# Gemini 图片转视频怎么做？2026 免费、订阅和 API 路线

> 这篇 2026 实用指南讲清 Gemini 图片转视频怎么做、Flow 和 Whisk 哪些部分免费、什么时候才需要 Veo API，以及从一张图片生成视频的最简单步骤。

- Source: https://www.aifreeapi.com/zh/posts/gemini-image-to-video-tutorial
- Language: zh
- Published: 2026-03-18
- Updated: 2026-03-18
- Publisher: AI Free API (https://www.aifreeapi.com)

**先说结论：** Google 现在确实可以把一张图片变成视频，但你到底应该走哪条路，取决于你说的 Gemini 到底是哪一层产品。按 2026 年 3 月 18 日能查到的官方资料，普通用户通常通过 Gemini、Flow、Whisk 或 Google Photos 这类消费端入口使用这项能力；而开发者真正调用的是 Veo 通过 Gemini API 提供的能力，而不是一个单独叫“Gemini 图片转视频 API”的东西。

真正让多数教程讲混的，不是功能有没有，而是“免费”到底指什么。Google 目前在官方帮助页里写得很清楚：符合资格、且没有订阅 Google AI membership plan 的个人账号，在 Flow 和 Whisk 里每天有 50 点 AI credits；但 Gemini API 的价格页同样写得很清楚：Veo 视频生成没有免费层。也就是说，新手最稳的做法不是一上来就配 API，而是先把消费端和额度体系搞清楚。

这篇文章就按这个顺序来拆。先告诉你 Gemini 图片转视频在 2026 年到底是什么意思，再给你最简单的新手路径，然后把免费、付费、以及 API 的边界讲明白。这样你就不会在产品名、订阅名和开发文档之间来回跳。

![Gemini 图片转视频教程：免费与 API 路径](https://www.aifreeapi.com/posts/zh/gemini-image-to-video-tutorial/img/cover.png)

## 要点速览

如果你搜索的是“gemini image to video”，当前最有用的答案不是一句“能”或“不能”，而是先区分 Google 现在实际存在的三条路径。

| 你的目标 | 最适合的路径 | 现在大概是什么成本 | 更适合谁 |
|---|---|---|---|
| 最快把一张图动起来 | Gemini 消费端入口 | 通常取决于 Google AI 订阅和地区可用性 | 普通用户 |
| 尽量先免费试一试 | Flow 或 Whisk | 符合条件的非订阅个人账号目前有每天 50 点 AI credits | 想低成本测试的创作者 |
| 用代码和自动化工作流生成视频 | Veo through Gemini API | 没有 Veo 视频免费层，按秒计费 | 开发者 |
| 想获得更高额度 | Google AI Plus / Pro / Ultra | 每月 200 / 1,000 / 25,000 credits | 高频使用者 |

Google 自己在 [Google AI plans 页面](https://one.google.com/about/google-ai-plans/) 上写着，用户可以在 Flow、Gemini 和 Whisk 中生成 AI 视频；但它同时又在 [Gemini API pricing](https://ai.google.dev/pricing) 页面上，把开发者侧的 Veo 价格和消费端额度完全分开。换句话说，Gemini 更像是入口和界面，Veo 才是视频模型本体。

如果你只是想把一张旅游照或头像图做成短视频，你大概率不需要 API。只有当你已经确定自己要做自动化、批量生成、接入应用，或者你希望把参数和成本控制得更精细时，才值得继续往 API 方向走。

## 2026 年“Gemini 图片转视频”到底指什么

![Gemini、Veo、Flow 与 Whisk 的关系图](https://www.aifreeapi.com/posts/zh/gemini-image-to-video-tutorial/img/content-1.png)

“Gemini 图片转视频”听上去像一个单一功能，但 Google 当前的产品结构并不是这样组织的。大多数用户混淆 Gemini、Veo、Flow、Whisk 和 Gemini API，并不是因为他们不够专业，而是因为 Google 确实把这些能力分散在不同页面、不同订阅和不同帮助文档里。

最容易记住的理解方式是下面这张表：

| 层级 | 它是什么 | 你通常在这里做什么 |
|---|---|---|
| Gemini | 面向用户的应用和助手界面 | 上传图片、写提示词、直接生成 |
| Veo | Google 的视频生成模型家族 | 真正负责生成视频 |
| Flow | 创作型工作台 | 用 AI credits 生成或编辑视频 |
| Whisk | 另一类创作入口 | 更适合低成本测试和视觉试验 |
| Gemini API / Vertex AI | 开发者访问层 | 在程序里调用、轮询、下载结果 |

这个区分非常关键，因为大部分搜索流量其实包含了两类完全不同的人。第一类人只是想知道：我在 Google 的产品里能不能把一张图片做成视频？第二类人问的是：我在 JavaScript 或 Python 里到底该怎么调用这件事？如果一篇文章不先拆清楚这两类意图，看上去就会像“教程”，实际上只是在把产品名重新说一遍。

