右侧 USB-C 接口变成两个”“第 4.0 秒，包装第三行英文发生重写”“旋转到背面时，铰链宽度相对机身增加”。对象、时间码和参照物都明确，制作团队才能判断下一步该重做哪里。
失败镜头要分流，而不是无限重抽
生成式制作最容易失控的成本，并不是单次生成，而是不知道何时停止。可以把失败分成四类：
- 构图、景别或运动不符合创意意图：继续调整输入、参考帧或提示，重新生成有意义。
- 环境局部漂移，但产品底片正确：优先遮罩、清理或合成，不必重做整镜。
- 产品几何、文字、接口或型号持续漂移：这通常已触碰硬约束，应改用受控产品底片、三维或实拍，而不是靠更多抽卡赌正确。
- 真实功能动作无法可信成立：回到可验证的实拍或物理正确动画，不能让“看起来像”替代产品事实。
这套分流的价值，是把“再试一次”变成有退出条件的制作决定。镜头可以失败，但失败必须为下一步提供信息：究竟是参考素材不足、软变量冲突，还是这个镜头本就不适合让模型重建产品。
一个假设项目：无线耳机充电盒
假设品牌要把一张充电盒主视觉做成 6 秒旋转镜头，背景从桌面延展为抽象金属空间。身份护照会先锁定盒体比例、铰链宽度、指示灯位置、USB-C 接口、Logo、配色和开合方向；环境、粒子、镜头速度和光带可以作为软变量。
第一次测试若只是背景线条太密，可以调整生成方向。若盒体在中间帧多出一个接口，产品身份已经被改写。此时更合理的方案，是保留真实或三维产品旋转，让生成系统只负责空间与气氛，再用合成统一阴影和反射。
同样的判断也适用于更多品类：化妆品标签、家电按钮、工具齿位、医疗设备接口、食品包装与消费电子屏幕。它们不是“细节精修”而已，而是消费者识别商品、理解功能与建立信任的证据。
读者可以在 ONCE 的公开 AIGC 案例目录 查看不同概念空间、生活方式与产品内容的呈现范围。公开页面能说明画面组织与作品类型，但未披露的数据不应被延伸为转化或销售结论。
交付时，要留下可追溯的生产记录
一支可交付的 AI 产品视频，不应只剩一个最终 MP4。制作记录至少应说明：正式参考资产来自哪里；使用了哪些模型与版本；哪些镜头保留真实产品底片；哪些区域由生成完成；哪些内容经过人工修整；最终选择的是哪一版；品牌在什么节点确认了产品身份。
这份记录不是为了制造技术神秘感，而是为版本修改留路。当包装更新、产品新增颜色、地区文字发生变化时，团队能知道哪些镜头可以局部替换，哪些需要重新生成，哪些必须重拍。它也让权利、素材来源与批准边界更容易逐项核查——但具体商业使用权仍应以当次工具条款、素材授权和合同为准，不能因为“AI 生成”四个字自动成立。
AI 产品图转视频真正值得采购的，不是“让静态图动起来”这个动作，而是让产品在运动、转场和多版本里仍然保持同一个身份。如果一个项目还没有正式产品参考、硬约束清单和失败分流规则，那么最聪明的第一步往往不是开始批量生成，而是先做一条最危险镜头的最小测试。
品牌方可以把产品图、三维文件、包装稿和必须保持不变的结构交给 ONCE，我们会先划分实拍、生成与合成镜头，再决定值得测试的那一条——让想象获得空间，也让真实有明确边界。
