圖片生成影片並非單一工作流程。有時影片必須由指定靜態圖片開始，有時結尾構圖同樣重要；另一些專案則不要求精準重現第一個影格，而是更重視人物、產品或整體風格能否保持可辨認。
Veo3o1 把這些需要分成首尾影格與參考圖兩種模式。先選對模式再寫提示詞，可減少無效點數消耗，也避免要求模型執行輸入方式本身無法支援的指令。
先看結論
- 開場構圖、結尾構圖或兩者之間的過渡最重要時，選擇首尾影格。
- 重複出現的主體或視覺特徵比精準第一個影格、最後一個影格重要時，選擇參考圖。
- 完全不必保留上傳圖片的視覺資訊時，選擇文字轉影片。
首尾影格：控制鏡頭兩端
首尾影格模式可上傳一張或兩張圖片。一張圖片提供視覺起點；兩張圖片定義鏡頭兩端，提示詞則說明中間如何自然過渡。
合適用途包括：
- 把產品靜態圖製作成產品展示鏡頭；
- 從廣角遠景移動至近景構圖；
- 製作日間到夜間的轉變；
- 連接分鏡表內已設計好的兩個畫面；
- 在保護開場構圖的前提下讓靜態圖動起來。
兩張圖片需要具備視覺上的銜接性。若主體、機位、光線及環境全部不同，8 秒鏡頭的大部分運動可能只用來勉強處理衝突。
有效的轉場提示詞應描述路徑，而非只重複終點：
從第一個影格開始。鏡頭穿過打開的門慢慢向前，日光逐漸轉為傍晚光線。以第二個影格結束，招牌位於畫面中央，攝影機停止移動。
上傳與設定步驟見首尾影格使用文件。
參考圖：維持外觀與視覺風格
參考圖模式可上傳一至三張圖片，支援 Lite 與 Fast，目前固定為 8 秒，並要求選擇 16:9 或 9:16。
它適合：
- 重複出現的人物；
- 外形或包裝有辨識度的產品；
- 需要保持一致的服裝或配色；
- 必須持續可辨認的車輛、房間或物件；
- 共用同一視覺特徵的多個鏡頭。
上傳圖片會引導主體，但不會鎖定開頭與結尾的精確構圖。模型仍可圍繞參考外觀重新組織鏡頭。
以外觀一致性為目標時，參考圖必須彼此協調。人物肖像、能看清服裝的較寬的畫面及一個側面角度，通常比三張幾乎相同的圖片更有用。選圖與提示詞結構可查看角色一致性指南。
選擇比較表
| 判斷問題 | 首尾影格 | 參考圖 |
|---|---|---|
| 主要目標 | 控制鏡頭起點與終點 | 保持主體或視覺特徵 |
| 圖片數量 | 1–2 張 | 1–3 張 |
| 最合適 | 轉場、分鏡表、靜態圖動畫 | 人物、產品、重複出現的視覺世界 |
| 目前參考圖模式限制 | 視所選設定而定 | Lite/Fast、8 秒、16:9 或 9:16 |
首尾影格用來引導開場與結尾，不保證逐像素重現。使用成品前，請分別檢查起止畫面，以及中間的動作是否符合需求。
三個實際例子
產品展示鏡頭
已有乾淨包裝圖及最終主視覺時，選擇首尾影格。提示詞說明鏡頭如何移動、光線如何改變，以及包裝如何到達最終位置。
重複出鏡的講解者
需要同一人物在不同環境的多段影片出現時，選擇參考圖。保持人物描述穩定，每次只改一個動作或地點。
只有氣氛的概念鏡頭
若想製作「雨夜中的未來市場」，但沒有必須保留的視覺素材，選擇文字轉影片。此時加入參考圖只會增加限制，並未解決實際需要。
避免模式與需要不相符
不要要求參考圖模式重現精準結束影格，它不是端點鎖定工具。不要上傳兩張毫無關聯的圖片，卻期待在沒有說明路徑下得到自然轉場。亦不要只因手上有圖片便一定上傳；每個輸入都應服務鏡頭的主要目標。