Mindket

六张照片变成一段渐变视频

新上架第 1 版 · 更新于

概览

一个把六张图片做成一段渐变视频的 n8n 工作流。RunningHub 为每一对相邻的图片做一个两秒的片段,fal.ai 再按你发送的顺序把五个片段拼起来。

六张照片变成一段渐变视频 是一款 n8n 工作流,属于营销类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,或复制它的 JSON,再导入 n8n 画布。在 n8n 里启用之前,它不会运行。

速览

用在
  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Reels、Shorts 和 TikTok:文件做出的是竖屏片段,正适合这些信息流
  • 网盘或聊天应用:在 downloadVideo 后面加一个节点,把视频存下来或发出去

平台

连接 2 个应用

运行方式

触发

六张图片的表单

有人提交 On form submission 里的表单时开始运行,表单里有:

  • 六张图片,每个字段一张
  • 每张都是 .jpg、.jpeg、.png 或 .webp 文件
  • 按视频要走的顺序排好

动作

  1. 把六张图片和 API Setup 里的两个密钥放进同一条数据
  2. 把图片上传到 RunningHub,中间四张各传两次
  3. 为五对相邻的图片各启动一个两秒的 RunningHub 片段
  4. 每分钟查一次每个片段,做好后读取它的地址
  5. fal.ai 按顺序把五个片段拼起来,再下载拼好的视频

结果

一段约十秒的竖屏视频,按顺序从你的六张图片一张张变过去

集成

开始之前要准备好这些。

RunningHub

视频生成

存放六张图片,并运行一个 AI 应用,用每一对图片的首帧和尾帧做出一个片段。

需要RunningHub API 密钥,填在 API Setup 里

fal.ai

视频拼接

用它的 FFmpeg 拼接接口把五个片段合成一段视频,再返回视频地址。

需要fal.ai API 密钥,填在 API Setup 里

工作流检查

由 Mindket 于 2026年11月13日检查

步骤
57 个步骤,由表单启动
AI
没有步骤调用 AI 模型
登录
需要登录:RunningHub、fal.ai
API 密钥
文件里没有留下 API 密钥;有 2 处留空,需填入你自己的密钥
步骤类型
Mindket 的检查器能读懂它全部 8 种步骤类型

以上内容读自工作流文件,并非实际运行的结果。

关于

它是什么

这个 n8n 工作流把六张图片做成一段视频,画面从一张图片渐变到下一张。图片通过一个表单发送。RunningHub 为每一对相邻的图片做一个两秒的片段,一共五个,每对里的第一张是首帧,第二张是尾帧。随后 fal.ai 按顺序把五个片段拼起来,最后一个节点把成片下载下来。整个流程有五十七个节点,大部分是同一小段链条,每对图片重复一次。

适合谁

想展示变化过程的人,比如一间正在装修的房间、一个季节里的花园,或者一款产品历代的样子。六张图片由你自己准备。如果你想加音乐、字幕或配音,就别选它,它只负责拼接片段。

谁在用,怎么用
行业谁在用怎么用例子
短视频发 Reels 和 Shorts 的创作者按顺序发六个瞬间,把竖屏成片发出去一位创作者把小狗的六张照片变成它长大的样子。
家装施工方和室内设计师展示同一个房间在每个施工阶段的样子一位设计师发了厨房的六张照片,从毛坯墙一直到完工。
健身指导记录学员进度的教练经学员同意,发他们每月的进度照一位教练给学员做了一段六个月变化的视频。
消费品牌产品营销人员展示一条产品线历次的发布一个鞋履品牌把同一款鞋的六个版本按从旧到新的顺序发进去。

你需要会一点 n8n:导入文件、粘贴两个密钥、发布一个表单。不用添加任何凭据。作者估计设置大约五分钟,前提是两个账号都已经开好。

用在哪里

任何能访问 RunningHub 和 fal.ai 的 n8n 都能运行它。视频留在这次运行里,所以要想好它接下来去哪儿。

  • n8n Cloud:在那里新建一个工作流,把文件导入进去
  • 你自己的 n8n 服务器:同一个文件,同样的步骤
  • Reels、Shorts 和 TikTok:文件做出的是竖屏片段,正适合这些信息流
  • 网盘或聊天应用:在 downloadVideo 后面加一个节点,把视频存下来或发出去