Google 的官方消费端文章 [Turn your photos into videos in Gemini](https://blog.google/products-and-platforms/products/gemini/photo-to-video/) 讲得很直接：Gemini 可以借助 Veo 3 把图片变成带声音的 8 秒视频，基本步骤是选择 Videos、上传一张照片，然后描述场景和音频。对绝大多数新手来说，这就已经是正确入口了。

但开发者文档完全是另一个世界。Google 在 [Generate videos with Veo 3.1 in Gemini API](https://ai.google.dev/gemini-api/docs/video) 里讨论的是模型参数、分辨率、异步操作和参考图约束。它不是在告诉你“在哪里点按钮”，而是在告诉你“如何通过程序调 Veo”。所以这篇文章之所以要把两条路径都写进去，不是为了凑字数，而是因为当前 SERP 真正缺的是这种整合。

## 最简单的 Gemini 图片转视频新手教程

如果你只是想尽快看到结果，最推荐的就是消费端工作流。它不要求你先理解请求轮询、模型 ID 或按秒计费，也不要求你先搭一个 Google Cloud 项目。你真正需要的是：一个可以使用相关功能的 Google 账号、一张合适的图片，以及一段不会把模型搞得太复杂的提示词。

按照 Google 官方文章，目前最稳妥的新手步骤可以概括为：

1. 打开支持该功能的 Gemini 入口并登录个人 Google 账号。
2. 找到 Videos 相关工具入口。
3. 上传一张静态图片。
4. 描述你希望出现的运动、镜头变化和声音。
5. 生成结果，预览，然后决定是否重试。

Google 目前在面向用户的说明里强调的是 8 秒视频。这一点并不只是一个小规格参数，它其实会直接影响你的提示词写法。因为 8 秒意味着你更适合要求“一个明确、短促、容易理解的动作”，而不是要求模型在一条视频里讲完整故事。人物轻微转头、风吹头发、云层移动、水面荡漾，这类动作通常比“先起飞、再追逐、最后爆炸”的复杂剧情稳定得多。

输入图本身也很重要。比起一张信息密度极高、人物很多、背景元素混乱的图，模型通常更喜欢主体明确、光线干净、留白更多的图片。你可以把它理解为：图片越像一个清晰的镜头起点，视频生成越容易成功。如果你在两张候选图之间犹豫，优先选以下特征更明显的一张：主体单一、构图清楚、照明稳定、边缘没有太多杂物。

提示词也应该围绕“这张图接下来要怎么动”来写，而不是重新把图片所有内容复述一遍。下面这些写法，通常比“做得更电影感一点”更有用：

| 图片类型 | 更稳的提示词思路 | 为什么更有效 |
|---|---|---|
| 人像 | 主体缓慢转头，头发轻微摆动，室内环境声很轻 | 直接定义最重要的动作 |
| 风景 | 云从左向右移动，水面轻微起伏，镜头慢慢推进 | 给环境运动一个明确方向 |
| 产品图 | 镜头轻微环绕产品，表面高光滑过，背景保持干净 | 让主体稳定、镜头变化适度 |
| 插画 | 前景和背景产生轻微景深分离，画面有柔和粒子上升 | 给静态平面一个合理的空间感 |

另外，Google 在消费端文章里还明确提到生成内容带有可见水印和不可见的 SynthID 水印。如果你做的是客户提案、教育材料，或者要用于正式传播，这一点要一开始就知道，而不是生成之后才发现和你的使用场景不匹配。

## Gemini 图片转视频免费吗？

![Gemini 图片转视频的免费与付费路径](https://www.aifreeapi.com/posts/zh/gemini-image-to-video-tutorial/img/content-2.png)

这一部分必须讲得尽量具体，因为“免费”在 Google 不同产品页面里代表的是不同东西。

截至 2026 年 3 月 18 日，Google 在帮助文章 [Manage your AI credits with Google One](https://support.google.com/googleone/answer/16287445?hl=en) 中明确写着：任何符合资格、且没有 Google AI membership plan 的个人 Google 账号，在 Flow 和 Whisk 里每天都有 50 点 AI credits 可以用于视频创建。这个说法的重要性在于，它是一个稳定、官方、直接回答“免费能不能试”的证据。

但这并不等于“Gemini API 免费”。因为同一天去看 [Gemini API pricing](https://ai.google.dev/pricing)，你会发现 Veo 3.1 视频生成没有免费层。也就是说，消费端的免费试用逻辑，和开发者侧的计费逻辑，是两个完全不同的系统。

