# 怎样用 Gemini 和 Google Flow 生成 AI 视频

> 生成 AI 视频，就在 [Gemini 应用](https://gemini.google.com)里打开 Create video，或者在 [Google Flow](https://labs.google/flow/about) 里新建一个项目。描述一个镜头，写清主体、动作、场景、运镜和声音，提交后等几分钟。两个工具都需要 Google AI 套餐和成年账号，每段片段只有几秒，所以长一点的视频要把几段拼起来。

Mindket 编辑部 · 发布于 2026-11-05 · 更新于 2026-11-05 · https://mindket.com/cn/learn/ai-images-video/make-ai-video

## 要点

- 一条提示词只写一个镜头：拍谁或拍什么、动作、地点、运镜和声音。
- 不想要剪切时，写明“单个连续镜头”。
- 画面必须对得上时，从你自己的图片开始。
- 修改请求写短一点，结尾加上“其他一切保持不变”。

## 开始之前：用哪个工具，Sora 怎么了

AI 视频生成器能把一段文字描述、一张照片或一小段视频，变成几秒钟的动态画面，通常还带声音。你描述一个镜头，等几分钟，然后下载结果。再长的视频，也是一段一段做出来的。

对新手来说，两个 Google 工具就够用了。Gemini 应用现在用 Gemini Omni 生成视频，它在应用里取代了之前的 Veo 模型。Google Flow 是另一个独立的影片制作工具，每段片段都可以自己选模型，Veo 或 Gemini Omni Flash，再用多段片段搭出场景。

两者都需要 Google AI 套餐，或者符合条件的 Google Workspace 许可。你必须年满 18 岁并且已登录。Flow 只在部分国家开放。最好在台式电脑上，用 Chrome 或 Edge 这类 Chromium 浏览器打开。

Sora 呢？Sora 的官方账号在 2026 年 3 月 [在 X 上](https://x.com/soraofficialapp/status/2036532795984715896)发帖道别。OpenAI 在 2026 年 4 月 26 日关闭了 Sora 的网站和应用，又在 9 月 24 日关闭了 Sora API。

它的帮助页面让以前的用户去 sora.chatgpt.com/sunset 导出视频，之后数据会被删除。买过的 Sora 额度，仍然可以在 OpenAI 的编程工具 Codex 里用掉。ChatGPT 仍然能生成和修改图片，但它的功能介绍页里没有视频生成。

**视频模型：从 Veo 3 到 Gemini Omni**

1. **2025年7月17日** Veo 3 有了声音。Google 的 Veo 3 预览版能生成带音频的视频。
2. **2025年10月15日** Veo 3.1。片段可以延长，可以用最多三张参考图生成，也可以用首尾两张图定住开头和结尾。
3. **2026年4月26日** Sora 应用关闭。OpenAI 关闭了 Sora 的网站和应用。
4. **2026年6月30日** Gemini Omni Flash 预览版。Google 发布一个快速生成视频的多模态模型。
5. **2026年8月27日** Gemini Omni Flash 1.1。正式版可以在片段结尾接着延长，也能生成在两张图之间过渡的视频。
6. **2026年9月24日** Sora API 关闭。开发者也不能再生成 Sora 视频了。

来源：[Google AI Studio 更新日志](https://aistudio.google.com/docs/changelog) (2026-11-05 查阅)；[OpenAI 帮助中心](https://help.openai.com/en/articles/20001152-what-to-know-about-the-sora-discontinuation) (2026-11-05 查阅)

| 在哪里 | 模型 | 片段时长 | 可以从什么开始 |
| --- | --- | --- | --- |
| Gemini 应用 | Gemini Omni 1.1 Flash | 10 秒 | 文字、1 段视频和最多 5 张照片 |
| Flow | Veo 3.1 Lite | 4、6 或 8 秒 | 文字、首尾帧、素材。可以延长 8 秒的片段 |
| Flow | Veo 3.1 Fast | 4、6 或 8 秒 | 文字、首尾帧、素材 |
| Flow | Veo 3.1 Quality | 4、6 或 8 秒 | 文字和首尾帧，不支持素材 |
| Flow | Gemini Omni Flash 1.1 | 4、6、8 或 10 秒 | 文字、首尾帧、素材，以及修改你上传的视频 |

[![Sora 官方账号（@soraofficialapp）2026 年 3 月 24 日在 X 上发帖：我们要和 Sora 说再见了，感谢每一位用 Sora 创作、分享并围绕它建立社区的人](https://mindket.com/blog/shots/x-soraofficialapp-goodbye.webp?v=ae14e28e5c4e)](https://x.com/soraofficialapp/status/2036532795984715896)

