AI文字图片怎么生成视频？图文视频制作教程

店铺上新和大促前，有一类视频需求量特别大：商品图片一页页切换，每页配一条大字卖点，讲完材质讲功能，最后收在价格和优惠上。这种把文字和图片组合成片的视频，就是图文视频。它不用真人出镜、不用复杂运镜，素材是现成的商品图，加一句句排版清楚的文案，就能快速成片。

图文视频最讨喜的地方是改得动。活动价变了，改一句文案重新生成，几分钟出一版新的；上新卖点调整了，换两条字幕就更新一版。对需要频繁换内容的上新和大促场景，这种”说改就改”的灵活性是实拍视频给不了的。卖家用它做上新预告、做详情讲解、做大促利益点轮播，成本低、产出快、覆盖广。

这篇文章把图文视频的制作过程完整走一遍：从写文案开始，到给文案配图、排版、排节奏，再到用青虎AI把文字图片生成视频。青虎AI是对话式AI电商作图工具，覆盖AI商品主图、AI图片处理、AI商品图一键生成视频、AI视频生成等场景，把写好的文案和商品图一起提供，描述想要的画面和排版，就能生成图文视频，支持批量。内容按真实制作顺序组织，照着一步步做，新手也能完成第一条像样的图文视频。

一、先弄明白：图文视频靠什么打动人

图文视频和实拍视频打动人靠的不是同一样东西。实拍视频靠画面说服，让买家看到商品真实的使用状态；图文视频靠信息说服，把商品的卖点和优惠用文字精确地摆到买家面前。它适合的正是”信息比画面重要”的场景。

判断一个内容适不适合做成图文视频，看三条：信息能不能用文字讲清楚，讲清楚后买家是不是更容易下单，改版的需求是不是很频繁。功能参数多的商品、价格利益点明确的活动、上新要快速传达卖点的链接，都是图文视频的用武之地。反过来，靠上身效果和氛围打动的商品，比如服装的实穿效果，图文视频只能做补充，主力还是实拍。

图文视频在店铺里的常规搭档是这样安排的：上新时出一条卖点轮播放详情首屏，大促前出一条利益点视频放活动位，日常用图文视频保底讲解，重要节点再用实拍视频增强。两类视频各管一段，店铺的内容既完整又经济。

二、开工第一件事：把文案写成结构稿

做图文视频最容易犯的错是急着找图、急着生成，文案随手写两句就开干。图文视频的骨架是文案，文案没立住，图和排版都白搭。写文案的方式不是对着图片憋词，而是先写一份结构稿，把这条视频要传达的信息分成几个层级。

拿一款保温杯举例，结构稿长这样：定位句写”一杯热水保温一整天的保温杯”；核心卖点写三条，保温12小时、316L内胆、一键弹盖单手喝；支撑信息放容量、重量、颜色；收尾写”现在下单立减20元”。结构稿定下来，后面每一帧放什么文案就有了答案。

结构稿的作用是防止想到哪写到哪。信息有了先后和主次，视频就有了逻辑，买家跟着顺序看下来，该知道的都知道，不会看完一头雾水。文案先成稿，也是后面用工具生成时最省返工的一步。

三、卖点文案怎么写：对着买家的疑问写

同一条卖点，写法不同，说服力完全不同。写卖点文案的窍门是把自己放进买家的位置，想象下单前会问什么问题，然后让文案来回答。

写卖点文案记住三个原则。一是用结果不用形容，说”保温12小时”比说”保温效果很好”有力；二是用短句不用长句，买家扫一帧画面只有一两秒，短句才读得完；三是说人话不用术语，买家理解”不锈钢内胆”比理解一串材质代号快得多。

文案写好后做一轮减法：删掉修饰词，删掉图片上已经看得见的内容，删掉大多数买家不关心的参数。删完剩下的，才是这一帧真正要传达的信息。文案的质量不在多，在于每条都打在买家的疑问上。

四、文字和图片怎么分工：一帧只讲一件事

图文视频画面乱，通常是因为文字和图片在抢着说话。给它们分好工，画面就清爽了：图片负责让买家看清商品长什么样，文字负责告诉买家它好在哪。图片能展示的，文字不重复；文字要强调的，图片让出空间。

分工的具体做法是给每一帧定一个主角。这一帧想讲保温，画面就给杯身特写，文字就是保温那条卖点；这一帧想讲容量，画面就给杯子和参照物的对比，文字写容量数字。一帧只有一个主角，买家看的时候不用在文字和图片之间来回找重点。

判断画面有没有超载，把视频暂停在任意一帧：这一帧的信息点超过两个，比如图上压着三行字、背景还有一堆道具，就要砍。砍的原则是先保主角：文字是主角的帧，图片换成干净的大图；图片是主角的帧，文字只留一句点睛。帧和帧之间这样轮换，整条视频既有看的也有读的，节奏不单调。