设置

点“获取”会把一个压缩包存到你的下载文件夹,里面有 workflow.json 和 Mindket 写的设置说明。两个密钥都填在同一个节点里,所以设置很快。

先准备好这些
需要说明
n8nn8n Cloud 或你自己的服务器
RunningHub一个账号和它的 API 密钥。每个片段都是一次付费任务
fal.ai一个账号和它的 API 密钥,用于拼接片段的任务
六张图片.jpg、.jpeg、.png 或 .webp,按视频要走的顺序排好
  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 API Setup,把 YOUR_RUNNINGHUB_API_KEY 换成你的 RunningHub 密钥。
  3. 在同一个节点里,把 YOUR_FAL_KEY 换成你的 fal.ai 密钥,只填密钥本身。fal.ai 的节点会自己在前面加上 Key 这个词。
  4. 可选:在 On form submission 里,把第五和第六个字段的 Multiple Files 关掉,和前四个一样。
  5. 保存,通过表单的测试地址发六张图片,然后点 Publish。

如何使用

打开表单,按你想要的顺序在六个字段里各放一张图片,然后提交。表单会马上确认,运行在后台继续。要等上几分钟。工作流每次检查前都要等一分钟,而且片段是一个接一个做的。downloadVideo 跑完后,到 Executions 里打开这次运行,取出文件。

想要不同的效果,改这里
要改的在哪里改
画面方向五个 HTTP Request 节点里的节点 304:1 是竖屏,文件里就是这样,0 是横屏
每个片段的长度同样五个节点里的节点 307,文件里是 2 秒
顺序表单的字段:第一张图片是开头,第六张是结尾
检查间隔Wait 到 Wait4 各一分钟,Wait5 是 30 秒
用哪个 RunningHub 应用同样五个节点里的 webappId。旁边的节点编号属于那个应用

示例

你发了六张花园的照片,从三月到八月每月一张,都在同一个位置拍的。

五个片段
片段首帧尾帧
1三月四月
2四月五月
3五月六月
4六月七月
5七月八月

fal.ai 按这个顺序把五个片段拼起来。按文件里的设置,你会得到一段约十秒的竖屏视频,从光秃秃的泥土长到盛夏的样子。在同一个位置拍的照片最合适,因为每个片段只能靠它的两帧来做。

新手与专家

新手:n8n 把工作流画成用线连起来的方框,每个方框是一个节点,只做一件事。这个工作流看着很大,其实是同一条链条重复五次:上传两张图片、启动一个片段、等待、检查、取回。先发六张小的测试图片,再打开这次运行里的每个节点,看看 RunningHub 返回了什么。

专家:五对图片在画布上并排摆着,但 n8n 的 v1 执行顺序是一次只跑一对。

重复的部分
部分节点要知道的
上传十个上传节点第二到第五张图片各传两次,它们属于两对,每对一次
配对Merge 和 Merge2 到 Merge5,各带一个 Aggregate追加模式,所以 data[0] 是首帧,data[1] 是尾帧
片段HTTP Request 到 HTTP Request4RunningHub 的 AI 应用 1935261777502601217,它的节点 64 和 112 接收两帧
轮询Wait、checkStatus 和 If,共五组只有 SUCCESS 能跳出循环
拼接Merge All links、Aggregate5、Submit merge job五个输入按配对顺序排好,发到 fal.ai 的 ffmpeg-api/merge-videos 队列

如果每张图片只上传一次,再用存下来的文件名配对,每次运行可以少传四次。

注意事项

它会在两家服务商那里花钱,一个片段失败就会让这次运行一直等下去。

  • 费用:每次运行 RunningHub 收五个片段任务的钱,fal.ai 收一次拼接任务的钱
  • 片段失败:If 节点只认 SUCCESS,所以失败的任务会每分钟被查一次,永不停止。到 Executions 里把那次运行停掉
  • 一个字段放两个文件:第五和第六个字段的 Multiple Files 是开着的。放两个文件会得到带编号的名字,上传节点一个也找不到
  • 公开的表单:工作流发布后,任何拿到表单地址的人都能用你的账号启动一次运行
  • 你的密钥:两个密钥都以明文写在 API Setup 里,分享工作流之前先删掉
  • 你的图片:图片会发给 RunningHub,片段的地址会发给 fal.ai。只用你有权使用的图片
  • 凭据:JSON 里没有任何凭据,也没有作者账号里的任何东西