Sora 在 X 上，2026 年 3 月 24 日

> 这是 Sora 官方账号的告别帖，截自 2026-11-05 X 官方嵌入卡片显示的样子，时间按 UTC 显示。点开图片就能到 X 上看原帖。

## 在 Gemini 应用里生成视频，一步一步来

挑一个会动的小场景：咖啡杯上冒的热气，一只狗甩掉身上的水，水沟里漂着的纸船。一个主体加一个动作，模型更不容易出错，你也更容易判断结果好不好。

也可以先在普通的 Gemini 对话里把提示词改好。觉得顺了，就在同一个对话里直接要视频，根本不用打开 Create video。

第一次尝试，越简单越好。一个主体，一种运镜，不要对白。成功之后再加一样东西，比如音乐或一句台词，看看其余部分还稳不稳。

1. 在 [gemini.google.com](https://gemini.google.com) 上，点左上角的 **Open Sidebar**，再点 **Create video**。
2. 愿意的话，选一个模板，从现成的风格开始。
3. 在输入框里写提示词。只写一个主体做一件事，再说明镜头怎么动、能听到什么。
4. 想让自己的图片动起来，就点 **Add image** 或 **Add video**。最多可以加 1 段视频和 5 张图片。
5. 点 **Submit**。生成可能要几分钟，完成之前这个对话一直锁着，这期间要用 Gemini 就开一个新对话。
6. 在同一个对话里提修改：去掉或替换某个物体或角色，换个镜头角度，或者换个场景。
7. 在做好的视频下方点 **Share**，再点 **Download video** 或 **Share on YouTube**。

> 视频生成之前可以先选画幅。用文字提示词时默认是横版，上传了图片或视频时，视频会跟着上传内容的比例走。

## 写视频提示词：主体、动作、运镜

视频提示词，就是加上了时间的图像提示词。第 1 课 AI 图像提示词里讲的都还管用：主体、场景、风格和光线。在此之上，你还要写清动作、运镜和声音。

Google 的视频提示词指南把一条提示词拆成几个部分，比如主体、动作、场景、镜头角度、运镜、镜头光学效果、风格、光线、情绪和音频。不是每条提示词都要写全。先写主体、动作和场景，结果看着平淡时，再加上运镜和光线。

Gemini Omni 有一个习惯要知道。默认情况下，它会用几个不同的镜头讲一个小故事。想要一镜到底，就写“single continuous shot”（单个连续镜头）或“No scene cuts”（不要切镜头），这是 Google 给出的写法。

下面的示例是 Mindket 自己写的，按这个顺序为一家面包店的社交媒体帖子而写。把它当成句式参考，而不是照抄的配方。

````text
Single continuous shot. Close-up of a baker's hands dusting flour over a
round sourdough loaf on a wooden counter, early morning. Slow dolly in toward
the loaf as steam rises from the crust. Warm window light from the left,
shallow depth of field. Sound: a quiet radio in the background and the soft
crackle of the cooling crust. No dialogue.
````

| 运镜 | 镜头怎么动 | 示例写法 |
| --- | --- | --- |
| 固定镜头 | 镜头不动，只有主体在动 | “static shot”或“fixed camera” |
| 摇镜（Pan） | 在原地向左或向右转 | “黄昏时，镜头缓缓向左摇过城市天际线” |
| 俯仰（Tilt） | 在原地向上或向下转 | “镜头从角色震惊的脸向下移，落到他手里那封揭开真相的信上” |
| 推拉（Dolly） | 整台机器靠近主体，或者远离主体 | “镜头从角色身边拉远，突出他的孤独” |
| 变焦（Zoom） | 改变镜头焦距，机器本身不动 | “缓缓推近桌上一件神秘的古物” |
| 航拍或无人机镜头 | 从高处飞过整个场景 | “无人机大范围航拍，飞越一串热带岛屿” |
| 手持镜头 | 有些晃动，像是有人拿在手里 | “在混乱的集市追逐中手持拍摄” |
| 环绕镜头（Arc） | 绕着主体转一圈 | “镜头环绕一对在雨中拥抱的情侣” |

> 变焦和推拉很容易混淆。推拉是机器本身朝主体移动，变焦只改变镜头焦距，机器留在原地。

## 声音、时间点和画面里的文字

Gemini Omni 和 Veo 会在生成画面的同时生成声音。不加说明的话，模型会自己挑一段它觉得合适的音轨。那未必是你想要的。想要音乐时，把音频写清楚最要紧。

