提示詞指南

ChatGPT 可以做影片嗎:它做到哪裡,哪裡得交給算圖工具

對話負責寫鏡頭,算圖要交給另一件工具。把下面這段動態描述貼進去,再附上它描述的那張靜態影格,就是本頁要講的那次交接——對話裡並不需要影片模型。

選填

JPG / PNG / WebP

這是 Ottermind 自己的輸入框。填入描述和送出是兩個動作,不繼續進入 Studio 就不會產生任何影片。

2026年11月14日 · 11 分鐘閱讀

光靠它不行;接上別的東西,可以。 ChatGPT 能寫腳本、寫分鏡、寫動態需求,也能做出一個鏡頭起步的那張靜圖。它做不到的,是截至 2026 年 11 月 14 日、單靠自己算出一支能播放的影片檔:對話裡沒有自家的影片模型,因為 OpenAI 的 Sora 網頁版與 App 已在 2026 年 4 月 26 日停止服務,Sora API 接著在 2026 年 9 月 24 日下線。

ChatGPT 的圖像功能也在逐步開放循環 GIF。若你的帳號已支援,可以直接在對話中讓靜態圖片動起來。若要輸出 MP4 等影片檔,仍需使用影片生成工具。 (OpenAI Help Center)

就這一件事,把整個題目換掉了。真正有用的問題不是「ChatGPT 能不能做影片」,而是「影片的哪一段由 ChatGPT 做完,其餘的誰來算」。人會卡住,通常是因為在一個文字框裡要一支成品,或者把一句話的想法丟進生成器,指望那些沒做的決定自己補上。這兩種失敗都出在交接,不在模型。

這份指南是怎麼準備的: OpenAI 說明中心的「What to know about the Sora discontinuation」(2026 年 11 月 6 日更新)與「Plugins in ChatGPT」(2026 年 10 月下旬更新)兩頁,於 2026 年 11 月 14 日核對,用來確認日期,以及外掛如何安裝、如何付費。Pika 於 2026 年 10 月 16 日發布的外掛公告,與 Runway 在 OpenAI 網站上的外掛頁,同日核對。本文由 Ottermind 發布,並提供下面流程中使用的算圖工具。封面、桌面場景與三格連續畫面,是以 GPT Image 2.5 Flare 為本文生成的;它們是示意圖與範例來源,不是任何算圖工具的輸出,也不是 ChatGPT 的截圖。本頁上方的輸入框是真的,可以直接用。

為什麼你查到的答案大多已經過期

把這個問題丟進搜尋,你還是會點到一堆在講「對話直接生成影片」的頁面,或把「ChatGPT 影片生成器」當成一個產品列出來的頁面。很多是在 Sora 還在的時候寫的,或是某個自訂 GPT 代打的時候寫的。那些日期值得記一下,因為它們決定哪些說明今天還跑得動:

日期結束了什麼對你意味著什麼
2026 年 4 月 26 日Sora 網頁版與 App獨立服務已經沒了;既有內容可在 sora.chatgpt.com/sunset 匯出
2026 年 9 月 24 日Sora API也不能再透過 API 產生新的 Sora 算圖
2026 年 10 月外掛目錄持續增加現在在 ChatGPT 裡做影片,等於呼叫某家廠商的算圖服務

OpenAI 的停用說明頁也提到,已購買的 ChatGPT 或 Sora 點數仍可用於 Codex。截至 2026 年 11 月 14 日,OpenAI 的說明頁上沒有任何一頁描述 ChatGPT 有自家的影片模型,所以看到哪個頁面說有,就當它在講一件你該先在自己帳號裡驗證的事。

「做一支影片」其實是四件不同的事

這個說法至少涵蓋四種任務,輸入、成本、出錯的方式都不一樣。先挑定你要的是哪一種,再開始寫,因為只有其中一種是從一張照片開始的。

你想要的影片ChatGPT 自己能做到什麼誰負責把檔案算出來要注意什麼
從一個想法或一張靜圖來的短片——一個鏡頭寫需求、寫連戲注意事項、分配時間文字生影片或圖生影片的算圖工具,可能在外掛裡,也可能在對話外難的是動態,而描述動態的詞不是平常講話會用的詞
會說話的主持人或虛擬人像寫腳本與表現指示虛擬人像工具,通常是另外付費的廠商帳號那張臉是廠商授權的,方案決定你有幾分鐘
從筆記、PDF 或文件做旁白解說把素材整理成投影片、旁白與圖表規劃外掛或解說影片服務你拿到的是打字排出來的投影片,不是實拍畫面;畫面上不會有人
剪一支你已經拍好的素材寫剪輯清單與字幕剪輯工具,通常是吃對話指令的那種素材得先存在,對話才幫得上忙
一本口袋筆記本,旁邊是手畫的三格分鏡,窗台上還擺著三張同一個炻器馬克杯的拍立得

