AI 文字生成影片:輸入文字,生成有聲影片
AI 文字生成影片能把一段文字描述變成短影片。寫下畫面裡有誰、在哪裡、發生什麼事,再從 10 個模型中選一個。通常一到五分鐘內,你就會拿到一支 3 到 30 秒、有聲音的 MP4。不需要攝影機,也不必會剪輯。

真實成果
用這個工具 做出的成果
每個範例都標示了製作它的模型。點一下影片即可開啟並播放聲音。

































使用方式
三個步驟 就能完成
描述場景
說明畫面裡有誰、在哪裡、在做什麼。如果在意運鏡、光線或天氣,也一併寫上。
選擇模型、長度和畫面比例
依模型不同,影片長度為 3 到 30 秒。TikTok、Reels 和 Shorts 選直式,YouTube 選橫式。
生成並下載
生成會在背景進行,你可以直接關掉分頁。完成的影片會以 MP4 存在你的作品庫裡。
模型
模型 任你選用
價格以點數計算,生成前就能看到確切費用。點數包 $170 起,含 75 點。
Seedance 2.5
ByteDance
單一鏡頭最長 30 秒,Full HD 最長 25 秒。是陣容中規格最高的模型,也是最貴的。
Seedance 2.0
ByteDance
較實惠的 Seedance:最長 15 秒的有聲影片,最高 4K,價格適中。
Seedance 2.0 Mini
ByteDance
最便宜的 Seedance:快速做出適合社群的有聲短片。
MiniMax H3 Max Turbo
MiniMax
快速又便宜,用於社群貼文綽綽有餘。也會生成聲音。
MiniMax H3 Max
MiniMax
動作和細節明顯進步。在第三方的有聲影片評測中名列前茅。
Google Gemini Omni Flash
最逼真的成果,聲音同步。專為廣告和宣傳影片打造。
Google Veo 3.1 Lite
Google 影片模型的平價版。畫面會連同對白和環境音一起生成。
Wan 3.0
Alibaba
單一鏡頭最長 30 秒,Full HD 畫質。適合較長的場景。
Kling 4.0
Kuaishou
Kling 最新的模型:單一鏡頭最長 30 秒,一律附立體聲。720p 或 Full HD,也支援電影感的 21:9。
Kling 3.0
Kuaishou
Kling 上一代的影片模型:最長 15 秒,可選擇有無聲音。Standard 為 720p,Pro 為 1080p。內建語音為英文或中文。
特色
為什麼 在這裡做
內建聲音
這裡的每個模型都會在生成畫面的同時,產生相符的環境音。Seedance 2.5、Seedance 2.0、Seedance 2.0 Mini、Google Veo 3.1 Lite、Wan 3.0 和 Kling 3.0 可以關閉聲音。
頂尖模型,一份點數
Google、ByteDance、Alibaba 和 MiniMax 的模型並列。同一段提示詞可以在好幾個模型上試,不必分別訂閱。
最長 30 秒
Seedance 2.5、Wan 3.0 和 Kling 4.0 單一鏡頭最長可生成 30 秒,不必再把片段拼接起來。
內建提示詞輔助
簡短的提示詞會自動補上運鏡、光線和動作細節。隨時可以關閉,改送出你自己的文字。
失敗會退還點數
生成沒有完成時,點數會自動退還,不必聯絡客服。
符合社群平台尺寸
直式、方形和橫式輸出(依模型而定),不用裁切就能放上 TikTok、Instagram 和 YouTube。
比較
各文字生成影片模型能做到什麼
影片長度、解析度、畫面比例和聲音選項都依模型而定。這張表直接取自我們的模型目錄,和你在工作室裡看到的完全一致。
| 模型 | 長度 | 解析度 | 畫面比例 | 聲音 |
|---|---|---|---|---|
| Seedance 2.5ByteDance | 4、5、6、8、10、12、15、20、25、30 秒 | 480p / 720p / 1080p | 16:9、9:16、1:1、4:3、3:4、21:9 | 有,可關閉 |
| Seedance 2.0ByteDance | 4、5、6、8、10、12、15 秒 | 480p / 720p / 1080p / 4K | 16:9、9:16、1:1、4:3、3:4、21:9 | 有,可關閉 |
| Seedance 2.0 MiniByteDance | 4、5、6、8、10、12、15 秒 | 480p / 720p | 16:9、9:16、1:1、4:3、3:4、21:9 | 有,可關閉 |
| MiniMax H3 Max TurboMiniMax | 5、10、15 秒 | 480p / 768p / 1080p | 16:9、9:16、1:1、4:3、3:4、21:9 | 有 |
| MiniMax H3 MaxMiniMax | 5、10、15 秒 | 480p / 768p / 1080p | 16:9、9:16、1:1、4:3、3:4、21:9 | 有 |
| Google Gemini Omni FlashGoogle | 5、8、10 秒 | 360p / 720p / 1080p / 4K | 16:9、9:16 | 有 |
| Google Veo 3.1 LiteGoogle | 4、6、8 秒 | 720p / 1080p | 16:9、9:16 | 有,可關閉 |
