把一张人像照动起来，是 AI 视频里情感价值最高的玩法：会呼吸的婚纱照、又笑了的爷爷奶奶、摇尾巴的宠物。这也是最容易把脸搞崩的环节，因为只要动作一大，面部就会重排。解决办法就一个字——克制：一个微动作、机位锁死、5–8 秒以内。下面 10 个可复制的人像转视频模板，都是为了把原来那张脸保住而调出来的，并附上对应 2026 年现役阵容的选型（Kling 3.0、Veo 3.1、Sora 2、Runway Gen-4）。
一句话总结： 只写一个微动作（眨眼、微笑、轻偏头、面纱飘），机位锁死，色调和光线沿用原图，时长压在 5–8 秒。脸要纯身份保留选 Kling 3.0；要带同步声音选 Veo 3.1；要电影感风格化选 Sora 2。同一张图跑三次，挑最干净的。
任何人像转视频都该锁住的 5 个要素
上传原图之前先确认：
- 镜头（Lens）——继承原图，不要再描述（在 24mm 人像上写
85mm会引入畸变） - 光线（Light）——同样继承；写
lighting unchanged from source - 运动（Motion）——只做一个微动作：眨眼、微笑、轻偏头、发丝飘、面纱抚动
- 色调（Palette）——
colors unchanged from source几乎都是对的 - 5–8 秒克制——超过 6 秒人脸就开始飘
铁律：一个微动作 + 机位锁死。再加第二个动作或者任何机位运动，脸就变形。
10 个可复制的 Prompt 模板
1. 婚纱照·面纱微动
The bride in the frame stays still. Her veil sways gently as if a light breeze passes through. A single soft strand of hair near her temple moves slightly. No facial movement. Camera is locked, no movement at all. Lighting and colors unchanged from source. Duration: 5 seconds.2. 全家福·浅笑慢推
Each person in the family photo gives a very small, soft natural smile, holding for the full clip. No head movement, no blink. Camera does a barely perceptible slow zoom in, about 5 percent total. Lighting unchanged. Duration: 6 seconds.3. 老人宠物照·摇尾巴
The dog in the photo wags its tail gently, side to side, two or three times across the clip. Dog's body, head, and face stay completely still. Owner stays still. Camera is locked. Lighting and colors unchanged. Duration: 5 seconds.4. 祖辈老照片·轻摇镜
The subjects in the vintage photo remain completely still. Camera does a very slow gentle pan from left to right across the frame, rotating about 5 degrees total. Subtle film grain breathes. Sepia tone and lighting unchanged. Duration: 6 seconds.5. 复古写真·眨眼配甩发
The model in the pinup photo gives a single playful wink with her right eye, then a small hair flip with her right hand near her shoulder. Single sequence, no repeat. Camera is locked. Lighting and colors unchanged. Duration: 5 seconds.6. 网红肖像·甩发加微笑
The subject in the portrait gives a soft smile and a small head tilt to her right, with a single strand of hair brushing past her cheek. No eye movement other than blink. Camera locked, no zoom. Lighting and palette unchanged. Duration: 5 seconds.7. 商务证件照·轻挑眉
The subject in the corporate headshot raises both eyebrows very slightly once, holding the position for the rest of the clip. No smile, no head movement, no other facial change. Camera locked. Lighting unchanged. Duration: 5 seconds.8. 学生照·轻笑
The student in the school photo gives a small natural laugh, with very small shoulder movement and a single soft eye-crinkle. No head turn, no zoom. Camera is locked. Lighting and uniform colors unchanged. Duration: 5 seconds.9. 时尚封面·缓转头
