文生视频与图生视频怎么选：构图自由和参考保持分开
比较从文字创建动态画面与从已有图片引导运动，围绕主体保持、镜头描述和最终片段检查输入的实际作用。
先说结论
怎样选择更合适
还没有确定画面、希望探索场景时，可以先评估文生视频；已有需要延续的主体和构图时，可以评估图生视频。图片能提供视觉条件，却不能保证后续每一帧保持细节。两种方式都需要清楚描述运动，并在相同脚本下检查动作结果，不能只凭首帧像原图就认定整段可用。
01
文字和图像约束的信息不同
Google 与 Diffusers 都提供基于文字或图像的视频生成说明，但具体支持由模型决定。文字输入主要说明希望出现的内容，图像输入额外提供可见形状与位置。图中看不到的背面仍可能被模型推断，不能把它当作可信产品结构。图片过于模糊或主体被裁切时，后续画面也缺少可靠参照。开始前确认输入方式、画幅与模型兼容，不要把某个工具的首帧功能当作所有图生视频都具有相同控制效果。
02
固定动作要求检查主体随时间变化
准备同一动作描述，图生方案使用已确认图片，文生方案明确描述其可见特征，并说明输入信息不同。完整播放输出，检查运动方向与主体轮廓，再查看中后段有没有标识变化。不要用文生结果中最满意的一帧与图生结果的整段缺陷作不对等比较。若需要多个版本，保留每次设置与完整片段，记录不可接受的变化。本文没有发起视频生成，示例不代表任何模型已经通过角色或商品保持测试。
03
按已有素材决定复用与重做方式
已有视觉母版时，可以围绕母版制作镜头并保存输入对应，减少再次描述外观的工作。画面尚未确定时，先探索构图再锁定参考，也可能更便于迭代。成本包含出图准备与挑选失败片段，不能只按输入是否多了一张图片判断。模型升级后重放运动难例，检查原图保持是否变化。最终交付同时保留参考与成片，并明确哪些画面是生成推断，不能让新角度代替真实拍摄依据。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。