即梦AI怎么用？出图、短视频到商用的完整实操-知了AI

一、即梦AI是什么：一个入口，两条产线

先用一句话说清：即梦AI（jimeng.jianying.com）是字节跳动剪映团队做的 AI 图像与视频生成工具，网页版和手机 App 都有，同一个账号两边通用，积分也共用。

它内部是两条产线。图像这条是 Seedream 系列，负责文生图、图生图、参考图、智能画布；视频这条是 Seedance 系列，负责文生视频、图生视频、首尾帧、运镜控制、对口型、视频延长。两条线共用一个积分池，这一点决定了后面所有的成本取舍。

很多人第一次打开会以为即梦AI是”又一个 AI 画图网站”，用两天才发现视频那一半才是重点。代价很实际：积分全花在出图上，要做片子时余额不够。

1.1 它和剪映是什么关系

即梦AI和剪映同属字节，账号打通，生成的图片和视频可以直接导出到剪映继续剪。这个链条的价值不在”省一次下载”，而在于素材在云端就接上了，改一版不用重走导出流程。

实际用法是分工。即梦AI负责造素材、造镜头，剪映负责排顺序、加字幕、配乐、调色。指望在即梦AI里把一条片子的后期全做完，会很别扭；把它当素材车间用，效率立刻不一样。

这也是我对即梦AI的定位判断：素材车间，不是成片工厂。看边界比看功能列表有用。

1.2 它明确不做什么

即梦AI不做长片叙事编排，不做多轨时间线，不做精细调色。故事创作能把多个镜头串成短片，但那是”串”不是”剪”，节奏、留白、声画对位仍得回剪映处理。

即梦AI也不保证人物一致性。同一人物换场景、换服装、换机位，脸会漂。参考图机制能压住大部分漂移，但压不死。所以它更适合做素材和分镜，不适合角色贯穿的连续剧集。

二、上手前的三件事

2.1 账号与入口怎么选

网页版地址是 jimeng.jianying.com，用抖音账号扫码登录，不用单独注册。App 在应用商店搜”即梦”能下到，iOS 和安卓都有，登录后积分与网页版同步。

主力建议用网页版。出图时的参数面板、智能画布的拖拽、多图对比，这些操作在手机上做效率低一个量级。App 适合两个场景：路上记灵感、成片后直接发。真正干活还是电脑加鼠标。

登录后第一件事是领每日积分。即梦AI每天登录会送积分，额度随活动浮动，具体数字在首页积分入口能看到。别凭记忆估算，每次动手前瞄一眼，这个习惯能省掉很多”生成到一半没额度”的尴尬。

2.2 积分是怎么扣的

即梦AI按次扣积分，图像和视频的消耗不在一个量级。同一张图，换模型、换尺寸、开不开高清，扣的数量都不同；视频更明显，一次生成等于几十张图的开销。所以”充一次能做多少东西”这个问题没有标准答案。

一个实用方法：把积分分三份，七成探索、两成定稿、一成急用。探索用默认模型和尺寸，别一开高清；定稿才对选中的两三张加参数重跑。同样的额度能多跑三四轮。

会员差别主要在积分额度和权益，比如高清输出、去水印。具体包含什么、多少钱，以官网为准，活动期变化大，别按旧截图做预算。

2.3 动手前准备什么

如果要做图生图或视频，先在即梦AI里准备参考图。三到五张同一主体、不同角度的清晰照片，比写三百字外貌描述有用。要求很简单：主体完整、光线均匀、背景干净，别用滤镜很重的自拍。

如果要做商用素材，先想清楚用途。电商主图、海报、短视频封面，三种对构图的要求完全不同，先定用途再动手，比生成完再裁切省事。九成的返工都出在这一步。

三、AI 图像能力拆解

3.1 文生图：输入框里的四个变量

进即梦AI网页版后，选左侧”AI 图像”，中间是提示词输入框，框上方是模型和比例，框下方是张数与尺寸，右下角是生成按钮。四个变量里，模型决定画风底子，比例决定构图，张数决定你有多大的挑选空间。

最容易被忽略的是比例。做电商主图用 1:1，做小红书封面用 3:4，做视频素材用 16:9 或 9:16。比例选错，主体会被挤到角落或者被裁掉半个头，后面怎么修都别扭。