| Wan 3.0Alibaba | 5、10、15、20、30 秒 | 480p / 720p / 1080p | 16:9、9:16、1:1、4:3、3:4 | 有,可關閉 |
| Kling 4.0Kuaishou | 3、5、8、10、15、20、25、30 秒 | 720p / 1080p | 16:9、9:16、1:1、21:9 | 有 |
| Kling 3.0Kuaishou | 3、5、8、10、15 秒 | 720p / 1080p | 16:9、9:16、1:1 | 有,可關閉 |
簡單來說:想用低成本測試點子,就從 MiniMax H3 Max Turbo 開始(480p、5 秒 13 點)。單一鏡頭要長達 30 秒,選 Seedance 2.5、Wan 3.0 或 Kling 4.0。想要最逼真的畫面和 4K 選項,用 Google Gemini Omni Flash。Veo 3.1 Lite 介於兩者之間,想在影片裡放一句簡短台詞時就選它。
提示詞
文字生成影片的提示詞怎麼寫
好的提示詞,通常會依同樣的順序回答同樣幾個問題:畫面裡是誰或什麼、在做什麼、在哪裡、鏡頭怎麼移動、光線如何、會聽到什麼聲音。下面這段六項都寫到了:
一隻穿著黃色雨衣的黃金獵犬,在黃昏的城市人行道上踩著水窪奔跑。低角度跟拍鏡頭跟著狗前進,溫暖的街燈倒映在濕漉漉的路面上。雨聲和遠處的車流聲。
- 每支影片只放一個動作。要求 5 秒內發生三件事,通常三件都會變得模糊。
- 寫出運鏡方式:緩慢推近、手持、空拍、低角度跟拍。模型很能照著做。
- 描述你想聽到的聲音,例如雨聲、人群嘈雜聲或咖啡機的嘶嘶聲。沒寫的話,由模型自己決定。
- 畫面裡不要放文字。字母常會變形,字幕請在剪輯軟體裡加。
- 直式影片要把主體放在畫面中央,重要的東西才不會被裁掉。
簡短的提示詞也可以。送到模型之前,我們會幫你補上運鏡、光線和動作細節;你也可以在進階設定中關閉這項功能,照你寫的文字原樣送出。
常見問題
常見問題 一次看懂
AI 文字生成影片是怎麼運作的?
你寫下一段場景描述,經大量影片素材訓練的影片模型會把它變成全新的畫面;這裡的模型還會配上相符的聲音。它不是去搜尋現成的影片片段,每支影片都是從零生成的。
有免費的 AI 文字生成影片嗎?
這裡沒有。每生成一支影片或一張圖片,我們都要付費給 AI 模型供應商,而免費試用讓這筆成本變得太高。購買前,你可以先到範例頁看看:那些都是我們用同樣的模型做出、未經修改的原始成果。新帳號驗證電子郵件後,會獲得 20 點免費點數,可用於配音;影片工具會在你第一次購買點數後開放。用 MiniMax H3 Max Turbo 生成 5 秒影片,480p 是 13 點,768p 是 20 點;最小的選擇是 Mini 點數包($170,含 75 點)。不必訂閱,點數也不會過期。
一支文字生成影片要多少錢?
依模型、長度和解析度而定。以目前的價格計算,MiniMax H3 Max Turbo 生成 480p、5 秒影片是 13 點($16.35–$29.47),Veo 3.1 Lite 生成 8 秒是 40 點($50.32–$90.67),Wan 3.0 生成 10 秒是 100 點,Seedance 2.5 生成 5 秒是 147 點。實際金額取決於你購買的點數包。花點數之前,確切費用會顯示在「生成」按鈕上。
可以使用哪些 AI 影片模型?
Seedance 2.5、Seedance 2.0、Seedance 2.0 Mini、MiniMax H3 Max Turbo、MiniMax H3 Max、Google Gemini Omni Flash、Google Veo 3.1 Lite、Wan 3.0、Kling 4.0 和 Kling 3.0。全都會為影片生成聲音,長度、解析度和價格則依模型而不同。
文字生成影片最長可以多長?
每次生成 3 到 30 秒。Seedance 2.5、Wan 3.0 和 Kling 4.0 最長可到 30 秒;Seedance 2.5 在 1080p 下最長 25 秒。更長的內容請生成多段,再剪輯在一起。
影片裡可以有人說話嗎?
影片模型擅長環境音,也能說出一句簡短的台詞,但用字和嘴型不太可靠。台詞必須一字不差時,請用照片說話:先把你的腳本配音,再讓人像對嘴。
生成要多久?
通常一到五分鐘,依模型和長度而定。關掉分頁後生成仍會繼續,完成的影片會出現在你的作品庫裡。
影片可以商用嗎?
可以。只要遵守我們的服務條款,你生成的內容可以用在自己的事業和廣告上。你必須擁有所上傳內容的權利,也不能在未經同意的情況下呈現真實人物。
需要安裝什麼嗎?
不需要。所有操作都在電腦或手機的瀏覽器中完成,生成則在模型供應商的伺服器上進行。成果以 MP4 格式下載。
好的文字生成影片提示詞有什麼特點?
依序寫出主體、動作、場景、運鏡、光線和聲音。每支影片一個動作,畫面裡不放文字。清楚的兩句話,勝過一長串形容詞。
- 單次生成最長 30 秒。想做更長的影片,請生成多段,再用剪輯軟體接起來。
- 影片裡的文字,例如招牌、Logo 和字幕,常會變形。建議先用圖片生成做出第一個畫面,再讓它動起來。
- 無法生成真實人物、名人和受著作權保護的角色。模型的安全過濾機制會拒絕這類提示詞。
- 同一段提示詞每次都會得到不同的影片,無法完全重現同一支。
- 人物說話的對白時好時壞。要讓人物說出特定台詞,照片說話會先配音再對嘴,可靠得多。
相關頁面