如何用 ImagineToVideo 制作精美的商品介绍视频：ChatGPT + Seedance 2.0 完整教程
一支传统的护肤品广告 —— 自然光从大窗户洒进来、模特用慢动作往脸上涂精华、最后一个产品摆在大理石台面上的 hero 镜头 —— 一个独立品牌做下来，算上摄影棚、模特、灯光师、修图、剪辑，价格在 5 万到 25 万人民币之间，工期一周。同样的东西，在浏览器里用 AI 生成，成本约 1 美元、耗时 5 分钟。
这不是空想，这就是这篇教程要拆解的工作流。读完之后，你会拿到我们在 ImagineToVideo 自己用的完整双模型管线：先用 ChatGPT（或 GPT Image） 写一份 9 宫格商品分镜，再用 ImagineToVideo 内置的 Seedance 2.0 把它生成视频。逻辑和我们 韩舞教程那一篇 完全一致 —— 一张静态参考图驱动一个视频模型 —— 但分镜格式和 prompt 结构这次是为商品叙事调过的，不是编舞。
下面这张就是我们这次要用的 ChatGPT 生成的 9 宫格护肤品广告 storyboard：
而这是用 Seedance 2.0 把上面的分镜变成真正会动的成片：
<video src="https://cdn.imaginetovideo.com/blog/content/zaraproduct.mp4" controls style="max-width: 480px; width: 100%; display: block; margin: 1.5rem auto;"></video>
关于本系列。 本文是 ImagineToVideo 视频生成教程系列 中的一篇 —— 我们会用一篇拆一个具体创作场景，从 prompt 写到成片下载，全程基于 ImagineToVideo 内置模型。系列覆盖韩舞视频、商品介绍视频、宠物肖像动画、Kling 原生音频对话、9:16 竖屏叙事短片，任意顺序阅读即可，每一篇都是独立成文。这一篇是我们后台被问得最多的一个 —— 来自电商品牌主、DTC 运营、独立卖家：怎么不请摄影团队、做出一支真的能上详情页的商品介绍视频。
为什么 ChatGPT + Seedance 是商品广告的最优组合
商品广告不是一段编舞，它是一条 叙事弧线：客户感受到一个问题，发现产品，使用产品，发生改变，最后一个 hero 镜头收尾。9 帧足够把这五拍讲清楚。16 帧 —— 我们韩舞教程里用的那个规格 —— 对商品来说太多了，多出来的格子反而稀释了每一拍的情绪重点。
ChatGPT 和 GPT Image 真正擅长的就是这种结构化叙事 storyboard。给它一个 9 宫格布局 + 一段明确的故事流程，它能在 9 帧里渲染同一个角色 —— 同样的妆容、同样的服装、同样的光线风格 —— 中间不会突然换人。这件事在拍摄现场需要一个专门的连戏指导，AI 一段 prompt 就解决了。
但它做不到的事，就是让画面动起来。GPT Image 的输出永远是一张静态网格图。
让这套工作流真正可用的，是第二类模型：参考图驱动视频（reference-to-video，简称 R2V）。你喂它一张或几张参考图 + 一段动作描述 prompt，它生成一段尊重参考图的视频。ImagineToVideo 集成了两个：
- Seedance 2.0 —— 支持最多 9 张参考图，可生成 5 到 15 秒、720p 视频，5 秒片段约 0.85 美元。本文主推就是它。 商品广告的 hero 镜头通常是单条 5 秒，Seedance 便宜到你可以反复试光线、试运镜、试产品摆位，不会肉疼。
- Kling V3 Omni —— 支持最多 7 张参考图 + 原生音频 + 多镜头串联，但 5 秒约 13 美元。等你想把整张 9 宫格 storyboard 串成一支 30 秒带配乐的完整电视广告时再升级到它，单 hero 镜头不需要。
下面整篇文章走 Seedance 路线，结尾会讲什么时候该升级到 Kling。如果你的最终交付是广电级、要投到零售门店大屏、或者要原生 3840×2160 起步的品牌站 hero，我们有专门的 Kling 4K Mode 教程。
Step 1 — 在 ChatGPT 里规划广告（9 宫格 storyboard）
打开 ChatGPT（开启图像生成的版本），或者直接用 GPT Image。这次不像韩舞那一篇需要你先准备一张基础肖像图 —— 商品广告里 ChatGPT 自己设计模特和产品造型完全够用。把下面这段模板粘进去，按你的产品改括号里的字段，然后跑：
9-panel skincare commercial storyboard, 16:9 layout, single image.