一張照片裡有三件事:左邊是文字,右邊是影格。筆記本是可以由對話填滿的那一半——景別、動態、什麼不能變。相片紙是得由別的東西生產的那一半。本文的 AI 生成示意圖,不是截圖,也不是任何算圖結果。

多數問這個問題的人指的是第一列:一個短鏡頭,素材常常是一張產品照或一張人像。這一列也剛好是交接最容易做對的一列,因為圖生影片的算圖工具收的,正是對話做得好的那兩樣東西——一張靜圖,和一段寫下來的需求。

對話在這裡真正擅長的事

寫需求不是安慰獎。多數壞掉的影片是在這一步就決定的,而一個看得到你素材的對話模型,有四件事做得不錯:

  • 指名什麼不能變。「把手留在右邊、釉面不變、咖啡液面高度不變」這種句子,你自己寫的時候常常會漏掉,而它正是讓產品不走樣的那一句。
  • 把一個想法拆成節拍。 六秒鏡頭配一個動作、一次運鏡,撐得住;配三個動作就撐不住。你沒開口要短版之前,對話兩種都寫得出來。
  • 算時間。 二十秒的旁白,用英文自然的語速唸,大約是 45 到 55 個字。改稿的時候,它可以幫你把這段算術記著。
  • 讓需求帶得走。 同一段文字,下週換哪個算圖工具都得能用。對話可以把它壓短,而不用丟掉主體鎖定。

它也能做那張靜圖。ChatGPT 的圖像生成是自家能力——看Images 2.5 改了什麼——所以手上沒照片的人,可以在同一個對話裡生出一張參考影格,再把那一格交給算圖工具。這條鏈真的有用,也是這篇指南要搭的東西。

對話做不到的是看你的算圖結果。它不會盯著那一次算出來的畫面,告訴你哪一格壞了;你得自己描述故障。下面每一段提示詞都是照這個現實寫的:你回報,它改寫。

提示詞不等於鏡頭需求

「幫我做一支我產品的影片」會失敗,原因很無聊:它把八個決定留給算圖工具,而算圖工具會全部默默做完。鏡頭需求把這八個決定按固定順序定下來,而順序比措辭重要。

欄位它決定什麼跳過會怎樣
來源這一格是你給的靜圖,還是從文字生出來的場景算圖工具會自己發明一個不是你的產品
主體鎖定一定要活下來的兩三個細節——標籤、把手在哪一側、咖啡液面高度圖生影片最常見的失敗:主體悄悄變了
動作畫框裡唯一的那一個移動幾個小動作互相打架,影片看起來不穩
攝影機推、拉、橫移、環繞、固定,以及幅度鏡頭動得太快看不清,或者完全不動
光線方向、質感,以及會不會變情緒每次都不一樣,幾次算下來接不上
時間長度,以及開頭和結尾各發生什麼最後一格不能用,影片就剪不了
影格畫面比例,以及什麼必須留在安全框內把手或字幕在輸出平台被裁掉

下面有八段需求。每一段只控制一個性質,所以兩次算圖之間差在哪裡,可以追溯回某一句話。八段都用同一個主體——木窗台上一個斑點炻器馬克杯——因為只有主體固定,兩次嘗試才比得出來。

1. 動態需求:一個來源,一個動作

提示詞
把這張照片——木窗台上的斑點炻器馬克杯——做成四秒的動態鏡頭。杯子保持照片裡的樣子:同樣的輪廓、同樣的釉面斑點、把手在右側、杯裡的咖啡液面高度不變。加一層熱氣,從杯口慢慢升起,略微向左飄。四秒內鏡頭向前推大約百分之十——不橫移、不環繞、不拉遠。窗光保持柔和偏冷;不偏色、不換背景、不添加物件、不出現手、不出現文字、不出現標識。

這一段同時控制動作與主體鎖定。判斷方法:把第一格和最後一格停住來看,兩邊應該是同一個杯子,只有距離變了。

2. 只動攝影機:畫框裡的東西都不動

提示詞
同一張圖、同一個時刻:會動的只有攝影機。先從整個窗台拍起,杯子略偏中央右側,接著往左、稍微往下漂四秒,像有人往前傾身去看那個杯子,最後杯子落在畫面左三分之一。杯子不動,熱氣維持原本的節奏,窗台上的樹枝陰影形狀不變。不要變焦、不要移焦、不要出現文字。