张数建议一次出四张起。即梦AI单次生成的图差异不小，只出一张等于把选择权交给运气。四张里通常有一张构图能用，这个命中率在同类工具里算正常水平。

3.2 图生图与参考图：一致性的唯一抓手

图生图是把已有图片作为起点，让模型在它的基础上改。上传后会出现强度或相似度的滑块，数值高就更像原图、改动小，数值低就放开让模型发挥。在即梦AI里，调这个滑块比改提示词更直接。

参考图是另一个入口，作用是”借风格”或”借主体”。做系列图时，把第一张满意的成品当参考图，后面的图都挂它，色调和质感能稳下来。这是目前做视觉统一最省力的办法，比在提示词里堆”同一个色调”有效得多。

注意参考图不是万能的。它管得住画风和光影，管不住精确的脸。人物一致性仍是即梦AI最明显的短板，官方也在持续改，但现阶段别指望它做”同一个模特拍一整个系列”的活。

3.3 智能画布：扩图、局部重绘、消除

在即梦AI里，生成结果点开，右侧有”编辑”入口，进去就是智能画布。三个功能值得记住：扩图是把画布往外拉，让模型补出画面外的内容；局部重绘是框一块区域，只改那一块；消除是抹掉不想要的东西，比如路人、电线、多余的手。

这三个功能的价值在于”救图”。一张构图不错但角落有杂物的图，用消除抹一下就能用，比重新抽十次划算。一张比例不对的图，用扩图补成目标比例，比重新生成省积分。

局部重绘有个技巧：框选范围要比想改的东西大一圈，边缘留出过渡区，否则补出来的部分会和周围割裂。这个细节决定了修图是”看不出痕迹”还是”一眼假”。

3.4 风格模型与批量生成

风格模型是一组预设的画风模板，选它相当于在提示词前面自动加了一长串风格描述。适合两种情况：你不确定要什么风格，用它快速试；你要固定一种风格做系列内容，用它保证统一。

批量生成是一次提交多组提示词，跑完一起看。功能本身没问题，但我的判断是：批量生成对多数人反而降低效率，因为选择成本会随数量指数上升。四十张图摆在面前，你花在挑图上的时间，往往超过省下的点击时间。

边界在哪？做风格探索、做素材库、做 A/B 测试时，批量很有用，因为你需要的是”覆盖面”。做单张交付物时，批量是负担，一张一张调反而快。工具没有好坏，看你要的是宽度还是深度。

四、AI 视频能力拆解

4.1 文生视频：一句话到一段画面

切到”AI 视频”页签，选”文生视频”，输入描述，选比例和时长，点生成。即梦AI输出的是无声画面片段，配音、字幕、配乐都要另外处理。

文生视频最考验的是描述的”可拍性”。写”一个人在思考人生”，模型不知道拍什么；写”男人坐在窗边，手指敲桌面，窗外下雨，镜头缓慢推近”，它就有得拍了。判断标准很朴素：这句话能不能让一个摄影师立刻开机。

即梦AI的视频废片率比图像高得多。同样一条描述，四条里能用的可能只有一条。这不是工具的问题，是视频多了一个时间维度，任何一帧崩了整条就废。所以视频的积分要按”四条选一条”来预算。

4.2 图生视频与首尾帧：可控性的来源

图生视频是上传一张图当首帧，让画面动起来。这是即梦AI目前最实用的路径，因为画面的构图、色调、主体都由你先定死，模型只负责加运动。可控性比文生视频高一个档次。

首尾帧更进一步：给一张开头、一张结尾，模型补中间的运动过程。做”产品从闭合到打开””人物从站着到坐下”这类有明确起止的动作，首尾帧比纯文字描述准得多。

首尾帧的坑在两帧的匹配度。两张图的光线方向、主体大小、背景透视必须接近，否则中间会扭曲。实操里最稳的做法是：先用同一张图生成两张变体，再分别当首帧和尾帧，别用两张来源不同的图硬拼。

4.3 运镜控制：决定”像不像片子”

视频生成面板里有运镜选项，常见的是推、拉、摇、移、环绕这几种。选一个，模型就按这个机位运动生成。也可以不选，让它自己判断，但自己判断的结果经常是”微微晃”，看着像手持废片。