[CHARACTER] Young woman with soft natural makeup and styled hair, wearing
light elegant clothing. Same model, same outfit, same look across all 9
panels — do not redesign the character.
[SETTING] Modern sunlit interior, large windows, calm atmosphere, white and
pastel color palette.
[STORY FLOW — 9 panels in reading order]
1. Woman at her desk, looking slightly tired or concerned
2. Close-up of her face showing dry or dull skin
3. Discovering a clear skincare bottle, gently presenting it
4. Close-up: liquid pouring onto her hand
5. Applying the product to her face
6. After use — hydrated, glowing, smooth skin
7. Walking in a bright, clean space, refreshed and confident
8. Calm product beauty shot on a minimal surface
9. Final frame: soft smile at the camera, holding the product
[STYLE] Cinematic close-ups, soft focus, light reflections, subtle sparkles.
Soft natural lighting, minimal aesthetic, fresh airy mood. Elegant, visually
soothing.
[NEGATIVE] No text, no subtitles, no branding text, no logos, no extra
characters, no watermarks.
[OUTPUT] At least 1024×1024 final resolution. 2048×2048 if available.
prompt 里有三处细节非常关键，千万不要删：
「same model, same outfit」这一行。 和韩舞那篇用的是同一招。不写明的话，ChatGPT 渲染到第 5 格附近会偷偷把模特的发型或服装重新设计 —— 因为它看到 prompt 里从"涂抹"切到"走路"，就觉得活动场景变了、衣服也该变。一定要明确告诉它：角色是固定的，不准重新设计。
结构化的 STORY FLOW。 把 9 帧按阅读顺序（左上到右下）显式列出来，是为了强制 ChatGPT 按叙事顺序构图。如果你不给编号、只给一段散文式描述，它会把它觉得"最帅"的那一帧塞到中间格，结果裁切的时候叙事节奏全乱了。
「输出 1024+ 分辨率」这一条。 和韩舞教程同样的理由：ImagineToVideo 的 Seedance R2V 接口会拒绝小于 640×640 像素的参考图，返回一个不可重试的错误。ChatGPT 默认输出有时只有 768×768，所以 prompt 里强制 1024+ 是为了避免后面被拒。
跑完之后，你会拿到一张 16:9 网格图，9 帧串起来就是一支完整的商品广告叙事弧线 —— 就像本文开头那张一样。
怎么把这套模板套到别的商品上。 同一个 9 宫格骨架，几乎覆盖所有 DTC 品类。做香水：第 1 格把"皮肤暗沉"换成"日常通勤穿搭"，第 5 格把"涂精华"换成"喷香水"，第 7 格把"水润皮肤"换成"夜晚出门的自信状态"。做厨房小家电：第 1 格开在杂乱的灶台，中段切到产品使用，结尾停在干净摆盘。故事弧线 —— 问题 → 发现 → 使用 → 改变 → hero —— 是通用的，那才是这套模板真正在卖的东西。
Step 2 — 裁出 hero 帧（或者整张直接用）
现在你手上有一张 9 宫格图。喂给 Seedance 有两种方式，选哪种取决于你的交付物：
