只给一张台灯图,AI 真能做出广告吗?我用 MiniMax Design 做了条 15 秒成片

一张图变成视频已经不稀奇。真正难的是：只用 15 秒，让人看懂它在卖什么、适合放在哪里，还能记住一句话。

我第一次只让台灯亮起、镜头慢慢靠近。画面确实动了，却更像产品展示，不像广告。于是我重新做了一版：不再只追求运镜，而是安排书桌、床头和产品定版三个镜头，并把广告语真正放进成片。

最后得到的是一条完整的 15 秒竖屏广告：先提出夜晚用灯的场景，再展示它从书桌走到床头，最后用产品特写和一句广告语收尾。

下面左边是唯一输入图，右边是最终广告的定版画面。

左：唯一输入图；右：带场景和广告语的最终定版画面          

输入仍然只有一张台灯图

为了不借用真实品牌，我准备了一张 AI 生成的原创台灯概念图。它没有 Logo、包装和现成场景，只有一盏奶白色柱状灯。

我没有给它编造护眼、续航、调光档位等未经验证的功能，只保留一个画面能够表达的卖点：一束适合书桌和床头的柔和暖光。

这次真正补进去的不是更多商品素材，而是广告结构：先让观众感受到夜晚光线太生硬，再看到台灯进入两个熟悉的生活场景，最后留下产品和一句能记住的话。

本次使用的唯一输入图：一张无品牌台灯概念图          

先看成片：这次一眼能看出在卖什么

成片开头是一张偏暗的书桌，台灯亮起后，屏幕上出现“夜深了，别让光太用力”；接着镜头切到床头的书和眼镜，告诉观众它不只适合书桌；最后回到产品近景，用“暖光桌面灯，把夜晚，调成温柔模式”完成定版。

画面字幕和中文口播使用同一组广告语，不堆功能参数。场景负责让人理解用途，声音负责把感受说出来，最后一个镜头负责让人记住产品。

点击下方视频，可以查看这次重新制作的完整 15 秒成片。

15 秒不是一条运镜，而是三个广告镜头

三个镜头分别负责需求、使用和记忆。少了前两个，视频就只剩产品在动；少了最后一个，观众看完场景却记不住到底在卖什么。

下面这张图就是三段画面的关键帧：书桌负责吸引注意，床头负责补足用途，产品定版负责收尾。

书桌、床头、产品定版：三段画面分别负责需求、使用和记忆          

我怎么把一张图拆成三个镜头

我没有让模型一次生成一条包含所有变化的 15 秒长镜头，而是始终使用同一张产品图作为身份参考，分别生成三段 5 秒素材。这样每一段只解决一个问题，产品不容易突然变形，场景和镜头也更容易控制。

第一段只做“夜晚需要一盏灯”。场景设在偏暗的书桌，台灯从熄灭变成暖光点亮。画面里不放人物，不增加第二件产品，让观众第一眼就看到光线变化。

第二段只做“它能放在哪里”。台灯进入床头环境，旁边出现书和眼镜。这里不再重复亮灯动作，而是让产品处于已经被使用的状态，把用途从书桌自然延伸到床边。

第三段只做“最后记住什么”。镜头先看到灯体细节，再缓慢拉回完整产品。背景尽量干净，为产品名称和收尾广告语留出空间。

三段生成完成后，我再把它们按“需求—使用—产品”的顺序剪成 15 秒。这个顺序比单纯从远景推到近景更像广告，因为每次切换都在回答一个新问题。

广告语没有交给视频模型写

真正进入成片的六句文字是：

这些字幕和对应的中文口播都是生成画面之后单独加入的。视频模型擅长补场景、光线和运动，但直接生成中文容易出现错字、变形或闪烁。广告语、品牌名和价格这类必须准确的信息，放到后期处理更可靠。

哪些是 AI 做的，哪些是后期完成的

我没有把三段 AI 素材直接首尾相接。生成视频的边缘和原生声音并不一致，如果不处理，切镜时会看到白边跳动，声音也会显得奇怪。最终版统一裁掉白边，并完全弃用三段素材的原音轨，只保留同一声音完成的三段中文口播。

这次实测的规格和消耗

807 积分是这次生成三段新素材前后观察到的余额净变化，不是官方承诺的固定价格。套餐、模型和当时的计费规则不同，实际消耗也可能变化。

我的结论

只给一张商品图，AI 的确可以补出过去需要重新布景拍摄的书桌、床头和产品特写。但“能生成三个镜头”还不等于“会做广告”。真正决定观众能不能看懂的，是先想清楚三个问题：它解决什么感受、会出现在哪里、最后要让人记住哪句话。

这次成片里，MiniMax Design 负责把静态产品带进不同场景，后期负责把广告语和节奏钉准。两部分合在一起，才从一段产品动效变成了一条能看懂的广告。

所以一张图确实可以成为广告的起点，但不能只让镜头拉近。至少要有使用场景、清楚的广告语和最后的产品记忆画面。

工具入口

MiniMax Design：https://design.minimaxi.com