五、文字排版守住五条硬规则

图文视频里文字是主角，排版的质量直接决定这条视频专不专业。排版不靠天赋，靠规则。下面五条规则每条都能检查，照着做就不会出大错。

字号层级是排版的骨架。主标题和副标题的字号差要拉得开，视觉对比清晰，买家扫一眼就知道先读哪句；所有文字一般大，画面就没有焦点，信息全靠硬读。字数控制住，主标题别超过十个字，一句能念完；一帧的总文字量别超过两三行，多了就读不进去。

安全区常被忽略却最影响观感。手机端浏览时，画面边缘和底部会被界面元素遮挡，重要文字放中间偏上的区域更保险。文字也不要压住商品的关键部位，杯子的Logo、衣服的领口、包装的品名都是禁区。排版完把画面缩小看一遍，文字和商品谁也没压谁，就基本到位了。

六、卖点轮播的节奏：给文字留足阅读时间

卖点轮播是图文视频里最常用的一种，结构不复杂，难点在节奏。画面切得太快，字还没读完就换了；切得太慢，买家等得不耐烦划走。节奏要跟着文字量走。

卖点轮播的总时长和卖点条数挂钩。三到五条卖点，每条给足阅读时间，整条视频做到12到20秒是常见区间。卖点超过五条就精简合并，别让次要卖点稀释重点；四条以内的卖点也不硬凑时长，讲完即收。

帧与帧之间的衔接保持统一的版式习惯：主标题固定放在同一区域、字号一致，换的是图片和文字内容。版式统一让买家看着连贯，画面变化集中在信息和图片上，而不是每帧重新找一遍文字位置。

图1：图文视频的制作流程，文案和排版先行，生成只是最后一步

七、用青虎AI把文字图片生成视频：三步出片

文案和版式定好后进入生成。过去做一条图文视频，要在剪辑软件里逐帧摆文字、调动画，改一版文案要重做一遍；对话式AI工具把这一步收拢成三步，把图片、文案和排版要求说清楚，视频就出来了，改版也在对话里完成。

生成前的准备决定成片质量：图片挑主体清晰、背景干净、留得出文字空间的；文案按结构稿整理好，一条卖点对应一段话，标明哪句是主标题、哪句是副标题。准备得越整齐，描述起来越省事，成片越接近预期。

图2：同样一张图，排上结构化的文字后，信息立刻清楚可读

生成结果的验收按三层来。先看文字层：有没有错别字、层级清不清楚、每屏文字量有没有超载；再看画面层：文字有没有遮挡商品、各帧版式统不统一；最后看整体：轮播节奏顺不顺、卖点顺序对不对。三层过完，成片就能上架。

图3：青虎AI对话式生成图文视频，提供文案和图片即可批量出片

八、不同位置怎么用图文视频

同一条图文视频，放在不同位置，要求差别不小。图文视频产出快，正好适合按位置做适配，而不是一条视频硬放所有地方。

放主图位，文案要极简：主图视频的观看场景是快速滑动，买家不会停下来细读，只放一句最核心的卖点加定位，字大、节奏快、前两三秒信息完整。放详情首屏，可以完整轮播：买家已经对商品有兴趣，愿意花时间看，卖点按决策顺序一条条讲透。放活动承接位，文字主角换成价格和优惠：券额、折扣、时间用大字突出，氛围靠底色和强调色立起来。

同一个商品要覆盖多个位置时，图片素材共用，按位置换文案重排：主图版砍到一句话，详情版保留完整轮播，活动版把价格提前放大。改版的重心放在文字层，图不用换，用青虎AI批量出多版的速度跟得上这种频繁换版的需求。

九、做图文视频常见的四个误区

图文视频看着门槛低，做起来误区不少，下面四个是卖家最容易踩的。

四个误区指向同一个核心：图文视频拼的是信息设计，不是拼图。结构、文案、排版每一样都有规则，规则守住，工具才能把设计快速执行出来。

十、让图文视频做得又快又好的四个技巧

绕开误区之后，给四个能直接提升图文视频产出质量和速度的技巧。

四个技巧分别落在文案、版式、排期和话术上，核心都是把一次性的制作沉淀成可复用的流程。流程固定了，图文视频的产出就稳定了。

十一、三个图文视频制作的实际场景

看三个把制作流程完整跑起来的场景，覆盖图文视频最常见的需求。

图4：从文案准备到批量生成图文视频的落地场景

三个场景的共性是：先把内容想清楚，再用工具快速执行。图文视频的门槛低，但认真做的和不认真做的差距很大，差距都在文案结构、排版规则这些看不见的功夫上。

十二、常见问题解答