整张 storyboard 当作单一参考图喂进去。 适合你想要一段 5 秒 hero clip，抓的是广告的整体气质 —— 灯光、模特、产品造型 —— 而不是某个具体叙事节点。把整张 9 宫格丢进 reference 区，让模型自己挑哪一刻最该被放大。我们测过，Seedance 通常会挑使用动作或产品 hero 镜头那一格。
裁切某一格关键帧。 适合你只要一段 5 秒、对准某个具体瞬间的视频。对绝大多数商品广告来说，那就是第 8 格 —— 产品平铺 beauty shot —— 因为这格是直接放电商详情页或者投信息流的素材。在 Photopea、Figma、或者 macOS 的预览里裁切都行，至少 640×640，安全起见导出 1024+。
裁切 2 到 4 格做更长的叙事广告。 如果你做的是 15 秒 TikTok 信息流广告或者 20 秒 YouTube pre-roll，裁四个故事节点：第 2 格（问题）、第 5 格（使用）、第 7 格（改变）、第 8 格（hero）。Seedance 跑四次 —— 每格一次 —— 然后用任何一个免费剪辑软件拼起来。四段总成本大约 25 元人民币。
本文这条 demo 视频，我们裁的是第 8 格 —— 产品 hero 镜头 —— 跑了一段 5 秒 Seedance。就是上面嵌入的那个视频。
Step 3 — 在 Seedance 2.0 上让产品动起来
打开 Seedance 2.0 生成页，或者从 Seedance 落地页 点 Try Now。
把裁好的关键帧 —— 或者整张 storyboard —— 上传到 reference 区。UI 会显示缩略图。如果被打回来"pixel count too low"错误，说明那张图小于 640×640，回去重新导出更高分辨率即可。
prompt 输入框 支持 2000 字符，对一个完整的商品广告镜头描述来说绰绰有余。商品广告场景下推荐这个结构：
[SUBJECT] A clear glass skincare bottle with minimal label, held by a young
woman with soft natural makeup. Her hand is steady, the product is centered.
[ACTION] She gently dispenses a few drops of clear serum onto her fingertips,
then smooths the liquid across her cheek in slow, deliberate motions. Her
expression softens from tired to refreshed. Light reflections move across the
glass bottle as her hand turns.
[CAMERA] Slow push-in close-up, shallow depth of field, soft focus background.
Subtle handheld micro-movement. Eye-level framing.
[LIGHTING] Soft natural light from a large window on the left. White and
pastel color palette. Light reflections on the glass, no harsh shadows.
[STYLE] Cinematic skincare commercial, minimal aesthetic, fresh airy mood.
Subtle sparkle on the liquid. Elegant, calm, visually soothing.
[DURATION] 5 seconds. 16:9 aspect ratio.
跑过几十次不同品类的商品广告之后，几条调参经验：
分辨率：迭代阶段直接选 720p。 Seedance 提供 480p 和 720p。480p 对商品细节来说太糊 —— 瓶身上的 label 字会糊掉、膏体质感会变成一团。720p 是 Shopify 详情页、Meta Ads、TikTok、YouTube Shorts 的甜点区。如果最终交付是品牌站 4K hero，正确路径是：先用 720p Seedance 把运镜和光线锁定，然后把锁定的 prompt 在 Kling V3 4K 模式 重抽。
时长：从 5 秒起步。 Seedance 支持 5、8、10、12、15 秒。一个 hero 镜头 —— 慢推或者轻微旋转 —— 5 秒完全够用。时长越长模型越容易跑偏，而商品广告对跑偏极度敏感：瓶子形状中途变了，整段视频就废了。