Google 当前公开的 credits 梯度也很清楚：

| 计划 | 包含的 AI credits | 你可以怎么理解 |
|---|---|---|
| 无 Google AI 计划 | 每天 50 点 | 适合做少量日常试验 |
| Google AI Plus | 每月 200 点 | 适合轻量用户 |
| Google AI Pro | 每月 1,000 点 | 适合经常生成视频的创作者 |
| Google AI Ultra | 每月 25,000 点 | 适合高频用户和重度创作 |

同一篇帮助页还给出了 Flow 里的典型消耗方式：

| Flow 模式 | 每次大概消耗多少 credit | 实际意味着什么 |
|---|---|---|
| Veo 3.1 Fast | 20 credits | 更适合测试和草稿 |
| Veo 3.1 Quality | 100 credits | 质量更高，但配额消耗更快 |
| 视频编辑 | 20 credits | 适合在已有结果上修正 |

换算一下就很直观了。每天 50 点，大致够你跑 2 次 Fast，还会剩一点零头；但不足以稳定跑 1 次 Quality。Google AI Pro 的 1,000 点，每月大致可以跑 50 次 Fast 或 10 次 Quality。这个计算不是第三方博主猜的，而是直接来自官方 credits 表的简单数学。

再看 API 侧。Google 价格页目前列出的 Veo 3.1 价格是：720p 和 1080p 下，Fast 为每秒 $0.15，Standard 为每秒 $0.40；4k 下，Fast 为每秒 $0.35，Standard 为每秒 $0.60。也就是说，一条 8 秒的 720p 或 1080p Fast 视频，大概就是 $1.20；而 Standard 大概是 $3.20。

| API 模式 | 8 秒 720p / 1080p 的成本 | 8 秒 4k 的成本 |
|---|---|---|
| Veo 3.1 Fast | $1.20 | $2.80 |
| Veo 3.1 Standard | $3.20 | $4.80 |

所以“Gemini 图片转视频免费吗？”最准确的回答应该是：**部分免费。** 如果你走的是 Flow 和 Whisk 的 credits 路线，在符合条件的个人账号上，确实有免费额度；如果你走的是 Gemini API / Veo API 路线，那不是免费产品。

还有一个常见误区是把 Google Cloud 的试用 credits 和 Veo 免费层混为一谈。Google Cloud 对符合条件的新用户确实长期提供大约 $300 的试用 credits，用来测试云产品很有帮助。但它本质上是 billing credit program，而不是“Veo 自带的永久免费层”。如果你要做开发测试，这当然是值得知道的入口；但它不能被表述成“Gemini 视频 API 免费”。

如果你想继续比较开发者侧的价格和额度，建议顺手看一下我们的 [Veo 定价指南](/zh/posts/veo-3-1-pricing) 和 [Gemini API 免费层指南](/zh/posts/google-gemini-api-free-tier)。这两篇更适合你在开始接 API 前，把成本边界先算清楚。

## 通过 Veo 使用 Gemini API 做图片转视频

![Gemini API 与 Veo 图片转视频工作流](https://www.aifreeapi.com/posts/zh/gemini-image-to-video-tutorial/img/content-3.png)

当你开始关心自动化、批量任务、接入应用、或者你希望把生成过程塞进自己的工作流里时，才应该认真看 API。因为到了这个阶段，真正昂贵的往往已经不是模型本身，而是人工重复点按钮、反复上传图片和手动下载结果的时间成本。

官方开发者文档里最重要的一页就是 [Generate videos with Veo 3.1 in Gemini API](https://ai.google.dev/gemini-api/docs/video)。它明确写到，开发者可以把一张输入图片作为参考图，让 Veo 做 image-to-video 生成。也就是说，程序侧的正确理解不是“我在 Gemini API 里打开了一个开关”，而是“我在调用 Veo 的视频生成能力”。

从工作流上看，开发者路径通常是这样：先创建带有 billing 的项目，再拿到 API 凭证，然后把提示词和输入图片一起发给 Veo，接着轮询异步操作，最后下载视频结果。和消费端最大的区别不是“功能更多”，而是你必须自己承担参数控制、错误处理和成本管理。

最值得新手记住的一条规则，是 Google 当前参数表里写得很明确：如果你使用 reference image，或者想输出 1080p / 4k，那么 duration 需要设为 8 秒。这个限制非常重要，因为大量“为什么 API 不工作”的问题，本质上不是账号错，也不是权限错，而是请求配置本身不符合当前模型约束。

在实践里，最稳的开发者路径通常不是一开始就冲高分辨率，而是先用 720p、8 秒、较简单的参考图把动作逻辑跑通。因为 720p 测试更便宜，也更适合你先验证提示词有没有把运动方向说清楚。等你确认“画面怎么动”已经基本对了，再决定是否升级到 1080p 或 4k。

开发时最好提前把成本算出来：

| 场景 | 当前大致成本 |
|---|---|
| 1 条 8 秒 Fast 测试 | 约 $1.20 |
| 5 条 8 秒 Fast 测试 | 约 $6.00 |
| 10 条 8 秒 Standard 测试 | 约 $32.00 |
| 20 条 8 秒 4k Fast 测试 | 约 $56.00 |