我的经验是：一条片子里只用一个运镜。推镜就从头推到尾，摇镜就一次摇完。混着来会让观众晕，也容易在中途崩坏。想要多机位，就生成多条素材，回剪映里切。

这里有个反常识的结论：运镜对成片观感的影响，比画面精细度更大。一段运镜稳、节奏对的普通画质素材，看起来比一段高清但镜头乱晃的素材”专业”。边界是特写产品细节时，清晰度权重会反超，因为观众要看材质和做工。

4.4 对口型与视频延长

对口型是上传一段人脸画面加一段音频，让嘴型跟着音频动。适合做口播、做数字人、做配音短片。要点是音频要干净，别带背景音乐，否则嘴型会跟着音乐乱动。

视频延长是在已有片段后面接着生成，把几秒的素材拉长。适合做空镜、做氛围镜头。缺点是延长次数多了画质会衰减，人物也会慢慢变形，所以别指望用它做长镜头，接两段就该收。

4.5 故事创作：把镜头串成短片

故事创作是独立模式，把几个镜头按顺序放进去，配上文字或旁白，就串成一条短片。做漫画分镜、AI 短片、产品故事的人，这一步很省事。

但它只是”串”，不是”剪”。转场、节奏、声画关系都很基础。正确用法是拿它出小样，确认叙事逻辑通不通，通了再导出到剪映精修。

能力	输入	输出	可控性	最适合的场景
文生视频	一段文字描述	无声画面片段	低	氛围镜头、空镜、概念片
图生视频	一张首帧图	带运动的片段	中高	商品动态、人物特写
首尾帧	首帧图 + 尾帧图	有起止动作的片段	高	开合、转身、位移
对口型	人脸画面 + 音频	口型同步视频	中	口播、配音短片
视频延长	已有片段	更长的片段	中	空镜、延时氛围

五、实操一：从零做一张能上架的商品图

5.1 第一步：先定用途，再定尺寸

打开即梦AI之前，先在纸上写一句：这张图放在哪、给谁看、要突出什么。比如”淘宝主图，给三十岁女性看，突出面霜的质地”。这句话决定了尺寸、构图、光线，比任何提示词技巧都重要。

尺寸按平台来。电商主图 1:1，详情页 3:4 或 4:5，短视频封面 9:16。即梦AI的比例选项在输入框上方，选完再写提示词，别写完才发现比例不对要重来。

5.2 第二步：选模型，先用默认的

第一次做不要挑模型。用默认的先跑，把构图和主体跑对，再考虑换风格。没定构图之前，模型之间的差别看不出来。

什么时候该换？当你要的质感即梦AI一直给不了，再去试风格模型或换 Seedream 版本。带着明确的不满去换，比漫无目的试有效。

5.3 第三步：写第一版提示词

第一版只写四件事：主体、环境、光线、镜头。比如”一瓶白色面霜放在浅灰色石台上，旁边有水和一片叶子，侧逆光，微距镜头，浅景深”。这四件事写清，图基本就能看。

别在第一版就堆形容词。”高级感””ins 风””很有质感”这些词模型理解不了，写了等于没写。把形容词换成具体的东西：不说”高级”，说”哑光金属盖子、米色背景、柔光”。

5.4 第四步：四张一组，挑一张改

一次出四张，别一张张抽。挑构图最接近的一张，剩下三张不是废物，它们告诉你哪个方向是错的。

挑中之后别重新生成，用即梦AI的智能画布改。角落有杂物就消除，主体太小就扩图，局部不满意就重绘。改一张图的成本，远低于重新抽四张。

5.5 第五步：验收的三个硬指标

第一看主体有没有崩：手指数量、瓶身透视、文字有没有乱码。第二看光线是否统一：主光和阴影方向一致，不能左右都亮。第三看边缘：主体和背景交界处有没有糊。

这三条任何一条不过，就别交付。尤其是文字，即梦AI的文字渲染至今不可靠，画面里出现招牌、标签、包装文字，基本都会糊或者写成错字。需要文字的部分，留白回剪映或设计软件里加。