运镜：宁慢勿快。 "Slow push-in"（慢推）、"subtle rotation"（轻微旋转）、"static with slight handheld"（静态加微抖）—— 这些运镜读起来是高级感。"Fast zoom"（快速变焦）、"whip pan"（甩镜）、"rapid dolly"（快速推轨）—— 这些运镜读起来是廉价感，因为它们用动态模糊把产品细节藏起来了。商品广告的本质就是让观众看清楚产品，运镜慢到他们能看清就对了。
迭代用 Seedance 2.0 Fast 版。 ImagineToVideo 上 Seedance 有两档：质量版和快速版。快速版便宜 25–40%、出片更快，对参考图驱动的短片来说画质几乎看不出差别。我们的工作流是：所有迭代试错都用 Fast 版，只有最终发产品页或投流的成片才切到质量版。
这条片子的总成本：约 0.85 美元。如果用 Fast 版，能再降到 0.65 美元上下。作为对比：找一个商业制作公司单独拍一支 5 秒产品 hero，起步价 2 万人民币，工期一周。
Step 4 — 什么时候该升级到 Kling V3 Omni
Seedance 能搞定大约 80% 的商品广告需求。剩下 20% 的情况下，应该上 Kling V3 Omni：
- 你想把整张 9 宫格 storyboard 串成一支连贯的 30 秒电视广告。 Seedance 是单镜头的。Kling V3 Omni 单次生成里支持最多 6 个连续机位，且角色和产品在切镜之间保持身份一致。一支完整 TV-spot 风格的广告 —— 开在问题、切到发现、切到使用、收在 hero —— 那是 Kling 的活，不是 Seedance 的。
- 你需要配乐 + 旁白同步画面。 Seedance 输出是无声视频。Kling V3 Omni 一次生成时同时输出视频 + 原生音频 —— 包括环境声、产品音效、以及（写好 prompt 的话）跟动作匹配的节奏点。如果你想要一支已经混好底乐和旁白的完整广告，那是 Kling。
- 你需要真 4K（零售大屏 / 广电交付）。 Kling 的 pro 模式原生输出 3840×2160。Seedance 上限 720p。要做品牌站首屏 hero loop、零售门店大屏、电视广告 —— 任何观众距离屏幕近于 2 米的 1080p+ 显示场景 —— 4K 升级值这个钱。
5 秒片段价格对比：
| 模型 | ~5 秒成本 | 适合的商品广告场景 |
|---|---|---|
| Seedance 2.0 Fast ⭐ | ~0.75 美元 | 迭代试错、信息流投放、抛弃式实验 |
| Seedance 2.0 Quality | ~0.85 美元 | 最终成片，发详情页、信息流广告 |
| Kling V3 | ~8.84 美元 | 多镜头广告、1080p 交付 |
| Kling V3 Omni | ~13.41 美元 | 完整 30 秒连贯广告 + 原生音频 |
| Kling 4K Mode | ~25–30 美元 | 零售大屏、电视广告、品牌站首屏 hero |
加粗那两栏就是这套工作流的默认位置。 Kling 那几栏是 storyboard 在 720p 锁定之后才考虑的升级路径。
→ 试 Kling V3 image-to-video（V3 标准版、V3 Omni、新 4K Mode 共用入口）
同一张 storyboard，三个模型表现对比
我们把同一张 9 宫格护肤品 storyboard 喂给 ImagineToVideo 上的三个模型跑了一轮。短结论：
- Seedance 2.0 质量版：5 秒里产品身份保持得最稳。瓶身形状不变、label 不扭曲、液体看起来像真的液体。本文上面那段视频就是它出的。对单 hero 镜头来说，它就是对的工具。
- Kling V3 Omni：画面更电影感 —— 玻璃瓶上的反光更立体、背景纵深感更好 —— 但同样 5 秒成本是 Seedance 的 15 倍。对单 hero 镜头来说，它的好不到 15 倍那么多。它的优势只在你用到它独有的能力（多镜头、原生音频、4K）时才显现。
- Kling V3 标准版：直接淘汰。标准版根本不接受参考图（只支持首末帧），多参考图工作流不能用。要 Kling 系列就必须 Omni。
结论：在「ChatGPT storyboard → 商品广告」这个具体场景里，对单 hero 镜头而言，Seedance 不只是便宜的选择，它就是对的选择。Kling V3 Omni 是当你要做整支连贯广告（不只是其中一帧）时才上的升级。
