如何使用 Gemini Omni：AI 影片創作分步指南

Gemini Omni 讓 AI 影片創作變成一套更靈活、更容易上手的工作流程。你可以從一段文字構想或一張參考圖開始，選擇合適的畫面比例，生成一段短影片，然後不斷打磨，直到它符合你的創作方向。

如果你剛接觸這個模型，大概會立刻冒出兩個問題：

1. 在哪裡可以使用 Gemini Omni？
2. 怎樣才能用它生成一支好影片？

本指南會回答這兩個問題。你將學到如何進入 Gemini Omni 生成器、選擇生成模式、寫出有效的提示詞、設定影片參數、評估第一次生成結果，以及如何讓後續生成越來越好。

在哪裡可以使用 Gemini Omni？

你可以透過 Gemini Omni 使用這個以瀏覽器為基礎的影片生成器。

生成器的設計目標，是讓你從最初的想法直接抵達成品影片，而不需要一套複雜的剪輯流程。依照所選的模型和模式，你可以：

• 從一段文字描述生成影片。
• 讓上傳的參考圖動起來。
• 選擇橫式或直式畫面。
• 選擇畫質與解析度。
• 生成帶同步音訊的畫面。
• 下載成品影片或重新構圖。
• 用新的指令繼續優化結果。

如果你想馬上開始，打開 Gemini Omni，選一個生成模式，然後照著下面的步驟操作。

第 1 步：想清楚你要做什麼

在打開生成器之前，先定義這支影片的目的。

問問自己：

• 這是一支產品廣告嗎？
• 一個電影感的場景？
• 一支直式社群短影音？
• 把一張現成圖片動畫化？
• 一支角色或虛擬形象影片？
• 一個視覺特效或風格轉換？
• 一個將來會成為長片段一部分的短鏡頭？

創作目標越清晰，後面每一個決定就越容易。

舉個例子，下面這個想法就太籠統了：

Make a cool coffee video.

一份更有用的創作簡報應該是：

Create an eight-second vertical advertisement showing a cold brew bottle emerging from ice, designed for Instagram Reels.

第二個版本明確了主體、動作、長度、畫面方向和發布平台。

盡量讓每支短影片只圍繞一個核心視覺創意。如果你的構想包含多個場景或複雜的故事情節，就把它拆成若干個獨立鏡頭。

第 2 步：選擇文字轉影片還是圖片轉影片

對新手來說，最實用的兩個起步模式是「文字轉影片」和「圖片轉影片」。

文字轉影片（Text-to-Video）

當你想從一段文字描述創造一個全新場景時，選擇文字轉影片。

這個模式適合：

• 原創的電影感場景
• 產品概念片
• 抽象視覺
• 定場鏡頭
• 廣告創意
• 教學動畫
• 社群短影音的開場鉤子

因為沒有起始圖像，你的提示詞必須清楚描述畫面上應該出現什麼。

通常你需要指明主體、動作、環境、鏡頭運動、光影和視覺風格。

圖片轉影片（Image-to-Video）

當你已經有了視覺參考素材時，選擇圖片轉影片，例如：

• 一張產品照片
• 一份角色設定
• 一張插畫
• 一格分鏡
• 一張時尚照片
• 一個 Logo 動態概念
• 一張建築示意圖

當你希望生成的影片保留既有的產品、角色、構圖或視覺識別時，圖片轉影片特別有用。

請使用畫面乾淨、解析度高、主體明確的參考圖。一張清晰的產品照片，通常比一張塞滿不相關元素的拼貼圖能提供更好的視覺引導。

只上傳你擁有版權或已獲授權使用的圖片。

第 3 步：寫一條結構化的 Gemini Omni 提示詞

一條可靠的 Gemini Omni 提示詞，可以按以下結構搭建：

主體 + 動作 + 環境 + 鏡頭 + 光影 + 風格

必要時你還可以加入音訊指令和限制條件。

下面是一個完整的文字轉影片範例：

A small transparent luxury perfume bottle rests on wet black stone at blue hour. Begin with an extreme macro shot of condensation on the glass, then slowly pull the camera backward to reveal the entire bottle as a thin layer of mist moves gently across the surface. Cool cyan rim lighting, realistic reflections, shallow depth of field, premium cinematic product-commercial style. Add subtle water droplets, quiet atmospheric ambience, and a soft glass chime near the final reveal. Keep the product centered and clearly visible. No hands, no people, no captions, no logos, no additional products, and no camera shake.