這一段只控制攝影機的行為。如果第一段需求算出來的畫面飄掉了,改跑第二段,就能判斷問題出在攝影機還是主體。

3. 三個節拍,一個主體

提示詞
為一支六秒影片寫三拍分鏡,主體是木窗台上一個斑點炻器馬克杯,時間是早上九點。第 1 拍,0 到 2 秒:遠景,杯子靜止,熱氣剛開始,窗光冷而平。第 2 拍,2 到 4 秒:同樣的取景,熱氣升起,晨光從左邊進來,把釉面照暖。第 3 拍,4 到 6 秒:同一個杯子的近景,熱氣捲曲,一道柔和的樹枝陰影掃過窗台。每一拍都要給我景別、什麼在動、什麼必須完全一致,再加一句我能直接貼進圖生影片工具的動態指示。杯子的形狀、釉面、把手在哪一側、咖啡液面高度,三拍都必須一致。

這一段控制跨鏡頭的連戲。測法是看第 3 拍裡的把手是不是還在同一側——如果算圖工具把它改了,要修的是需求,不是算出來的畫面。

4. 對得上長度的分鏡表

提示詞
把這個想法變成一支十五秒直式產品影片的分鏡表,輸出一張五欄的 markdown 表格:鏡號、秒數、景別、發生什麼、鎖住什麼。主體是木窗台上同一個斑點炻器馬克杯,光線從冷調晨光走到暖陽,直式畫面必須隨時看得到把手和咖啡液面。五個鏡頭,秒數加起來剛好十五秒,沒有一個鏡頭短於兩秒。表格之後,列出算圖工具最可能弄壞的三個細節,以及我該加進每個鏡頭、用來保住它們的那句話。

這一段同時控制時間預算,順手生出防護欄。加起來剛好 15 秒的分鏡表,就是「能跟著音樂剪」和「一堆用不掉的影格」之間的差別。

5. 對得上剪輯的旁白

提示詞
為杯子的影片寫一段十五秒的旁白,口播不超過 38 個字,這樣才塞得進自然的語速。把它拆到上面表格的五個鏡頭裡,每一句都給我開始的秒數和字數。語氣:平靜、具體,不要形容品質的形容詞,不要驚嘆號。然後把同一份稿子寫成畫面上的字幕卡,每張不超過六個字,並告訴我,如果算出來的影片短了一秒,該先刪哪一句。

這一段控制節奏,也給你退路。刪除順序要明講;沒講的話,你在時間壓力下剪接時會刪錯那一句。

6. 失敗版本的修正需求

提示詞
上一次算出來的畫面有這些問題:杯子的把手跑到左側,熱氣變成一條實心白線,推鏡推過頭,四秒時杯緣被裁掉。我原本的需求寫的是「杯子保持照片裡的樣子」、「熱氣慢慢升起」、「向前推大約百分之十」。照這三個故障重寫需求,每個故障用自己的一句話回應,不要加入任何新指示。修正按這個順序排:主體鎖定、熱氣行為、攝影機距離。然後告訴我,如果下一次只能修其中一個,該先改哪一句。

這一段控制改稿衛生:一個故障配一句話,不夾帶新想法。前三句還在修的時候又塞進第四個指示,就是影片越改越糟、看起來卻越來越詳細的原因。

7. 可以帶走的段落

提示詞
拿已核准的杯子需求,改寫成單一段落,讓另一個影片生成工具在沒有原始對話的情況下也讀得懂。它必須照這個順序講:來源圖是什麼、什麼不能變、唯一的那個動作、攝影機怎麼動、光線、長度、畫面比例,以及什麼不能出現。不要寫工具名稱,不超過 110 個字。然後再輸出一版 60 個字,仍然要保住主體鎖定和動作。

這一段控制的是交接本身,也是本頁最有用的一段提示詞。只存在某個對話裡的需求,沒辦法重複使用、比較,也搬不到更適合這個鏡頭的算圖工具上。

8. 從一個核准鏡頭延伸出的比例版本

提示詞
從已核准的寬螢幕杯子需求,做出兩個版本:給社群貼文的 9:16 直式版,和給動態牆的 1:1 方形版。每一個版本只重述有變的地方——取景、杯子擺在哪、上方留多少空間、攝影機推多遠。光線、熱氣和主體鎖定都和寬螢幕版一致。不要改長度。

