图生视频（image-to-video）

文生视频只从文字出发，所以模型必须一次性决定人物、地点和光线是什么样子。图生视频省去了这种猜测。你带来图片，无论是照片、绘画还是另一个模型生成的图片，它都会成为第一帧。提示词只需说明接下来发生什么：缓缓推近一张脸，风吹动头发，云朵飘过，镜头绕着一件物体旋转。因为外观已经确定，结果往往比只用文字提示更稳定，也更容易重复。摄影师和设计师用它让产品照片、肖像或插画动起来，而无需拍摄任何东西，讲故事的人则在投入更重的制作之前，用它来试一场戏。

在内部，目前大多数视频模型都是扩散模型，它们对整段帧序列一起处理，以第一帧为锚点，一步步地去除噪声。有些模型还接受最后一帧，然后补全两张图片之间的运动。典型的设置有以秒为单位的时长、方向（横屏 16:9 或竖屏 9:16），有时还有种子，这个数字让结果更容易重现。视频需要的算力远多于静态图片，所以通常按素材的秒数计价，耗时从几十秒到几分钟不等。

局限也值得了解。几秒钟的短片能保持连贯，更长的就会漂移，人脸、手和小物件可能变形。图片里的细小文字可能变模糊。低分辨率的素材会得到发软的片段，所以人们常常先用放大功能把图片放大。而且和任何生成的媒体一样，你要对自己让它动起来的内容负责：真实人物的图片需要本人同意。一个实用的习惯，是让指令简短而具体，一个主体、一个动作，因为塞得太满的指令会让模型困惑，产生抖动和闪烁的结果。

NeverNo 有一个“动起来”的操作，一键把静态图片变成片段，动作取自它自己的一份简短列表。视频目录为每个模型标明了每秒的价格、尺寸（16:9 或 9:16），以及它只接受首帧，还是接受首帧和尾帧。起点图片可以来自 Z-Image Turbo，这是图片工作室的默认模型，所有套餐都包含。

NeverNo 上有若干视频模型以匿名方式接入：它们的开发者按自己的政策读取提示词和图片。较长的作品在 Runware 制作；成品视频会在 Runware 的 CDN 上等候，直到你的浏览器下载它，然后与你其余的媒体一起封存在浏览器里。我们的服务器只保留这项任务的模型、状态、日期和积分，没有提示词，也没有文件。按下按钮之前，请选好适合片段播放场合的格式：屏幕用横屏，手机用竖屏。