由上面這條提示詞生成的 Gemini Omni 文字轉影片成品。

這條提示詞給了模型幾個明確的製作決策：

• 主體： 一只透明香水瓶
• 動作： 霧氣與水在產品周圍流動
• 環境： 藍調時刻的濕潤黑色岩石
• 鏡頭： 微距開場，隨後緩慢後拉
• 光影： 冷調青色輪廓光
• 風格： 精品廣告
• 限制： 不要文字、手部或多餘產品

不要在一條短提示詞裡堆疊多個互相衝突的創意。一支 8 秒影片，通常在只包含一個明確動作和一次可控鏡頭運動時效果最好。

第 4 步：選對畫面比例

根據成品影片最終發布的位置來選擇畫面比例。

選擇橫式，適用於：

• YouTube 影片
• 網站首屏
• 簡報
• 桌機版廣告
• 電影感場景
• 產品展示

選擇直式，適用於：

• TikTok
• Instagram Reels
• YouTube Shorts
• 行動版廣告
• 直式敘事
• 社群產品影片

一開始就按正確的畫面方向構圖，通常比先用一種比例生成、之後再裁切的效果更好。

製作直式影片時，記得在提示詞裡註明直式構圖。重要主體應保持在畫面中央附近，這樣介面元素、字幕和平台控制項才不會遮住它們。

第 5 步：選擇解析度與畫質

測試創意時用較低的解析度。等構圖、運動和提示詞都調通之後，再選更高的解析度。

一套實用的流程是：

1. 先用 720p 生成初稿。
2. 評估主體、動作和鏡頭運動。
3. 修正提示詞。
4. 測試修改後的版本。
5. 確認無誤後再用 1080p 或 4K 生成最終版。

這套流程能幫你避免在一個還需要大改的構想上，浪費額外的時間或額度。

更高的解析度救不了糟糕的構圖或含糊的提示詞。先解決創作層面的問題，再提升輸出畫質。

第 6 步：為短影片規劃動作節奏

AI 生成的短影片，在只聚焦一個視覺節拍時效果最好。

對一支 8 秒影片，可以試試這個時間結構：

• 0–2 秒： 建立主體。
• 2–6 秒： 展現主要動作或轉變。
• 6–8 秒： 揭示最終構圖。

舉例來說，一支產品影片可以從特寫開場，中段引入運動或光影變化，最後以一個乾淨的主視覺鏡頭收尾。

不要要求模型在一次短生成裡，講完一個橫跨多個場景、包含若干重大事件的完整故事。

想做一支 30 秒的影片，就生成多個彼此銜接的鏡頭，之後再拼接起來。在每條提示詞裡，重複使用相同的角色、產品、環境、光影和配色描述。

第 7 步：生成並評估第一次結果

點擊 Generate Video，並把第一次輸出當作草稿。

用五個問題來評估結果：

1. 主體是否可辨認？
2. 要求的動作是否清楚發生了？
3. 鏡頭運動是否合適？
4. 風格與光影是否一致？
5. 音訊是否服務於畫面？

在重新生成之前，先找出最薄弱的那一環。

如果產品看起來沒問題，只是霧氣太濃，不要重寫整條提示詞，只改霧氣那一句。

例如：

Keep the bottle, lighting, environment, and camera path unchanged. Reduce the amount of mist, make the product label sharper, and slow the final camera movement.

