很多人订阅 Google AI Pro 以后，第一反应是三个入口来回点：Gemini 能生成视频，Flow 也能生成，Google Vids 里同样有 AI Video。看起来功能重复，真正用起来却很容易越试越乱，积分也在一次次“抽卡”里消耗掉。
我把这三个工具连续跑了一遍以后，逐渐形成了一套比较稳定的 Google AI 视频工作流：Gemini 负责快速验证想法，Flow 负责正式生产镜头，Google Vids 负责把多个片段拼成完整故事。
这套流程不是为了把事情弄复杂。恰恰相反，它解决的是一个常见问题：不要指望一个 Prompt、一个工具，一次完成从创意到成片的所有工作。
先记住三个工具的分工
Gemini 是试验台。它适合快速测试题材、主体、动作和镜头方向。第一轮只判断创意能不能成立，不必一上来就写很长的 Prompt，更不必把每次测试都当作最终镜头。
Google Flow 是镜头生产区。一个系列建一个 Project，把角色图、场景图、Prompt 和生成片段放在一起。这里适合选择模型、管理素材，并把已经验证过的方向做成正式镜头。
Google Vids 是时间线。它负责导入或生成多个片段，再做排序、裁切、字幕、声音和转场。它解决的不是“这一帧好不好看”，而是多个镜头能不能成为一条完整视频。
如果你只做一条简单的 4 至 10 秒概念视频，Gemini 或 Flow 选一个就够了。只有当项目涉及固定角色、多镜头、系列内容或持续生产时，完整工作流才真正有价值。
先拆镜头，再写 Prompt
生成前先回答四个问题：最终做横屏还是竖屏？成片是 10 秒，还是 30 至 60 秒？有没有必须保持不变的人物、产品或场景？整条视频需要几个主要动作？
例如“一个人深夜回家做咖喱饭”，不要直接要求模型在 10 秒里同时完成进门、洗菜、切菜、炒制、装盘和吃饭。更稳的办法是拆成四到五个镜头，每个镜头只解决一个主要动作。
拆镜头的意义，不只是让模型更容易理解。哪个片段失败，就只重做哪个片段，不必整条视频推倒重来。对企业内容团队来说，这也方便把镜头分配、审核意见和素材版本说清楚。
需要一致性，先把首帧锁住
如果项目很在意人物长相、服装、产品外观、场景构图或 IP 角色，先生成一张首帧图片。首帧至少要锁定角色与服装、场景布局、摄影机位置、光线方向和关键道具。
随后做图片转视频时，提示词重点写“怎么动”，不必重新描述整幅画面。例如：
使用上传图片作为准确首帧。人物立即开始切菜，锅内蒸汽持续上升，两名助手从后方经过，摄影机缓慢向前推进。保持人物外观、厨房布局和光线一致。
这不能保证每次都完全一致，但通常比每一轮都让模型重新猜角色更可控。Google Vids 的官方帮助也建议，动画化静态图片时应重点描述画面元素和摄影机如何运动，重复描述原画反而可能干扰结果。
让三个工具按顺序工作
第一步，在 Gemini 验证三件事：主体对不对、主要动作对不对、镜头运动方向对不对。如果主体都错了，继续补灯光、材质和电影感没有意义。先把最基本的动作关系跑通，再决定是否值得进入 Flow。
第二步，到 Flow 正式生产镜头。截至 2026 年 8 月 20 日，Flow 提供 Veo 3.1 Lite、Fast、Quality 和 Gemini Omni Flash 等模型，不同模型支持的片长、生成方式和积分不同。我的选择逻辑很简单：Lite 或 Fast 用来测试构图与动作；Omni Flash 用于 4、6、8、10 秒短片或视频编辑；Quality 留给最终关键镜头。
Google AI Pro 当前包含每月 1000 Flow credits。非 Ultra 用户当前每次 generation 的成本为：Lite 10、Fast 20、Quality 100；Omni Flash 的 4、6、8、10 秒分别为 15、20、25、30，视频编辑为 40。这里按 generation 计费，不一定等于一次点击；一个请求产生两个结果，可能扣两次。积分会调整，提交前仍要看生成按钮附近的当前模型和实际成本。
第三步，多镜头项目再进入 Google Vids。以一条 40 秒料理短片为例，可以拆成准备食材、切配、煎炒、装盘、坐下吃饭五段，每段生成后插入时间线，再调整顺序、裁切长度、字幕、音乐和转场。
Google Vids 当前生成规格为 720p、24fps，支持 16:9 和 9:16，生成时最多可加入 7 张参考图。多数用户每月可生成约 50 个片段；Google AI Pro 和 Ultra 的家庭共享方案会共用月度额度。因此我不会在 Vids 里大量试错，而是先在 Gemini 或 Flow 把首帧和 Prompt 定下来。
一套够用的 Prompt 骨架
下面这套结构适合多数 10 秒图片转视频：
FORMAT
10-second vertical cinematic video, 9:16.
REFERENCE
Use the uploaded image as the exact first frame.
SUBJECT ACTION
主体做什么，只写一个主要动作。
TIMELINE
0–3 seconds: 第一个动作。
3–6 seconds: 动作继续或发生变化。
6–8 seconds: 关键瞬间。
8–10 seconds: 收束动作。
CAMERA
摄影机如何运动。
ENVIRONMENT
背景中哪些元素运动。
CONSISTENCY
哪些人物、服装、道具和场景不能变化。
AVOID
No morphing. No duplicate characters.
No disappearing objects. No sudden camera cuts.
No costume changes.这不是越长越好的“万能 Prompt”。简单镜头可以删掉不需要的模块。真正重要的只有三件事：主动作明确、时间顺序明确、不允许变化的内容明确。
最容易失败的四个地方
一个镜头塞太多剧情。动作越多，角色和道具越容易失控。
没有首帧，却要求角色长期一致。模型每次都要重新猜角色，自然容易漂移。
测试阶段直接用最高成本模型。方向还没确认，画质再高也只是昂贵的废片。
把生成当成剪辑。模型负责产出镜头，节奏、取舍、字幕和声音仍需要在时间线上完成。
开工前再确认六件事：成片比例和总时长已经确定；故事拆成了单一动作镜头；需要一致性的角色或产品已有首帧；Gemini 只验证主体、动作和镜头；Flow 提交前看过当前模型和积分；多镜头项目为 Vids 预留了额度。
我的核心判断没有变：AI 视频做得稳，不是因为找到了一个无所不能的模型，而是把创意验证、镜头生产和成片整理拆开了。
Gemini 负责试，Flow 负责做，Google Vids 负责拼。先跑通一条最小闭环，再慢慢增加镜头、角色和复杂动作，比一开始追求“一句话生成大片”更实际。
功能、模型、积分和额度核验时间为 2026 年 8 月 20 日。不同地区、账号、订阅方案和系统容量可能不同，请以生成界面和 Google 官方说明为准。
如需把选题、脚本、素材、审核和发布梳理成可重复执行的企业内容流程，可以联系煜企智能，从现有团队、常用工具和最耗时间的环节开始评估。