视频生成工作流

先用图像模型定死首帧，再让视频模型只管运动；同一张图作首尾帧加交叉淡化做无缝循环。附全部实测样片

讲怎么把视频调得好看。接口本身怎么调见视频生成。文内样片均为真实调用产出，最后验证：2026-09-05。

为什么不该一句话直接出视频

不要指望一句提示词直接出好视频。 视频模型要同时处理构图、光线、材质和运动，注意力被摊薄，画面细节往往不如同价位的图像模型。更稳的做法是拆成两步： 先用图像模型把「第一帧长什么样」定死，再让视频模型只负责让它动起来。

用 gpt-image-2 或 gemini-3-pro-image 生成 4K 参考图。 把画面描述、风格、色调、光线全写进图像提示词，反复生成到满意为止。图像调用比视频便宜得多，试错成本低，而且立刻能看到结果。
把图放到公网可直接下载的地址。 视频模型要自己去下载，不能要登录、不能是网盘分享页。
用它当首帧，提示词只写「怎么动」。 画面内容已由参考图定死，视频提示词别再重复描述场景，只写运动。

第一步：生成 4K 参考图

gpt-image-2 最大边 3840px；gemini-3-pro-image（Nano Banana Pro）4K 档实际输出 5504×3072。

curl https://www.vibeapi.cn/v1/images/generations \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "quality": "high",
    "size": "3840x2160",
    "prompt": "Nuwa mending the broken sky. A celestial goddess in flowing crimson and gold robes suspended among shattered heavens... traditional Chinese gongbi heavy-color painting, mineral pigments, cinnabar red, malachite green and gold leaf; no text, no watermark"
  }'

女娲补天 4K 参考图 — gpt-image-2 · quality high · 3840×2160

要真正的高清档，quality: "high" 必须显式传。 不传或传 auto 会落到中间档，而分辨率、文件大小都看不出差别——唯一能分辨的是响应里的 usage.output_tokens： 4K 高清档约 13000，中间档只有约 3300，差约 4 倍算力。发一批图时建议逐张核对这个数，不对就重发，命中率通常一两次就够。

第二步：喂给视频模型

curl https://www.vibeapi.cn/v1/videos \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video-1080p",
    "prompt": "五色石的白热光芒缓缓明灭，天穹裂隙中的金液缓缓流淌弥合，祥云与凤羽绕身缓慢盘旋，衣袂飘动，镜头极缓慢推进",
    "seconds": "15",
    "aspect_ratio": "16:9",
    "reference_images": [
      { "url": "https://your-cdn.example.com/nuwa-4k.png", "role": "first_frame" }
    ]
  }'

注意提示词里一句场景描述都没有——人物、服饰、色调全由参考图决定，提示词只管运动。这是这套工作流最关键的一点。

做接缝看不出来的循环背景

做网站动态背景时，片子每循环一轮都会在接缝处跳一下。用万相的首尾帧能基本消掉：把同一张图同时传给 first_frame 和 last_frame。

curl https://www.vibeapi.cn/v1/videos \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan3.0-video-1080p",
    "prompt": "从首帧自然演化后回到尾帧，形成完整闭环。云层缓慢翻涌一周后回到起始形态，光线强度轻微起伏后复原，镜头极缓慢推进再退回原位。全程无剪切、无淡入淡出",
    "seconds": "15",
    "aspect_ratio": "16:9",
    "reference_images": [
      { "url": "https://your-cdn.example.com/frame.png", "role": "first_frame" },
      { "url": "https://your-cdn.example.com/frame.png", "role": "last_frame" }
    ]
  }'

提示词里明写「回到起始形态」「全程无剪切」很关键，不写模型容易在结尾自由发挥。

交叉淡化补掉残差

首尾已经很接近，但不到像素级重合。首帧与末帧缩到 320×180 后逐像素求平均差为 9.66 / 255；作为对照，首帧与中间帧是 26.91 / 255。差距只有对照组的三分之一，但 3.8% 的残差循环播放时仍看得见。

ffmpeg -i in.mp4 -filter_complex \
"[0:v]split[body][pre];\
 [pre]trim=duration=1,format=yuva420p,fade=t=in:st=0:d=1:alpha=1,setpts=PTS+13.02/TB[jt];\
 [body]trim=start=1,setpts=PTS-STARTPTS[main];\
 [main][jt]overlay=shortest=0[v]" \
 -map "[v]" -c:v libx264 -crf 17 -preset slow -pix_fmt yuv420p -an out.mp4

setpts=PTS+13.02/TB 里的 13.02 是「原片时长 − 2」，按你的片子换算。输出比原片短 1 秒。做完这一步首末帧平均像素差从 9.66 降到 1.65 / 255，循环播放看不出接缝。

四条无缝循环样片见下文「成片展示」。

成片展示

同一套两步法，换四种题材与画风。全部 wan3.0-video-1080p，15 秒，1920×1080，首尾帧循环 + 交叉淡化：

女娲补天 · 工笔重彩（首末帧差 1.87/255）

敦煌飞天 · 莫高窟壁画（2.15/255）

鲲鹏 · 水墨留白（2.11/255）

普罗米修斯 · 电影写实（1.65/255）

不走参考图的 Seedance 长片（30 秒 / 1280×720）：

女娲补天

敦煌飞天

鲲鹏水墨

作为对照，不带参考图的纯文生（5 秒 / 1920×1080）：

伊卡洛斯坠落

阿特拉斯扛天球

工作流要点

别一句话直接出视频。 拆成两步：图像模型定画面，视频模型只做运动。
参考图提示词把画面吃干榨净——主体、构图、光源、色调、材质、画风；但别写运动。
视频提示词一句场景描述都不要写，只写运动。两边抢活画面反而会飘。
gpt-image-2 的 quality: "high" 必须显式传，靠 usage.output_tokens 核对： 4K 高清约 13000，中间档约 3300。
参考图必须是公网可直接下载的 HTTPS 直链，贴进无痕窗口能下载才算数。
要无缝循环：同一张图同时作首帧与尾帧，提示词明写「回到起始形态、全程无剪切」。
循环片再用 ffmpeg 交叉淡化 1 秒，首末帧像素差能从 9.66 降到 1.65 / 255。