声音单独写成几句，放在画面描述之后，你想要哪一类就点名哪一类。音效、环境声、说话声和音乐各写一句，不想要的东西，就用一句简短的“No”来排除。每句都写得平实些。

你还可以安排片段里的事情在什么时候发生。用平常的话就行，比如“3 秒后，一位女士走进画面。”也可以用时间码，一个节拍写一行，Google 的 Omni 开发者指南里就有这样的例子：

````text
[0-3s] A person is walking
[3-6s] They stop and turn around
[6-10s] They start running
````

- **音效：**场景里单个的声音，比如“电话铃声”。
- **环境声：**让一个地方显得真实的背景声，比如“海浪拍打岸边”。
- **说话声：**先写谁在说，再写说的话，比如“戴红帽子的男人说：兔子在哪儿？”
- **音乐：**写一句“加上舒缓的背景音乐”，或者“视频配上高能量的电子节拍”。
- **要排除的：**简短的否定句，比如“No dialogue”（不要对白）或“No extra sound effects”（不要多余的音效）。
- **画面里的文字：**放进引号里。如果画面里本来就会出现路牌或店面招牌，就写明上面该写什么。

> Veo 生成的音频质量太差时，Flow 不会交付这段片段，并退回额度。想拿回这类片段的无声版本，就在项目设置里打开 Return silent videos。

## 在 Google Flow 里从自己的图片开始

[Flow](https://labs.google/flow/about) 让你掌控得更多。每段片段的模型、时长和画幅都由你选，还可以把第一帧和最后一帧固定成你自己画好或在第 2 课修好的图片。

在项目里，先在提示框里描述场景，再点模型名称，切换到 **Video**。提示框默认用的是 Nano Banana Pro，这是生成图片的模型，所以这一步很容易漏掉。然后设置画幅、生成数量、模型和时长，点 **Generate**。

更多工具都在同一个模型菜单后面，Flow 的帮助页面里有逐一说明，下面五个足够应付大多数第一次的项目。

想要几个不同版本，就在提示框里打开 Agent，用平常的话提出来。Google 的例子是“给我这段视频的 5 个版本，每个用不同的光线”。这样就不用把同一条提示词敲五遍。

- **首尾帧：**在 Video Frames 下，把一张图拖到“+ Add start frame”，另一张拖到“+ Add end frame”，再描述两帧之间发生了什么。以商品图开场、以标志收尾，就是常见的用法。
- **素材：**在 Video Ingredients 下，加入角色、物件或地点的图片，再在提示词里输入 @，按名字调用其中一张。主体图最好用纯色背景，文字描述也要和图片一致。
- **延长：**点开一段 Veo 片段，点底部的 Extend，再描述动作接下来怎么发展。目前只有 Veo 片段可以延长。
- **修改真实视频：**选 Gemini Omni Flash，上传一段视频，选出最长十秒的一段，再描述要怎么改。最多三轮追问，都能记住之前的修改。
- **每个版本都在：**修改不会覆盖原片，History 面板会列出每个版本和它用的提示词。

> 每次生成都会用掉额度，在开始时扣除。如果生成失败或被安全过滤拦下，Flow 会在一小时内退回。

## 电影人 Dave Clark 和 Flow 团队怎样搭一个镜头

按 X 简介，Dave Clark 是电影人，也是 Promise 的联合创始人兼首席创意官。2025 年 5 月，他 [在 X 上](https://x.com/Diesol/status/1926300507397599412)分享了自己写 Veo 提示词的方法：把每条提示词当成一段极短、极具体的电影剧本，只写镜头看到和感觉到的东西。

先写情绪、风格和景别，再写谁、做什么、在哪里，然后写光线和质感，最后写主体和镜头怎么动。同一个场景拍好几个镜头时，他在每条提示词里重复所有关键的视觉细节，也不用“still”“continues”这类承接上一镜的词。帖子里有一句说 Veo 不生成音频，这对 Veo 3 及之后的版本已经不成立，声音部分照上面讲声音的那一节写。

Google Flow 的官方账号在 2026 年 9 月 9 日 [在 X 上](https://x.com/FlowbyGoogle/status/2097763469445521724)发了一套三步做法。先用“first-person perspective POV”（第一人称视角）提示词，加上“early 2000s point and shoot”这类风格词，做出一张静态图。再用首尾帧把这张图设为第一帧，锁住视角。最后写上自然的环境声，导出最高 4K 的视频。