所以更成熟的团队常见的做法其实是：先在 Flow 或 Whisk 里低成本试 prompt，确认方向之后，再把已经验证过的思路搬到 API 中。这样 API 更像一个可靠的生产层，而不是昂贵的头脑风暴工具。

如果你的问题已经从“怎么点进去”变成“为什么免费层和付费层看起来不一致”，那说明你很可能已经进入开发者视角了。这时再看我们的 [Gemini API 免费层说明](/zh/posts/google-gemini-api-free-tier) 会更有帮助，因为文本、图像和视频三类模型在 Google 体系里的免费政策并不完全一样。

## Troubleshooting

大多数失败并不等于“功能坏了”。结合 Google 当前的帮助页、价格页和社区反馈，Gemini 图片转视频常见的失败原因大致可以分成五类：入口没开、额度不够、安全过滤、配置不受支持、以及路径选错。

| 你遇到的问题 | 更常见的原因 | 下一步应该怎么做 |
|---|---|---|
| 在 Gemini 里找不到相关功能 | 地区、订阅或功能 rollout 不一致 | 先核对计划和支持地区，再排查账号 |
| Flow / Whisk 提示 credits 不够 | 每日或每月额度已经用完 | 等待重置，或升级更高 credits |
| API 传了参考图却报错 | 分辨率、时长或配置不符合要求 | 先回到 8 秒、720p、16:9 测试 |
| 看起来像正常图片，但生成被拒绝 | 安全过滤或地区限制 | 换更低风险的图和提示词 |
| API 成本感觉过高 | 你选错了阶段和工具 | 先用 credits 试创意，再用 API 做自动化 |

地区和计划限制是最容易被忽略的一类问题。Google 当前公开的计划页和帮助页都反复说明，某些权益依赖国家、年龄、账号类型和具体产品入口。如果一个用户一上来就以为“我付费了，所以所有功能都该在我这里出现”，那调试方向很容易彻底跑偏。

额度问题则更像运营规则，而不是技术 Bug。Google 的 AI credits 页面写到，失败的视频生成会返还 credits，但这类返还有时不是瞬间可见。所以你在排查时，最好先刷新 credits 记录，而不是第一时间怀疑自己的付款状态出问题。

开发者侧最常见的坑，通常是配置和文档边界。Google 社区帖子里已经出现过 reference image、长宽比、地区过滤和 human-like features 相关的边缘案例。这些帖子不能当官方政策本身，但它们确实提醒你：如果一个复杂请求一直失败，先把它缩减成最基本的 16:9、720p、8 秒参考图任务，再逐步往上加难度，往往比一口气改十个参数更有效。

如果你始终在“该走 UI 还是该走 API”之间犹豫，可以用一个很现实的判断标准：当你觉得真正浪费时间的是不停重复手工步骤，而不是生成本身的质量时，就说明 API 可能已经适合你了；反过来，如果你还在探索什么样的运动提示词最好用，那 credits 路线通常更合算。

## FAQ

**Gemini 现在真的可以把图片变成视频吗？**

可以。Google 面向消费者的官方文章明确写了，Gemini 可以借助 Veo 把图片变成带声音的 8 秒视频。

**Gemini 图片转视频免费吗？**

部分免费。Google 当前帮助页写明，符合资格、且没有 Google AI membership plan 的个人账号，在 Flow 和 Whisk 里每天有 50 点 AI credits；但 API 侧没有 Veo 视频免费层。

**Gemini API 做图片转视频是免费的吗？**

不是。Gemini API 的 Veo 3.1 视频生成当前按秒收费，价格页没有免费层。

**我在用 Gemini，为什么还要知道 Veo？**

因为 Veo 才是视频模型本身。普通用户在消费端可以不关心这个名字，但一旦你开始看价格、参数和开发文档，Veo 就是你真正需要理解的那一层。

**为什么很多教程把 Flow、Whisk、Gemini 和 API 混在一起？**

因为 SERP 上很多页面只是抓关键词，没有先把产品层级拆清楚。对用户来说，这正是最容易浪费时间的地方。

**新手最适合哪条路径？**

如果你只是想尽快把一张图做成短视频，优先用 Gemini 或其他 Google 的消费端入口。只有当你需要自动化和批量处理时，API 才值得优先考虑。

**如果我这里完全找不到这个功能怎么办？**

先查计划、地区、账号类型和 rollout 情况。很多“我这里没有”的问题，本质上不是提示词问题，而是权限和可用性问题。

**什么时候应该从 credits 切换到 API？**

当你已经知道自己的图和提示词如何工作，而且重复手工操作开始成为真正成本时，就可以考虑切到 API。