具體的修改指令，遠比「做得更好一點」或者「再試一次」這類說法有用。

第 8 步：有效使用參考圖

做圖片轉影片時，要說明哪些細節必須保持穩定、哪些元素可以運動。

下面這張產品圖，就是本範例的視覺參考：

可以使用這樣一條提示詞：

Use the uploaded image only as a visual identity reference for the perfume bottle. Do not use the uploaded composition as the opening frame. Create a completely new 16:9 luxury commercial scene. Begin in a nearly dark studio with a narrow cyan beam moving across a wet black stone surface. As the light expands, reveal the referenced perfume bottle already standing upright at the center of the scene. Keep the bottle stable while the environment provides the motion. Use a slow, controlled dolly-in toward the product with no orbit and no sudden camera movement. Fine water droplets slide across the stone, soft mist moves behind the bottle, and realistic reflections gradually appear beneath it. At the fourth second, introduce a warm golden backlight behind the bottle, creating an elegant halo through the transparent glass. Finish with a clean, centered hero shot of the product, fully illuminated and sharply focused. Preserve the bottle's original shape, proportions, glass material, liquid color, silver cap, and front emblem. Do not deform or rotate the bottle. Do not add readable text, extra products, hands, people, flowers, or decorative objects. Premium fragrance advertisement, photorealistic materials, controlled studio lighting, realistic glass refraction, shallow depth of field, elegant and minimal composition. Add quiet atmospheric ambience, subtle water sounds, and one soft glass chime during the final product reveal.

由上面的參考圖和提示詞生成的 Gemini Omni 圖片轉影片成品。

這條提示詞把圖片當作產品識別參考，同時允許 Gemini Omni 建構一個全新場景。它也把固定不變的產品細節，與可以變化的光影、霧氣、水流和鏡頭運動區分開來。

如果參考的是角色，要指明最重要的視覺特徵：

• 髮型
• 服裝
• 臉部結構
• 年齡
• 配件
• 配色
• 畫風

不要完全依賴「保持人物一致」這類籠統指令。把需要保持不變的細節逐一點名。

第 9 步：製作一支直式社群影片

直式影片需要一個立刻抓住人的視覺鉤子。觀眾往往在第一秒內就決定要不要繼續看下去。

下面是一條為短影音平台設計的提示詞：

Create an eight-second vertical cinematic video of a miniature city emerging from inside a transparent glass coffee cup. Begin with an extreme close-up of the dark coffee surface. Within the first second, tiny illuminated buildings rise smoothly from the liquid while warm windows switch on one by one. The camera tilts upward and slowly pulls back to reveal the complete miniature city inside the cup. Realistic liquid physics, warm café lighting, highly detailed miniature architecture, shallow depth of field, magical realism, and a strong visual hook in the opening second. Add subtle city ambience, gentle ceramic sounds, and a soft rising musical tone. Keep the main city centered for a 9:16 composition. No captions, no logos, no people, and no distorted buildings.

一支為短影音平台設計的 Gemini Omni 直式影片。

主要的轉變從一開場就發生，這讓成品更適合 Shorts、Reels 和 TikTok。

對於重要的行銷文案，請在影片生成之後再加字幕。這樣你能更好地控制拼字、時間點、字型、位置和可讀性。

第 10 步：製作更長的多鏡頭影片

更長的影片，應該被規劃成一串彼此銜接的鏡頭。

舉例來說，一支 24 秒的產品影片，可以由三段 8 秒的片段組成：

鏡頭 1：引入

A sealed silver box rests in a dark studio. A narrow beam of light moves across the surface. Slow cinematic dolly-in, black background, controlled reflections, premium technology advertisement style.

鏡頭 2：產品揭示

Continue the same dark studio, silver materials, and lighting style. The box opens slowly and reveals a pair of wireless headphones floating above a soft blue light. Smooth upward camera movement, realistic reflections, no text.