六、实操二：从零做一条能发的短视频

6.1 第一步：先有图，再有视频

做视频的第一步不是打开视频页，而是先去图像页做首帧。构图、色调、主体全定死，视频只加运动，成功率高很多。直接文生视频，等于把两个变量都交给运气。

首帧要留运动空间。人物往前走，画面右侧就得留空；镜头要推进，主体周围就得多留边。这个意识有了，成片的”憋屈感”会少一大半。

6.2 第二步：提示词只写运动，不写画面

即梦AI的图生视频，提示词要换个写法。画面已由首帧决定，只需要描述”怎么动”：”镜头缓慢推近””人物轻微转头””水面泛起波纹””窗帘被风吹动”。写画面细节是浪费。

一条素材只写一个动作。写”人物转头、走向窗边、坐下”，模型会中途崩，一个片段装不下三件事。要三个动作就做三段素材。

6.3 第三步：运镜选一个，别贪

在运镜选项里选一个方向，推、拉、摇、移、环绕五选一。选完就别在提示词里再写运镜，两处冲突时模型会给一个奇怪的折中结果。

如果是产品展示，推荐推镜或环绕，这两种最能体现体积和质感。如果是人物，推荐轻微的摇或移，幅度小一点，脸不容易变形。即梦AI对这两类运镜的响应都比较稳。

6.4 第四步：不够长就接，不要硬延长

一条素材不够用，取最后一帧当下一段首帧接第二条，运动是连续的，观众看不出接缝。连续延长三次以上，画质和人物都会走形。

接的时候注意光线方向。第一段侧逆光，第二段也得是侧逆光，否则接上会明显跳。这是最容易翻车、也最容易被忽略的地方。

6.5 第五步：导出到剪映收尾

素材齐了之后，直接导出到剪映。在剪映里排顺序、卡点、加字幕、配乐、调色。这一步别在即梦AI里凑合，它的后期能力只是够用，不是好用。

从即梦AI导出前，确认分辨率和帧率。发抖音、视频号用竖屏，发 B 站用横屏，比例错了平台会裁切或加黑边，改起来特别麻烦。

七、提示词：一套能直接套用的六段结构

7.1 六段结构长什么样

即梦AI对中文的理解在同类工具里属于第一梯队，但这不代表可以随便写。稳定的写法是六段：主体 + 环境 + 光线 + 镜头 + 风格 + 负面词。顺序不重要，六样齐全才重要。

主体写到材质和状态，环境写到时间和地点，光线写到方向和软硬，镜头写到景别和机位，风格写到参考类型，负面词列要排除的东西。每段一到两个短句，别写成散文。

7.2 正例：一段能直接用的描述

“一只粗陶马克杯放在旧木桌上，杯口有热气，桌面散着几颗咖啡豆，清晨侧光从左侧窗户进来，硬光带长阴影，50mm 微距，浅景深，背景是虚化的厨房，日系静物摄影风格。不要出现文字，不要多人，不要过曝。”

这段话每句都能翻译成画面，没有一句是空的。它同时解决了四件事：拍什么、在哪拍、怎么打光、怎么构图。出片率会明显高于”一个很有氛围的咖啡杯”。

7.3 反例：为什么这几句没用

“一个超级好看、非常有高级感、让人一看就想买的咖啡杯，画面要美，要有质感。”全是评价，没有信息。模型不知道”高级感”对应什么材质、什么光，只能给一个平均值。

还有一种常见错误是塞太多主体。”一个女生、一只猫、一束花、一本书、一杯咖啡，坐在窗边”。五个主体抢画面，出来的结果通常是全都糊在一起。一张图一个主角，这是铁律。

7.4 负面词与种子：两个提效开关

负面词比正面强调有效。写十遍”画面干净”，不如写一次”不要文字、不要水印、不要多余的人”。即梦AI对否定描述的响应还不错，这是很多人不知道的一招。

种子是复现的关键。输入框留空点生成，系统用随机种子，每次结果都不同；把满意结果的种子填进去，同样的提示词能出接近的图。做系列内容时，固定种子比反复调词有效。

八、进阶技巧：六条能立刻用上的

8.1 一致性靠图不靠字

想让人物在多个画面里长得像，光靠文字描述做不到。正确路径是先生成一张满意的人物图，之后所有图都用它当参考图，所有视频都用它当首帧。即梦AI的参考图机制会尽量保持面部特征，这是目前最可靠的方案。

