图生视频 API 实战：用 Python 搭建产品演示视频生成器

上个季度我发现一件离谱的事：我们产品组每个月花 3500 块找外包，就为了把静态产品截图做成 5 秒的动态展示视频。十几帧手机旋转、后台界面滚动——技术含量约等于零。每条视频 280 元，交付周期 3 天。我花了一个周末写了套 image to video API 的自动化脚本，现在同样的活儿 90 秒出片，单条成本不到 1 块钱。这篇文章完整记录搭建过程。

太长不看版： 一个 Python 脚本 + 图生视频 AI 接口，就能把产品截图变成带动效的演示视频。100 条/月的成本约 ¥100。本文横评四家 API、给出可运行代码、详解踩过的坑。

图生视频 API 到底在干什么

图生视频 API 接收一张静态图片（PNG/JPEG，建议 1024×1024 或 1280×720）和一段描述运动方式的文本 prompt，返回一段 5-10 秒的短视频（24-30fps，MP4 格式）。

底层技术是基于扩散模型的视频生成。输入图片作为第一帧（或强条件信号），模型根据 prompt 推理后续帧的像素变化。本质上是在”想象”图片接下来会怎么动。

你能控制的核心参数：

• 输入图片 — 参考帧。分辨率不是越大越好，1024×1024 是性价比最优解。
• Prompt — 描述动作而非场景。“镜头缓慢顺时针旋转 15 度”比”一张漂亮的产品图”有效得多。
• 时长 — 5 秒是标准。10 秒的价格翻倍且画质明显下降。
• 生成模式 — 多数 API 提供速度/质量的档位选择（turbo、standard、pro）。

它做不到的事：不会加 UI 元素、不会叠加文字、不会合成多张图。这些是后期处理环节。

四家 API 横评：价格、速度、画质

我用同一张 1024×1024 的 App 界面截图，配相同 prompt（“页面向上平滑滚动，展示折叠内容”）测试了四家图生视频 AI 服务：

服务商	模型	单价（5s）	生成耗时	输出分辨率	最适合场景
Kling Video 3	Turbo	¥0.50	~30s	720p	快速迭代、内部验证
Kling Video 3	Standard	¥1.00	~120s	1080p	正式产品演示
Kling Video 3	Pro	¥2.00	~180s	1080p	复杂镜头运动
MiniMax H3	默认	¥0.70	~90s	2K	文本引导的场景变化
Luma Dream Machine	默认	¥1.05	~60s	1080p	实物产品的自然运动
Gemini Flash Video	默认	¥0.20	~15s	720p	原型验证、成本敏感

我的结论： 做产品截图动效，Kling Video 3 Standard 是综合最优。运动可控且可预测——UI 动画最怕”模型自由发挥”。MiniMax H3 画面惊艳但偶尔会凭空生成界面元素。Luma 的长项是物理世界的自然运动（桌上的产品旋转），处理纯屏幕内容反而不稳定。

Gemini Flash Video 单价最低但画质差距明显，适合内部沟通用，不建议上客户面前的页面。

完整代码：一张图生成三条视频，选最好的那条

环境准备

pip install httpx asyncio pathlib

核心实现

import httpx
import asyncio
import time
import json
from pathlib import Path

# 配置
API_BASE_URL = "https://api.example.com/v1"  # 替换为实际 API 地址
API_KEY = "your-api-key-here"

HEADERS = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
}

# 针对产品演示优化的运动 prompt
DEMO_PROMPTS = [
    "镜头缓慢推进，页面内容同时向上平滑滚动",
    "产品轻微顺时针旋转10度，展示侧面细节",
    "轻微视差效果，背景微动，产品主体保持居中",
]


async def submit_video_generation(
    client: httpx.AsyncClient,
    image_url: str,
    prompt: str,
    duration: int = 5,
    mode: str = "standard",
) -> str:
    """提交图生视频任务，返回 task_id。"""
    payload = {
        "model": "kling-video-3",
        "mode": mode,
        "input": {
            "image_url": image_url,
            "prompt": prompt,
        },
        "duration": duration,
        "output_format": "mp4",
    }

    response = await client.post(
        f"{API_BASE_URL}/video/image-to-video",
        headers=HEADERS,
        json=payload,
        timeout=30.0,
    )
    response.raise_for_status()
    data = response.json()
    return data["task_id"]


async def poll_task_status(
    client: httpx.AsyncClient,
    task_id: str,
    max_wait: int = 300,
    poll_interval: int = 10,
) -> dict:
    """轮询任务状态直到完成或超时。"""
    elapsed = 0
    while elapsed < max_wait:
        response = await client.get(
            f"{API_BASE_URL}/video/tasks/{task_id}",
            headers=HEADERS,
            timeout=15.0,
        )
        response.raise_for_status()
        result = response.json()