The model on the fashion cover turns her head slowly from facing camera to a three-quarter profile to her left, ending in a soft confident expression. Body and shoulders stay still. Camera locked. Lighting and palette unchanged. Duration: 6 seconds.10. 宠物肖像·眨眼加耳动
The cat in the pet portrait blinks once slowly, then one ear twitches subtly. Rest of the body stays still. Camera is locked. Lighting and colors unchanged. Duration: 5 seconds.5 个常见误区
- 同时要微笑、转头、眨眼——只挑一个微动作
- 写新的光线描述——会覆盖原图、把脸的光面也重画
- 给人像加机位运动——哪怕一点点摇都会破坏面部一致性
- 不写
lighting unchanged from source——模型按默认调色，肤色就漂了 - 特写超过 6 秒——脸开始可见地变形
5 个进阶用法
- 同一张图跑三次——成本最低的方差控制，挑最干净的那条
- 用 Veo 3.1 给全家福加一行环境音——
ambient: soft laughter, distant chatter（这几家里只有 Veo 3.1 能在同一次渲染里直接出同步声音） - 接续三段人像片——同一个人，每段一个不同微动作
- 用慢叠化串起来——把”静变动”的效果做足
- 先把原图放大——源图低于 1024px，5 秒内身份就崩
人像该选哪家模型（2026 年 6 月）
人像视频阵容在 2026 年初换了一轮，所以版本号很关键。截至 2026 年 6 月，做静态人像比较稳的是这四家：Kling 3.0（2026 年 2 月 5 日发布）、Veo 3.1、Sora 2、Runway Gen-4。过去那套”Runway Gen-3、Veo 3”的建议已经过时。
| 模型 | 最适合 | 身份保留 | 原生声音 | 关键参数（截至 2026 年 6 月） |
|---|---|---|---|---|
| Kling 3.0 | 婚纱、全家福、东亚面孔 | 人脸上最稳 | 无（仅文/图转视频） | Subject Binding / 身份一致性架构，会锁定面部结构、发型和服装，动作中也不漂；原生 4K 60fps，单段最长 15 秒；官方 API $0.084/秒（标准档）到 $0.168/秒（Pro 档） |
| Veo 3.1 | 想带一层声音的家庭片 | 强 | 有 | 这里唯一能在渲染里直接出同步声音；快速档 $0.15/秒，标准档 $0.40/秒（声音已含在价内）；单次生成 4、6 或 8 秒，更长需用 extend 续接 |
| Sora 2 | 复古、电影感、风格化 | 中（诠释更多） | 有 | 面向普通用户的入口（独立 App + ChatGPT 内）已于 2026 年 4 月 26 日关停，现在只能走 OpenAI Video API（该 API 将于 2026 年 9 月 24 日下线），单段 4–25 秒 |
| Runway Gen-4 | 网红、时尚、固定角色 | 凭参考图保持强一致 | 无 | 一张参考图就能让同一张脸跨镜头保持约 95% 以上一致——Runway 称比 Gen-3 一致性高约 40% |
怎么选，说白了：
- 脸必须 100% 不变 → Kling 3.0。
- 想要一层轻声音（笑声、风声）→ Veo 3.1。
- 想要风格化或电影感诠释 → Sora 2（漂移会大一些；它现在只剩 API，且 API 将于 2026 年 9 月 24 日下线，只能当临时方案、要准备退路）。
- 要同一个人出现在多段里 → Runway Gen-4，配一张锁定的参考图。
不同情绪下的人像配方
- 浪漫 / 婚纱——面纱抚动 + 机位锁死 + 5 秒 + 暖色调不变
- 追忆 / 怀旧——轻摇镜 + 黄褐色或低饱和色调 + 6 秒 + 不做面部动作
- 俏皮 / 社交——眨眼或甩发 + 机位锁死 + 5 秒 + 饱和色调
- 职业 / 商务——挑眉 + 机位锁死 + 5 秒 + 中性冷调
- 温情 / 家庭——浅笑 + 几乎察觉不到的微推 + 6 秒 + 暖色调
FAQ
Q：为什么主体的脸中途变形？ A：要么片子太长（剪到 5 秒），要么动作太大（换更小的），要么原图分辨率太低（放大到 1024px+）。
Q：2026 年哪家模型做人像转视频最好？ A：截至 2026 年 6 月，纯人脸身份保留 Kling 3.0 领先——它的 Subject Binding / 身份一致性架构会提取并锁定面部结构、发型和服装，所以小动作下也不容易崩。给参考图后，Runway Gen-4 能跨角度把同一张脸稳在约 95% 以上一致（Runway 称比 Gen-3 高约 40%）。Veo 3.1 是唯一能在同一次渲染里加同步声音的。Sora 2 更偏风格化，但要注意 OpenAI 已于 2026 年 4 月 26 日关停所有面向普通用户的 Sora 入口（独立 App 和 ChatGPT 内的功能都没了），而且 OpenAI Video API 本身将于 2026 年 9 月 24 日下线，是个越来越窄的选择。建议在你自己的图上对比两家。
Q：怎么把已故亲人的照片得体地做动？ A：这里的模板就是按”克制”调的。只做一个微动作（微笑、眨眼、轻摇镜），不要转头、不要说话。
Q：怎么把原图的颜色完全保留？
A：永远写 lighting and colors unchanged from source。不写这句模型就会漂回它默认色调。
Q：人像视频最适合什么画幅？ A：跟原图严格一致。强行换比例就会裁脸或扭脸。Sora 2 竖屏横屏都支持，Kling 3.0 直接读输入比例，所以最稳的做法就是把原图原样喂进去。
想了解 Gen-4 如何凭一张参考图稳住一张脸，可参考 Runway 的 Gen-4 参考指南；想了解 Veo 的声音行为，可参考 Google 的 Veo 文档。