一个场景要拍好几段时，把两者合起来用。先在 Flow 里做好开场的静态图，每段都从一帧或一份素材开始，再照 Clark 说的，把同样的关键细节贴进每一条提示词。下面的视频里，Kevin Stratvert 在 Flow 里从分镜开始，做出一支完整的广告片。

> 描述这个镜头里的一切，就当它是唯一的一个镜头。
>
> Dave Clark, 电影人，Promise 联合创始人，引文为译文, [X](https://x.com/Diesol/status/1926300507397599412) (2026-11-05 查阅)

[![Google Flow（@FlowbyGoogle）2026 年 9 月 9 日在 X 上分享的做法：图片先用第一人称视角提示词加风格词，视频把这张图设为第一帧，音频写自然环境声，导出最高 4K](https://mindket.com/blog/shots/x-flowbygoogle-pov-workflow.webp?v=d1fa9b56c8c8)](https://x.com/FlowbyGoogle/status/2097763469445521724)

Google Flow 在 X 上，2026 年 9 月 9 日

[How to Use Google Flow (Step-by-Step Tutorial)](https://www.youtube.com/watch?v=0vQ7UEe7rLg)

Kevin Stratvert 在 YouTube 上的视频，2026 年 7 月发布：在 Flow 里从零做出一支广告片，从分镜到视频片段，角色前后一致，还剪辑了场景。

> X 官方嵌入卡片的截图，拍摄于 2026-11-05，时间为协调世界时（UTC）。X 用“Show more”截断了帖子后面的内容。点击截图可到 X 上打开原帖。

## 常见错误

- 把一整部片子写进一条提示词。一段片段只装得下一个瞬间，所以先列一张镜头清单，再一段一段生成。
- 不写运镜。把角度和运镜写出来，哪怕只是“固定镜头”，结果才不靠运气。
- 忘了声音。要么描述清楚，要么写上“No dialogue”，别来什么就收什么。
- 修改请求又长又细。在 Google 的 Omni 指南里，视频修改用简单的提示词效果最好：“让手机隐形。其他一切保持不变。”
- 提示词和图片打架。照片里是红色马克杯，文字却要蓝色杯子，模型只能二选一。
- 以为哪里都能上传视频来改。在欧洲经济区、瑞士、英国和美国部分州，不能上传自己的视频来修改。
- 没征得同意就用别人的脸。Google 要求你对上传的每张图片都拥有使用权，并禁止生成用于欺骗、骚扰或伤害他人的视频。

## 自己试一试

选一个一句话就能说清的主体，比如窗台上的一杯咖啡。每段片段都用同一个工具生成，这样唯一变化的只有你的提示词。小改动最能看出门道。

把每段片段和它的提示词一起存下来，写在文件名里或者记在笔记里。做完这些，你就知道你用的工具听得懂哪些运镜词，又会忽略哪些。

- 同一个镜头生成三次，每次换一种运镜：固定镜头、缓慢推近、环绕镜头。
- 加一句声音描述，再加上“No dialogue”和舒缓的背景音乐重跑一次。
- 一个版本加上“single continuous shot”，另一个不加。比一比两者。
- 让你自己的一张照片动起来，比如你在第 2 课修好的那张。
- 挑出最好的一段，用一句简短的请求修改它，再用常见错误里那句保留其余部分的话护住其他画面。

> 每段片段从四点来判断：主体从头到尾看起来是不是同一个，动作自然不自然，声音合不合适，画面里的字有没有写错。

## 下一课：在自己的电脑上生成图片

这一课里的工具都运行在 Google 的服务器上，而且需要套餐。本课程的最后一课 [ComfyUI 教程](https://mindket.com/cn/learn/ai-images-video/comfyui-tutorial)，会安装一个免费应用，在你自己的电脑上生成图片，模型下载好之后断网也能用。

你的提示词可以带过去，一点都不浪费。主体、场景、风格和光线一字不改就能用，ComfyUI 还多了一个单独的输入框，用来写你想排除的东西。静态图片用不上运镜，但特写、远景这类景别词照样能左右结果。

