HeyGen Video 1.0 Image-to-Video：让静态图动起来，最高 2K
HeyGen Video 1.0 按你写的场景让首帧图片动起来。如何分节拍写提示词，用什么分辨率测试，以及它会保留首帧的哪些东西。
这个模型适合谁？适合手里已经有图的人。一张产品照、一个你设计的角色、分镜里的一格画面：HeyGen Video 1.0 Image-to-Video 把这张图当作首帧，再按你写下的内容，也就是发生了什么、镜头怎么移动，把场景往下演。开头没法重画，但接下来发生什么由你决定。如果你还在找那张图本身，先用文生图模型做出来，再回到这里。
能调的东西
- 图片。 必填。它就是首帧，视频会保持它的宽高比，所以竖拍的照片会生成竖版视频。
- 提示词。 必填。这一栏要你写场景、动作和镜头运动，篇幅足够写一段又长又细的描述。
- 时长。 五到十五秒，默认五秒。
- 分辨率。 480p、768p、1080p 或 2K，默认 768p。
- 提示词增强和种子，都在高级设置里。增强默认关闭。
按节拍写场景
看看模型页面上的示例，你会发现它不是一个长句，而是一段迷你剧本：我们在哪，每个人做了什么，一个停顿，关键的一刻，然后单独一段写镜头，再单独一段写氛围。这种写法在这里很好用。每个节拍都是模型要按顺序呈现的一件事，而把镜头单独成段，能让运动指令不和动作搅在一起。
照片里的陶瓷茶壶放在洒满阳光的窗边木桌上。
壶嘴开始袅袅冒出热气。一只手从右边伸进画面，慢慢把茶倒进一只白色小杯。
镜头从壶嘴的特写开始，然后拉远，露出桌面、茶杯和窗外的光。
宁静的早晨氛围，温暖的自然光，柔和的阴影。图中的骑士站在悬崖边，狂风大作。
他的斗篷扬起，在身后猎猎作响。他把头转向山谷，一只手搭在剑柄上。
镜头从他身侧缓缓环绕到越肩视角，露出山谷和雾中远处的一座城堡。
史诗奇幻，阴天光线，宏大的尺度感。黄昏时分图中的店面。霓虹招牌闪了几下亮起来，几个人从门前走过，一个骑车的人从左到右穿过画面。
固定在三脚架上的静止镜头，不变焦。
城市傍晚的氛围，人行道上下着小雨。便宜地试，清晰地收尾
价格随秒数和分辨率增加，确认之前就显示在生成按钮上。所以合理的做法是先找准动作，最后再为像素付钱。头几次用 480p、五秒来跑。等动作看起来顺了，记下你喜欢那一条的种子，用 1080p 或 2K、按你真正需要的时长再生成一次。换了分辨率不一定能一模一样地复现，但固定种子加上同样的提示词，结果通常会很接近；原因见种子详解。
什么时候打开提示词增强
增强会在生成前改写并扩充你的提示词。如果你的描述只有一行，又希望模型自己补全场景细节，它就很有用。如果你已经像上面那样写好了节拍，就让它保持关闭：决定你已经自己做了，改写可能会加进你没要求的东西。两个选项里，turbo 更快，quality 更细致。
坦白说的局限
首帧是模型在开头信守、之后再自行发挥的承诺。视频离那张首图越远，人脸、手和小字就越容易走样，而十五秒的视频比五秒的有多得多的空间去走样。大幅度的动作，比如整个身体转一圈，或者一个人走出画面再走回来，最先暴露问题。如果人物必须保持可辨认，就把动作控制得小一点；相关的说法可以在运动提示词词汇表里找到。这里也没有声音或说话的设置，所以请把它当作只有画面的视频来规划。
常见问题
HeyGen Video 1.0 能改变我图片的宽高比吗？
不能。视频会保持首帧图片的宽高比，所以上传之前先把图片裁成你需要的形状。
HeyGen Video 1.0 图生视频的片段最长能有多长？
五到十五秒。默认五秒，片段越短，主体越接近原图。
我应该用哪个分辨率？
先用 480p 测试，找准动作，再把喜欢的那一条用 1080p 或 2K 重新生成。每个选项的价格都显示在生成按钮上。