5 个常见坑（以及怎么避开）
跑了护肤、香水、保健品、厨具、消费电子等多个品类之后，最常见的失败模式：
1. 产品在镜头里漂移变形。 这是商品广告独有的头号失败。瓶子形状变了、label 扭曲了、瓶盖消失了。原因：参考图分辨率不够，或者 prompt 没锁定产品形状。解决：参考图最低 1024×1024 重导出，并在 Seedance prompt 里加一条 same bottle shape, same label, same proportions, same cap。
2. 角色在 9 格之间漂移。 ChatGPT 不被强约束的话，第 5 格附近会偷偷把模特发型或服装重新设计。永远在 storyboard prompt 里写明 same model, same outfit, same look across all 9 panels — do not redesign。如果还是漂移，先单独生成基础肖像，再把那张图作为锁定参考喂进 storyboard prompt。
3. 灯光读起来像日光灯。 prompt 里只写"good lighting"得到的是一种平的、像电商素材库照片的灯光。商品广告需要 有方向感的光：soft natural light from a large window on the left，或者 studio key light at 45° with subtle rim light。显式写出光线方向。 商品广告画面感的最大单一提升点，就是把光线方向写清楚。
4. 运镜过快导致产品看不清。 这是新手常见错误，因为 prompt 写起来总想避免"无聊"。一段快推在你脑子里听起来很激动，渲染出来产品就糊成一道光。默认用 slow push-in、subtle rotation、static with slight handheld。速度感等于廉价感，慢感等于高级感，这条规律在商品广告上极其稳定。
5. 画幅比错了。 护肤品牌站首屏要 16:9 横屏，TikTok / Reels 信息流要 9:16 竖屏，Shopify 商品卡片要 1:1 方形。模型是按目标画幅构图的；横屏 16:9 生成完再裁竖屏，几乎必然把瓶盖或泵头切掉。生成前确认交付平台，把 Seedance 的画幅一次切到对的。
TL;DR — 三步搞定你的商品广告
- ChatGPT / GPT Image —— 生成 9 宫格商品广告 storyboard，1024+ 分辨率，明确写「same model, same outfit, same product」锁定角色和产品。9 帧覆盖：问题 → 发现 → 使用 → 改变 → hero。
- 裁切 —— 选 hero 帧（通常是第 8 格）做单条 5 秒，或者选 4 帧（问题 / 使用 / 改变 / hero）拼一支 20 秒叙事广告。每张 ≥ 640×640。
- Seedance 2.0 —— 进 /seedance，写一段 100–200 字结构化 prompt，显式写出光线方向 + 慢运镜，720p / 5 秒。约 1 美元、3 分钟一条。
需要把整张 storyboard 串成 30 秒带原生音频的完整广告时，升级到 Kling V3 Omni。否则商品广告工作流就在 Seedance 里。
→ 在 Seedance 2.0 做你的第一条商品广告 → 或者直接上 Kling V3 image-to-video（要完整广告 + 4K）
如果你的最终交付是品牌站 hero loop、零售门店大屏、或者电视广告，需要原生 3840×2160 起步，Kling 4K Mode 教程 专门讲这条路径 —— 我们的 4K AI 视频生成器落地页 是最快的入口。
教程系列计划
ImagineToVideo 视频生成教程系列 覆盖创作者问得最多的几个具体场景。任意顺序阅读即可 —— 每一篇都是独立成文：
- 韩舞视频 —— ChatGPT 16 宫格编舞分镜 → Seedance 2.0 韩舞视频。（已发）
- 商品介绍视频 —— ChatGPT 9 宫格 storyboard → Seedance 2.0 hero 镜头。（你正在读）
- 宠物肖像动画 —— 一张照片让你的狗主演一段电影感短片，用 Seedance 搞定。
- Kling V3 Omni 原生音频对话场景 —— 带嘴型同步 + 房间环境声。
- 9:16 竖屏一镜到底叙事短片 —— 从一张角色参考图直出 TikTok 故事 clip。
订阅博客随时回来看新篇。如果你有具体想看到的商品品类 —— 香水、保健品、服饰、电子产品 —— 邮件告诉我们。
现在去让你的产品动起来吧。