README 和文件

README

六张照片变成一段渐变视频

一个 n8n 工作流。通过它的表单发六张图片,RunningHub 会把每一对相邻的图片做成一个短片段,让画面从一张变到下一张。随后 fal.ai 按你发图片的顺序,把五个片段拼成一段视频。

包里有什么

  • workflow.json:n8n 导出的工作流,57 个节点,没有便签。里面没有任何凭据。你的两个密钥都填在一个节点 API Setup 里。
  • README.md:这份设置说明,压缩包里的是英文版。

我们相对原来的副本改了什么

  • API Setup 的两个字段原来写的是同一句要你填密钥的话。现在分别是 YOUR_RUNNINGHUB_API_KEY 和 YOUR_FAL_KEY,方便你分清。
  • 别的都没动。它唯一的 Code 节点 getBinaryFile 不需要修。

开始之前

  • 一个 n8n 实例,n8n Cloud 或自己的服务器都行。
  • 一个 RunningHub 账号和它的 API 密钥。每个片段在那里都是一次付费任务。
  • 一个 fal.ai 账号和它的 API 密钥,用于拼接片段的任务。
  • 六张 .jpg、.jpeg、.png 或 .webp 图片,按视频要走的顺序排好。

设置

  1. 在 n8n 里新建一个工作流,打开它的菜单,选 Import from File,选中 workflow.json。
  2. 打开 API Setup,把 YOUR_RUNNINGHUB_API_KEY 换成你的 RunningHub 密钥。
  3. 在同一个节点里,把 YOUR_FAL_KEY 换成你的 fal.ai 密钥,别的什么都不加。三个 fal.ai 节点会自己在前面加上 Key 和一个空格,所以写成 Key … 的值发到 fal.ai 时会变成 Key Key …,会被拒绝。
  4. 可选:打开 On form submission,把第五和第六个字段的 Multiple Files 关掉,前四个字段本来就是关的(见注意事项)。
  5. 保存,打开表单的测试地址,通过它发六张图片。
  6. 点 Publish,然后把表单的正式地址分享出去。

表单会马上确认,运行在后台继续。拼好的视频最后以文件的形式留在 downloadVideo 里,所以到 Executions 里打开这次运行就能拿到。也可以在 downloadVideo 后面加一个节点,把它存到网盘或发出去。

一次运行的过程

  1. On form submission 接收六个文件。getBinaryFile 把它们传下去,Merge1 把它们和 API Setup 里的两个密钥放进同一条数据。
  2. 十个上传节点把图片发给 RunningHub。第二到第五张图片各传两次,一次作为一对的尾帧,一次作为下一对的首帧。
  3. Merge 和 Merge2 到 Merge5,每个后面跟一个 Aggregate 节点,组成五对:1 和 2、2 和 3、3 和 4、4 和 5、5 和 6。
  4. 每一对由 HTTP Request 到 HTTP Request4 中的一个启动 RunningHub 的 AI 应用 1935261777502601217。首帧放进它的节点 64,尾帧放进节点 112。另外两个节点把画面设为竖屏、片段设为两秒(见改变风格)。
  5. 一个 Wait 节点等一分钟,然后一个 checkStatus 节点查询任务状态。它的 If 节点把 SUCCESS 送到 getOutput,由它读取片段的地址。其他状态都回到同一个 Wait,再等一分钟。
  6. Merge All links 按配对顺序收齐五个片段,Aggregate5 把它们的地址放进一个列表。
  7. Submit merge job 把列表发到 fal.ai 的 FFmpeg 拼接接口。Wait5 等 30 秒,Check Status 查询任务状态,If5 一直绕回 Wait5,直到 fal.ai 报告 COMPLETED。
  8. Get Final Result 读取拼好的视频地址,downloadVideo 把文件取回来。