        status = result["status"]
        if status == "completed":
            return result
        elif status == "failed":
            raise RuntimeError(f"任务 {task_id} 失败: {result.get('error', '未知错误')}")

        await asyncio.sleep(poll_interval)
        elapsed += poll_interval

    raise TimeoutError(f"任务 {task_id} 超时（等待 {max_wait}s）")


async def download_video(
    client: httpx.AsyncClient,
    video_url: str,
    output_path: Path,
) -> Path:
    """下载生成的视频到本地。"""
    response = await client.get(video_url, timeout=60.0)
    response.raise_for_status()
    output_path.write_bytes(response.content)
    return output_path


async def generate_product_demos(
    image_url: str,
    output_dir: str = "./output",
    mode: str = "standard",
) -> list[Path]:
    """从一张产品图生成 3 条视频变体。"""
    output_path = Path(output_dir)
    output_path.mkdir(parents=True, exist_ok=True)

    results = []

    async with httpx.AsyncClient() as client:
        # 并行提交 3 个变体
        print(f"正在提交 3 个视频生成任务（{mode} 模式）...")
        tasks = []
        for i, prompt in enumerate(DEMO_PROMPTS):
            task_id = await submit_video_generation(
                client, image_url, prompt, duration=5, mode=mode
            )
            tasks.append((i, task_id, prompt))
            print(f"  变体 {i+1}: task_id={task_id}")

        # 并行轮询所有任务
        print("等待生成完成...")
        start_time = time.time()

        async def process_task(idx, task_id, prompt):
            result = await poll_task_status(client, task_id)
            video_url = result["output"]["video_url"]
            file_path = output_path / f"demo_variant_{idx+1}.mp4"
            await download_video(client, video_url, file_path)
            elapsed = time.time() - start_time
            print(f"  变体 {idx+1} 完成，耗时 {elapsed:.1f}s → {file_path}")
            return file_path

        completed = await asyncio.gather(
            *[process_task(idx, tid, p) for idx, tid, p in tasks],
            return_exceptions=True,
        )

        for item in completed:
            if isinstance(item, Exception):
                print(f"  警告: 有一个变体生成失败: {item}")
            else:
                results.append(item)

    total_time = time.time() - start_time
    print(f"\n完成。{len(results)}/3 个变体生成成功，总耗时 {total_time:.1f}s")
    print(f"预估费用: ¥{len(results) * 1.00:.2f}（standard 模式）")
    return results


# 使用示例
if __name__ == "__main__":
    IMAGE_URL = "https://your-bucket.s3.amazonaws.com/product-screenshot.png"

    videos = asyncio.run(generate_product_demos(IMAGE_URL, mode="standard"))
    print(f"\n已生成 {len(videos)} 条视频，请人工挑选最佳版本。")

代码要点说明

1. 并行提交 — 3 条变体同时发出请求，总等待时间等于最慢的那条（~120s），而不是 3 倍。
2. 异步轮询 — 非阻塞状态检查，每 10 秒一次。
3. 容错处理 — 单条失败（概率约 5%）不影响其他变体。
4. 成本追踪 — 每次运行打印费用估算。

批量处理扩展

如果要跑整个产品目录：

async def batch_generate(image_urls: list[str], output_base: str = "./output"):
    """批量处理多张产品图，每张生成 3 个变体。"""
    all_results = {}
    for i, url in enumerate(image_urls):
        print(f"\n--- 产品 {i+1}/{len(image_urls)} ---")
        output_dir = f"{output_base}/product_{i+1}"
        videos = await generate_product_demos(url, output_dir=output_dir)
        all_results[url] = videos
        # 限流：多数 API 允许 5-10 个并发任务
        await asyncio.sleep(2)
    return all_results

成本核算：每月 100 条产品演示要花多少钱

规模	模式	实际生成条数	月费用	单条最终成本
100 条演示	Standard（每条 3 变体）	300	¥300	¥3.00
100 条演示	Turbo（每条 3 变体）	300	¥150	¥1.50
100 条演示	Standard（不做变体）	100	¥100	¥1.00
50 条演示	Pro（每条 3 变体）	150	¥300	¥6.00

对比之前外包每月 3500 元的开支，即使用最高规格 Pro 模式 + 3 变体，月费也只有 ¥300——节省 91%。

容易忽略的隐性成本：

• 图片存储（OSS/S3）：100 张图约 ¥3/月
• 脚本运行算力：几乎可以忽略，任何有 Python 的机器都能跑
• 失败重试（约 5% 失败率）：预算多加 5%