鏡頭 3：最終主視覺

Preserve the same headphones, studio environment, blue accent lighting, and premium commercial style. Rotate the headphones slowly toward the camera and finish with a centered hero composition. Subtle electronic ambience, no text or additional objects.

重複那些關鍵的視覺細節，能讓這幾個鏡頭看起來像是屬於同一個序列。

Gemini Omni 常見錯誤

寫出含糊的提示詞

「Make an amazing cinematic video」並沒有定義主體、動作或鏡頭運動。

請描述鏡頭應該拍到什麼。

塞進太多場景切換

一個短片段裡不該出現五個場景、三個角色和若干次重大轉變。把複雜的構想拆成獨立鏡頭。

忽略鏡頭語言

鏡頭調度對最終結果影響巨大。

有用的鏡頭指令包括：

• 緩慢推軌（slow dolly-in）
• 手持跟拍（handheld tracking shot）
• 固定腳架鏡頭（locked-off tripod shot）
• 微距環繞（macro orbit）
• 俯拍（overhead shot）
• 低角度揭示（low-angle reveal）
• 平滑的攝影機吊臂運動（smooth crane movement）
• 過肩鏡頭（over-the-shoulder shot）

不診斷問題就重新生成

在再次生成之前，先判斷問題出在主體、動作、構圖、鏡頭、光影、風格還是音訊。

改動相關的那條指令，而不是全部推倒重來。

依賴生成出來的重要文字

AI 生成的文字可能前後不一致。凡是對準確性有要求的產品名稱、價格、字幕和行動呼籲，都應該在後期剪輯時加上。

上傳未經授權的內容

只上傳你有權使用的圖片、影片、Logo、人臉或產品照片。在發布或商用之前，請先審核生成的素材。

常見問題

Gemini Omni 是免費的嗎？

可用額度、模型和輸出選項會有所不同。在開始正式專案之前，請查看目前的 Gemini Omni 價格方案。

Gemini Omni 能讓圖片動起來嗎？

可以。選擇圖片轉影片，上傳一張參考圖，描述你想要的運動，並指明哪些細節必須保持不變。

Gemini Omni 能生成直式影片嗎？

可以。為 TikTok、Instagram Reels、YouTube Shorts 等行動優先平台製作影片時，選擇直式即可。

能做超過 8 秒的影片嗎？

你可以透過生成多個彼此銜接的片段來建構更長的序列。在主體、環境、光影、鏡頭風格和配色上重複使用一致的描述。

Gemini Omni 會生成音訊嗎？

是否有音訊取決於所選的模型和生成模式。當音訊可用時，請把環境音、對白、音樂和音效與畫面指令分開描述。

Gemini Omni 最佳的提示詞結構是什麼？

一個可靠的結構是：

主體 + 動作 + 環境 + 鏡頭 + 光影 + 風格

在相關時，再加上音訊指令、時間節奏、畫面比例和限制條件。

怎樣保持角色一致？

使用一張清晰的參考圖，並在每條提示詞裡重複該角色的標誌性細節。保持髮型、服裝、臉部特徵、配件、光影和畫風一致。

為什麼 Gemini Omni 忽略了我提示詞的一部分？

可能是提示詞裡指令太多，或者動作之間互相衝突。先圍繞一個主體和一個視覺事件把它簡化，然後再逐步加入細節。

開始用 Gemini Omni 創作

學會 Gemini Omni 最快的方式，就是從一個簡單的場景開始，透過可控的修改不斷改進它。

從這些開始：

• 一個主體
• 一個動作
• 一個環境
• 一次鏡頭運動
• 一種視覺風格

生成一版草稿，找出最薄弱的一環，然後只修改那一部分。

準備好之後，打開 Gemini Omni，貼上本指南中任一條範例提示詞，創作你的第一支影片。

你也可以瀏覽 Gemini Omni 影片示範，獲取更多創意和視覺靈感。