| 节点 | 接口 | 发送 | 返回 |
|---|---|---|---|
| 十个上传节点 | RunningHub /task/openapi/upload | 密钥和一张图片 | 存好的图片的 fileName |
| HTTP Request 到 HTTP Request4 | RunningHub /task/openapi/ai-app/run | 密钥、webappId 和 nodeInfoList | 一个 taskId |
| checkStatus 到 checkStatus4 | RunningHub /task/openapi/status | 密钥和 taskId | 任务状态,比如 SUCCESS |
| getOutput 到 getOutput4 | RunningHub /task/openapi/outputs | 密钥和 taskId | 片段的 fileUrl |
| Submit merge job | fal.ai fal-ai/ffmpeg-api/merge-videos,走它的队列 | video_urls 里的五个地址 | 一个 request_id |
| Check Status、Get Final Result | fal.ai fal-ai/ffmpeg-api/requests/<request_id> | 密钥 | 任务状态,然后是 video.url |

改变风格

  • 画面方向:五个 HTTP Request 节点里的节点 304,1 是竖屏,0 是横屏。五个都要改,否则拼起来时片段对不上。
  • 片段长度:同样五个节点里的节点 307。文件里设的是 2 秒,所以拼好的视频大约十秒。
  • 顺序:表单的字段。第一张图片是视频的开头,第六张是结尾。
  • 检查间隔:Wait 到 Wait4 在每次查询 RunningHub 前等一分钟,Wait5 在每次查询 fal.ai 前等 30 秒。
  • 表单:它的标题是 Start & End Frame Tranformation Creator,拼写照文件原样。可以在 On form submission 里改名。如果你改了字段名,上传节点也要跟着改:它们按 Upload_your_1st_image 到 Upload_your_6th_image 读取文件,这些名字是 n8n 根据字段标签生成的。
  • 用哪个应用做片段:五个 HTTP Request 节点里的 webappId。nodeInfoList 里的节点编号属于那个应用,换成别的应用时要核对一下。

注意事项

  • 每次运行 RunningHub 收五个片段任务的钱,fal.ai 收一次拼接任务的钱。
  • 片段失败不会让运行结束。If 节点只认 SUCCESS,所以失败的任务每分钟都会被再查一次。等了很久还没有视频的话,到 Executions 里打开这次运行,把它停掉。
  • 这个文件用的是 n8n 的 v1 执行顺序,五条分支一次只跑一条。片段一个接一个地做,每个至少要等一分钟,然后才开始拼接。
  • 表单的第五和第六个字段把 Multiple Files 留在 n8n 的默认值,也就是开着。每个字段只放一张图片。一个字段里放两个文件会得到带编号的名字,比如 Upload_your_5th_image_0,上传节点一个也找不到。
  • 工作流发布后,任何拿到表单地址的人都能用你的 RunningHub 和 fal.ai 账号启动一次运行。
  • 两个密钥都以明文写在 API Setup 里,能打开这个工作流的人都能看到。分享之前先把它们删掉。
  • 图片会发给 RunningHub,片段的地址会发给 fal.ai。只用你有权使用的图片,出现别人的脸要先征得本人同意。
文件
README.md  6 KB
workflow.json  54 KB

2 个文件,共 60 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-03

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

营销类的相似商品

查看营销类的全部商品

Huashu Design

alchaincyf · 技能

把你在 AI 智能体里写的一句话需求,变成一份完成的设计:发布动画、可点击的应用原型、可编辑的幻灯片、信息图,或一组小红书图片。可在多种智能体中使用。

新上架29.4k

Pixel Art XL

nerijs · 工具包

一个用于 Stable Diffusion XL 的像素画风格附加模型,把文字提示词变成像素风图片,并可搭配 LCM LoRA 加快运行。适合游戏开发者、设计师和爱好者。

新上架

Licon MSR for LTX-2.5

LiconStudio · 工具包

给模型最多五张参考图,让生成视频中的人物、服装、物体和背景保持一致。这是用于 ComfyUI 中 LTX-2.5 的 LoRA,还可以为两位说话者添加音频参考。

新上架