很多人訂閱 Google AI Pro 以后，第一反應是三個入口來回點：Gemini 能生成視頻，Flow 也能生成，Google Vids 里同樣有 AI Video。看起來功能重復，真正用起來卻很容易越試越亂，積分也在一次次“抽卡”里消耗掉。
我把這三個工具連續跑了一遍以后，逐漸形成了一套比較穩定的 Google AI 視頻工作流：Gemini 負責快速驗證想法，Flow 負責正式生產鏡頭，Google Vids 負責把多個片段拼成完整故事。
這套流程不是為了把事情弄復雜。恰恰相反，它解決的是一個常見問題：不要指望一個 Prompt、一個工具，一次完成從創意到成片的所有工作。
先記住三個工具的分工
Gemini 是試驗臺。它適合快速測試題材、主體、動作和鏡頭方向。第一輪只判斷創意能不能成立，不必一上來就寫很長的 Prompt，更不必把每次測試都當作最終鏡頭。
Google Flow 是鏡頭生產區。一個系列建一個 Project，把角色圖、場景圖、Prompt 和生成片段放在一起。這里適合選擇模型、管理素材，并把已經驗證過的方向做成正式鏡頭。
Google Vids 是時間線。它負責導入或生成多個片段，再做排序、裁切、字幕、聲音和轉場。它解決的不是“這一幀好不好看”，而是多個鏡頭能不能成為一條完整視頻。
如果你只做一條簡單的 4 至 10 秒概念視頻，Gemini 或 Flow 選一個就夠了。只有當項目涉及固定角色、多鏡頭、系列內容或持續生產時，完整工作流才真正有價值。
先拆鏡頭，再寫 Prompt
生成前先回答四個問題：最終做橫屏還是豎屏？成片是 10 秒，還是 30 至 60 秒？有沒有必須保持不變的人物、產品或場景？整條視頻需要幾個主要動作？
例如“一個人深夜回家做咖喱飯”，不要直接要求模型在 10 秒里同時完成進門、洗菜、切菜、炒制、裝盤和吃飯。更穩的辦法是拆成四到五個鏡頭，每個鏡頭只解決一個主要動作。
拆鏡頭的意義，不只是讓模型更容易理解。哪個片段失敗，就只重做哪個片段，不必整條視頻推倒重來。對企業內容團隊來說，這也方便把鏡頭分配、審核意見和素材版本說清楚。
需要一致性，先把首幀鎖住
如果項目很在意人物長相、服裝、產品外觀、場景構圖或 IP 角色，先生成一張首幀圖片。首幀至少要鎖定角色與服裝、場景布局、攝影機位置、光線方向和關鍵道具。
隨后做圖片轉視頻時，提示詞重點寫“怎么動”，不必重新描述整幅畫面。例如：
使用上傳圖片作為準確首幀。人物立即開始切菜，鍋內蒸汽持續上升，兩名助手從后方經過，攝影機緩慢向前推進。保持人物外觀、廚房布局和光線一致。
這不能保證每次都完全一致，但通常比每一輪都讓模型重新猜角色更可控。Google Vids 的官方幫助也建議，動畫化靜態圖片時應重點描述畫面元素和攝影機如何運動，重復描述原畫反而可能干擾結果。
讓三個工具按順序工作
第一步，在 Gemini 驗證三件事：主體對不對、主要動作對不對、鏡頭運動方向對不對。如果主體都錯了，繼續補燈光、材質和電影感沒有意義。先把最基本的動作關系跑通，再決定是否值得進入 Flow。
第二步，到 Flow 正式生產鏡頭。截至 2026 年 8 月 20 日，Flow 提供 Veo 3.1 Lite、Fast、Quality 和 Gemini Omni Flash 等模型，不同模型支持的片長、生成方式和積分不同。我的選擇邏輯很簡單：Lite 或 Fast 用來測試構圖與動作；Omni Flash 用于 4、6、8、10 秒短片或視頻編輯；Quality 留給最終關鍵鏡頭。
Google AI Pro 當前包含每月 1000 Flow credits。非 Ultra 用戶當前每次 generation 的成本為：Lite 10、Fast 20、Quality 100；Omni Flash 的 4、6、8、10 秒分別為 15、20、25、30，視頻編輯為 40。這里按 generation 計費，不一定等于一次點擊；一個請求產生兩個結果，可能扣兩次。積分會調整，提交前仍要看生成按鈕附近的當前模型和實際成本。
第三步，多鏡頭項目再進入 Google Vids。以一條 40 秒料理短片為例，可以拆成準備食材、切配、煎炒、裝盤、坐下吃飯五段，每段生成后插入時間線，再調整順序、裁切長度、字幕、音樂和轉場。
Google Vids 當前生成規格為 720p、24fps，支持 16:9 和 9:16，生成時最多可加入 7 張參考圖。多數用戶每月可生成約 50 個片段；Google AI Pro 和 Ultra 的家庭共享方案會共用月度額度。因此我不會在 Vids 里大量試錯，而是先在 Gemini 或 Flow 把首幀和 Prompt 定下來。
一套夠用的 Prompt 骨架
下面這套結構適合多數 10 秒圖片轉視頻：
FORMAT
10-second vertical cinematic video, 9:16.
REFERENCE
Use the uploaded image as the exact first frame.
SUBJECT ACTION
主體做什么，只寫一個主要動作。
TIMELINE
0–3 seconds: 第一個動作。
3–6 seconds: 動作繼續或發生變化。
6–8 seconds: 關鍵瞬間。
8–10 seconds: 收束動作。
CAMERA
攝影機如何運動。
ENVIRONMENT
背景中哪些元素運動。
CONSISTENCY
哪些人物、服裝、道具和場景不能變化。
AVOID
No morphing. No duplicate characters.
No disappearing objects. No sudden camera cuts.
No costume changes.這不是越長越好的“萬能 Prompt”。簡單鏡頭可以刪掉不需要的模塊。真正重要的只有三件事：主動作明確、時間順序明確、不允許變化的內容明確。
最容易失敗的四個地方
一個鏡頭塞太多劇情。動作越多，角色和道具越容易失控。
沒有首幀，卻要求角色長期一致。模型每次都要重新猜角色，自然容易漂移。
測試階段直接用最高成本模型。方向還沒確認，畫質再高也只是昂貴的廢片。
把生成當成剪輯。模型負責產出鏡頭，節奏、取舍、字幕和聲音仍需要在時間線上完成。
開工前再確認六件事：成片比例和總時長已經確定；故事拆成了單一動作鏡頭；需要一致性的角色或產品已有首幀；Gemini 只驗證主體、動作和鏡頭；Flow 提交前看過當前模型和積分；多鏡頭項目為 Vids 預留了額度。
我的核心判斷沒有變：AI 視頻做得穩，不是因為找到了一個無所不能的模型，而是把創意驗證、鏡頭生產和成片整理拆開了。
Gemini 負責試，Flow 負責做，Google Vids 負責拼。先跑通一條最小閉環，再慢慢增加鏡頭、角色和復雜動作，比一開始追求“一句話生成大片”更實際。
功能、模型、積分和額度核驗時間為 2026 年 8 月 20 日。不同地區、賬號、訂閱方案和系統容量可能不同，請以生成界面和 Google 官方說明為準。
如需把選題、腳本、素材、審核和發布梳理成可重復執行的企業內容流程，可以聯系煜企智能，從現有團隊、常用工具和最耗時間的環節開始評估。