Runway 上线 Gen-3 Alpha 图生视频：支持单图定首帧，画面更稳定

纯靠一句话让 AI 生成一段十几秒的视频，最大的痛苦是什么？大概就是抽卡抽出来的角色，下一秒就变了张脸。

Runway 正式为旗下的 Gen-3 Alpha 上线了图生视频功能。这项更新允许你把任意一张图片作为视频的第一帧，然后让它动起来。

你可以只扔给它一张图，也可以在图的基础上加一段文字提示词来控制动作走向。虽然只是加了一个「首帧输入」，但对于一直困扰 AI 视频圈的一致性难题来说，这算是一次非常直接的补刀。

让静止的画动起来，而且不用变脸

Gen-3 Alpha 刚出来的时候，文生视频的效果虽然惊艳，但在角色一致性和超写实细节上依然很吃力。

现在有了图生视频，你可以先用 Midjourney 等工具生成一个固定长相的角色，或者直接拿现实中拍的照片当底图，再交给 Gen-3 生成一段 10 秒的视频。

有外媒实测发现，输入图片之后，生成的画面质量和动作自然度明显优于纯靠文字生图。尤其是在运镜和人体日常动作上，那种以前很多模型常有的「被迫放慢动作」现象减轻了不少。

更实用的地方在于工作流的串联。这项功能还能直接配合 Runway 自家的对口型功能使用。也就是说，你拿一张人物照片，让它动起来，再配上精准同步的语音，一个会说话的虚拟人分镜就出来了。

不过目前它依然处于 Alpha 阶段。实测中也发现，在一些剧烈动作场景下，比如让角色打篮球，如果硬加上文字提示词去引导，有时候反而会让动作变形。

为什么重要

我们认为，AI 视频工具正在从「玩具」走向「真正能用进剪辑轨道的工具」，而首帧控制就是分水岭。

对于创作者来说，纯文生视频是不可控的抽卡游戏，根本没法做长篇叙事。图生视频等于把「确定角色和画风」的工作交给了更成熟的绘图工具，Runway 只需要专注解决「怎么让它自然地动起来」。只要你能固定住首帧，多段镜头拼凑成同一个故事的门槛就大幅降低了。

在行业竞争上，可灵等竞品此前已经在图生视频上抢占了不少眼球，Runway 这一步是必须打出的防守反击。它聪明的地方在于没有死磕文生视频的控制力，而是顺应了创作者「先图后视频」的实际工作流，顺手把口型同步串成了全套方案。

但隐患依然在动作控制的上限上。只要更复杂的物理交互和长镜头还没彻底解决，创作者就依然要在大量的抽卡和废片里耗费算力。接下来就看 Runway 什么时候能把视频生视频的换风格能力补齐了。