边界要说清：参考图保得住五官和发型，保不住服装细节和表情。换装、换场景之后仍会漂移，重大商用项目要做人工校验，别整批直接用。

8.2 批量是筛选工具，不是产能工具

这是我最想强调的一条反常识判断：在即梦AI里批量生成不提高产能，它提高的是”发现好图的概率”，代价是挑选时间。四十张里选一张，那三分钟的浏览成本，比省下的点击更贵。

所以我的用法是：只在”不知道要什么”的时候批量，在”知道要什么”的时候单张精调。前者是探索，后者是生产。把这两个场景混在一起，效率一定掉。

8.3 先把分镜画出来再生成

做短片别一段一段想。先在纸上画六个格子，每格写一句”谁在哪做什么”，这就是分镜。有了分镜再去生成，你会发现提示词好写了，因为每个镜头要什么已经想清楚了。

没有分镜直接生成，通常是一堆好看但接不上的片段。剪的时候发现缺过渡镜头，回去补的积分比多画十分钟贵。

8.4 用画布修，不要重抽

一张图八成满意，就不要重抽。用即梦AI的扩图补构图、消除去杂物、局部重绘改细节。修图的成本是稳定的，抽图的成本是波动的，越急越抽不到。

什么时候该放弃重抽？当问题出在主体结构上，比如脸歪了、手崩了、透视全错，这种改不动，直接重来。判断标准是：这个问题能不能用一块矩形框住。能框住就修，框不住就重抽。

8.5 建自己的提示词库

每次出满意的结果，把提示词和种子一起记下来，按产品图、人像、场景、封面分类存。一个月后就有自己的模板库，新任务翻库改两个字，比从零写快。

这个习惯会复利。工具会更新，模型会换代，但”什么样的描述能出什么效果”这套经验是你的，换哪个平台都能用。

8.6 视频素材按用途分类存

做账号最容易犯的错是”每次从零开始”。把生成好的片段按开场、特写、转场、结尾分类存，新片子先翻库，缺什么补什么，单条片子的制作时间能压到很低。

存的时候打标签，写清比例、运镜、光线。没标签的素材库等于没有库，找起来比重新生成还慢。

九、横向对比：五个同行，还有价格这笔账

9.1 六个维度看差距

选工具不能只看演示视频，即梦AI也一样。下面这张表按出图质量、可控性、中文理解、价格、上手难度五个维度比，都是实际体感，不是参数表。

工具	出图质量	可控性	中文理解	价格	上手难度
即梦AI	高，人像与产品质感好	中高，画布与参考图强	强，中文提示词友好	免费额度 + 会员，以官网为准	低，中文界面
Midjourney	很高，风格化突出	中，靠参数与垫图	弱，英文提示词更稳	订阅制，需外币支付	中高，要懂参数
Stable Diffusion	取决于模型与工作流	极高，节点级控制	中，需本地模型支持	软件免费，算力自付	高，环境配置劝退
可灵	高，视频动态自然	中高，运镜选项细	强	积分制 + 会员	低中
LibTV	高，多模型可选	极高，节点工作流	中	订阅制，偏专业定价	高
小云雀	中高，成片导向	低，重自动编排	强	积分 + 会员	很低

看这张表的方法：先找你的瓶颈。瓶颈在”想不出来”，用即梦AI或小云雀；瓶颈在”控制不住”，用 Stable Diffusion 或 LibTV；瓶颈在”人物动态不自然”，看可灵。没有一个工具全维度领先，这是常态。

即梦AI的位置很清楚：它是这几家里”中文 + 出图 + 视频”三项都够用、且上手最快的一个。代价是极致控制力不如开源方案，风格独特性不如 Midjourney。对多数做内容和做电商的人来说，这个取舍是划算的。

9.2 三种使用强度对应三种买法

即梦AI的成本结构是”免费积分 + 会员 + 按量消耗”。免费积分够试水，会员给更多积分和高清、去水印等权益，重度使用再叠加。具体价格与额度以官网为准，活动期波动大，这里只给结构判断。

使用强度	推荐方式	理由	月度成本量级
每周出几张图，试水	只用每日赠送积分	够跑通流程，不投钱	零
每周十几张图 + 少量视频	基础会员	额度覆盖日常，去水印省事	一顿饭钱
日更账号 / 电商上新	会员 + 额外积分	峰值靠加量补，不浪费月费	数百元
团队 / 商单交付	高等级会员 + 企业采购	并发与素材管理是硬需求	千元级