100 条产品演示的实际月预算：约 ¥315

踩坑记录与注意事项

跑了 3 个月生产环境，总结出以下经验：

1. Prompt 的精确度比图片质量更重要。 “向上滚动”这种笼统描述效果不稳定。“页面内容以中等速度向上滚动，5 秒内移动约 200 像素”——给出方向、速度、幅度的具体数值，输出才可复现。

2. 透明 PNG 会产生伪影。 测试过的所有 API 处理透明通道都有问题。提交前先转 JPEG 或加纯色背景。光这一步就解决了 60% 的”输出异常”工单。

3. 10 秒视频在第 150 帧之后明显劣化。 扩散模型的误差会随时间累积。产品演示 5 秒足够。需要更长内容就生成两个 5 秒片段再拼接。

4. 并发限制真实存在且文档经常不写。 Kling 单 Key 限 10 并发，MiniMax 限 5。超了直接 429 且不返回 retry-after 头。在代码里加保守的延时。

5. 输入输出宽高比必须一致。 拿 16:9 的图去生成 1:1 的视频，输出会被拉伸变形。要么裁图，要么指定匹配的输出比例。

6. 结果不可复现。 相同图片 + 相同 prompt ≠ 相同输出。这就是为什么我们每次生成 3 条再挑。把多余的 API 调用预算算进去。

常见问题

Q：生成的视频能商用吗？ A：可以。本文提到的四家 API 都允许商用（包含在生成内容中）。具体的分发限制和署名要求以各家最新服务条款为准。

Q：输入图片分辨率多少最合适？ A：1024×1024 或 1280×720 在所有供应商上效果最好。更大的图会被缩放到模型内部分辨率，更小的图（<512px）输出模糊。传大图并不会让视频更清晰。

Q：怎么给生成的视频加文字水印或品牌 logo？ A：AI 图生视频输出的是纯净视频画面，不带任何覆盖物。用 FFmpeg 做后期：

ffmpeg -i demo_variant_1.mp4 -vf "drawtext=text='免费试用':fontsize=24:x=40:y=40:fontcolor=white:fontfile=/path/to/chinese-font.ttf" output_branded.mp4

Q：API 挂了或者特别慢怎么办？ A：加指数退避重试。实测 Kling 可用率约 99.5%，但偶尔有 2-3 分钟的延迟尖峰。代码里的轮询模式天然能应对慢响应，把 max_wait 设够大（实测 300s 足够）就行。

Q：能针对我的产品风格微调模型吗？ A：目前不能。四家都不提供视频生成模型的 fine-tuning。替代方案是积累 prompt 模板库——我维护了 8-10 条经过验证的 prompt，覆盖不同 UI 动效类型，复用率很高。

核心结论

1. 图生视频 API 能替代低端外包动画。 画质足以应付落地页、社交媒体、销售演示等场景。

2. 做 UI/截图类动效，Kling Video 3 Standard 是当前最优选。 运动可控、1080p 输出、单价 ¥1。实物产品用 MiniMax H3，自然运动用 Luma。

3. 一定要做多变体生成。 视频生成本质是不确定的。每条正式输出预算 3 个变体，人工或自动挑选。

4. 单条控制在 5 秒以内。 超过这个时长画质下降明显。需要长视频就分段生成再拼接。

5. 真正的价值在于迭代速度。 从 3 天交付缩短到 90 秒，意味着你的产品团队能在一个下午测试 20 种视频方案，而不是等一周拿到一个版本。

Kling video API 和同类产品已经成熟到”够用”的视频变成了标准品。竞争力不再是”有没有视频”，而是”能不能快速试出最对的那版”。

---

在 SandBase 上调用这些模型

本文提到的四个图生视频模型都可以通过 SandBase 统一调用——一个 API、一个账号、一个 key，切换模型只改一个参数。

# 统一接口，换 model 字段即可切换
response = client.post("/v1/run", json={
    "model": "kwaivgi/kling-video-3-standard",  # 或 "minimax/h3", "luma/dream-machine"
    "prompt": "产品平滑旋转...",
    "input_image": image_url,
    "aspect_ratio": "16:9"
})

浏览可用视频模型：sandbase.ai/models

Related Reading

• 搭一个广告素材视频 Agent（教程）
• 2026 最佳 Image to Video AI 模型（Agent 视角）
• 文生视频 vs 图生视频 vs 参考视频：AI 视频生成模式实战选型指南
• 2026 最佳 AI 视频生成 API
• AI 视频生成的钱怎么算
• Kling Video 3.0：统一多镜头视频生成