## 自测一下

1. 你的 Gemini Omni 视频在几个镜头之间来回切，可你只想要一个镜头，提示词里该加什么？

   A. 更长的场景描述
   B. “Single continuous shot”或“No scene cuts”
   C. 要求更高的分辨率

   答案：B。 Omni 默认会尝试几个不同的镜头，想要单个场景时，Google 让你在提示词里写明。

2. 哪种运镜是让机器本身靠近主体？

   A. 变焦推近
   B. 向左摇镜
   C. 向上仰拍
   D. 推拉镜头推近

   答案：D。 推拉是机器在移动，变焦只改变镜头焦距，机器留在原地。

3. 你想要一段 Flow 片段以商品照片开场、以标志收尾，该用哪个功能？

   A. 首尾帧
   B. 延长
   C. Return silent videos

   答案：A。 首尾帧让你把一张图拖到开头，另一张拖到结尾，再描述两帧之间发生了什么。

4. 现在还能在哪里用 Sora 生成新视频？

   A. 在 Sora 应用里
   B. 通过 Sora API
   C. 哪里都不行，OpenAI 已经关闭了应用和 API
   D. 在 ChatGPT 的图片编辑器里

   答案：C。 OpenAI 先关闭了 Sora 的应用和网站，后来又关闭了 API，现在只提供旧视频的导出。

## 常见问题

### AI 视频最长能有多长？

单段片段很短。Flow 提供四到十秒，Gemini 应用生成 10 秒的视频。想要更长，就延长片段，或者在视频编辑软件里把几段拼起来。Omni 的开发者指南允许每次延长十秒，总长最多 40 秒。

### 能免费生成 AI 视频吗？

这两个工具不行。在 Gemini 应用里生成视频需要 Google AI 套餐，Flow 需要 Google AI Plus、Pro 或 Ultra。部分 Google Workspace 企业版和教育版套餐附带 Flow，每天有 50 个额度。

### 怎样判断一段视频是不是 AI 生成的？

Google 会在 Gemini 应用生成的每段视频里，以及 Flow 生成的所有内容里，嵌入隐形水印 SynthID。把文件上传到 [Gemini](https://gemini.google.com)，问它是不是 Google AI 生成的。在 Flow 里，头像下拉菜单里的 Visible watermarking 开关可以加上看得见的水印。

### 可以用英语以外的语言写视频提示词吗？

可以试试。Google 的 Omni 开发者指南写明英语完全支持，其他语言还没有经过评估，所以效果可能不稳定。如果用中文写的提示词效果奇怪，就把同一条提示词换成英语再跑一次。

## 资料来源

- [Google: Generate videos with Gemini Apps](https://support.google.com/gemini/answer/16126339?hl=en) (2026-11-05 查阅)
- [Google: Gemini Omni overview](https://gemini.google/overview/video-generation/) (2026-11-05 查阅)
- [Google Flow Help: Get started with Google Flow](https://support.google.com/flow/answer/16353333?hl=en) (2026-11-05 查阅)
- [Google Flow Help: Create videos in Google Flow](https://support.google.com/flow/answer/16353334?hl=en) (2026-11-05 查阅)
- [Google Flow Help: Edit videos & build scenes in Google Flow](https://support.google.com/flow/answer/16935718?hl=en) (2026-11-05 查阅)
- [Google Flow Help: Google Flow models & supported features](https://support.google.com/flow/answer/16352836?hl=en) (2026-11-05 查阅)
- [Google: Gemini Omni Flash (Gemini API docs)](https://aistudio.google.com/docs/omni) (2026-11-05 查阅)
- [Google Cloud: Video generation prompt guide](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/video/video-gen-prompt-guide) (2026-11-05 查阅)
- [OpenAI Help Center: What to know about the Sora discontinuation](https://help.openai.com/en/articles/20001152-what-to-know-about-the-sora-discontinuation) (2026-11-05 查阅)
- [OpenAI Help Center: ChatGPT capabilities overview](https://help.openai.com/en/articles/9260256-chatgpt-capabilities-overview) (2026-11-05 查阅)
- [Google AI Studio: Changelog](https://aistudio.google.com/docs/changelog) (2026-11-05 查阅)
- [Sora on X, March 24, 2026](https://x.com/soraofficialapp/status/2036532795984715896) (2026-11-05 查阅)
- [Dave Clark on X, May 24, 2025](https://x.com/Diesol/status/1926300507397599412) (2026-11-05 查阅)
- [Google Flow on X, September 9, 2026](https://x.com/FlowbyGoogle/status/2097763469445521724) (2026-11-05 查阅)
- [Kevin Stratvert on YouTube: How to Use Google Flow (Step-by-Step Tutorial)](https://www.youtube.com/watch?v=0vQ7UEe7rLg) (2026-11-05 查阅)

[浏览自动化](https://mindket.com/cn/automations)