這一段控制輸出的形狀。只重述差異,才不會讓同一個鏡頭的三個版本變成三個不相干的鏡頭。

按鈕會把第一段需求填進頁面上方的輸入框。它只負責填入;送出是另一個動作,在你進到 Studio 繼續之前,什麼都不會生成。

三張並排的照片,同一個炻器馬克杯放在窗台上,從冷調的寬景到暖調的近景,下方有薄荷綠箭頭

一個撐得住的鏡頭:先冷調遠景,太陽進來之後轉暖,再靠近,杯子還是同一個。三格畫面、一個主體、一個運鏡方向。本文的 AI 生成示意圖;這幾格示範的是需求該保住什麼,不是任何特定算圖工具回傳的結果。

哪裡會出錯

九種失敗,涵蓋了多數人怪到模型頭上的壞影片。其中七種是需求寫錯,這是好消息:需求一分鐘就能改。

你看到的為什麼會這樣怎麼修
產品悄悄變了——把手在哪一側、標籤、比例主體鎖定只是暗示,沒有寫出來指名兩三個細節,並且在每一次算圖的需求裡重複
熱氣、煙或頭髮變成一條實心白線需求描述的是結果,不是行為描述運動曲線:慢慢升起、往左捲、靠近上端變薄
攝影機推過頭,把主體裁掉「向前推」沒有距離,也沒有結束位置給百分比和結束位置:大約百分之十,杯子在左三分之一
好幾樣東西同時在動,沒有一樣看得清一句話裡要了兩個動作一個鏡頭一個動作,其餘的留到下一個鏡頭
影片看起來沒問題,最後一格卻不能用沒有人寫結尾發生什麼寫明結束影格,並停住半秒
畫面裡冒出文字——價格、字、浮水印需求留了空白,而對話其他地方出現過文字加上「不要文字、不要標誌、不要浮水印」,畫面文字留到剪輯時再做
直式輸出把臉或把手裁掉畫面比例是算完之後才決定的先決定影格再寫需求,並讓主體留在畫面中間
期待一般影片生成器做出會說話的主持人這件事屬於表格裡另外三列走虛擬人像或解說影片那條路,並把帳號成本算進去
對話只描述步驟,不給你檔案對話裡沒有接上任何算圖工具裝一個外掛,或把需求帶去圖生影片工具——見下一節

第九列才是讓人以為自己做錯事的那一列。其實沒有:一段純文字的對話,在裝上或打開什麼之前,本來就沒有算圖能力。OpenAI 的外掛說明提到,安裝或使用個別外掛取決於你的方案、工作區、角色與地區,所以你讀到的外掛,在你的帳號裡可能根本不能用。

不管走哪條路,都別期待這些

  • 沒有固定的生成時間。 外掛和算圖工具都不保證幾秒內算完一支影片。
  • 沒有固定的輸出規格。 長度、解析度、有沒有聲音,取決於你用的工具;外掛的話,取決於廠商自己的服務。
  • 沒有可以聽別人講的點數算法。 外掛是透過廠商的帳號與點數算圖——例如 Pika 自己的公告就把外掛生成綁在 Pika 點數上——所以成本屬於那家廠商當下的價目,不屬於 ChatGPT。
  • 沒有權利上的捷徑。 生成出來的影片,不代表你取得了產品、肖像、標誌或音樂的授權。發佈前要另外確認。
  • 不能代替你親眼看一遍。 還是得有人把影片播一次,檢查產品、邊緣、最後一格和聲音。

從需求到算好的影片

需求有了之後,挑算圖工具就只是挑工具,而 Ottermind 的兩條路涵蓋常見情況:

  • Image to Video — 你上傳一張參考圖,描述動態、攝影機感覺、氛圍與格式。那個頁面自己的說法是,每一次算出來的結果你都要看過再修,這正是上面那段修正需求的用途。手上已經有靜圖時用它:產品照、人像、核准過的主視覺。
  • Photo to Video AI Free — 同一件事、以照片為主的版本,目前頁面上寫的試用是註冊送 60 點、每天 20 點,下載無浮水印。要照著這些數字規劃之前,先讀那一頁的條款;額度會變。

送出之前有兩件事值得知道。第一,這個網站不保證固定的生成時間、固定的解析度或固定的點數成本,看到有文章這樣保證,就當它在講另一個產品。第二,你帶過去的需求應該是第 7 段提示詞那個版本——可以帶走的段落——不是整段對話紀錄。算圖工具讀的是那段文字,不是你的推理過程。

如果靜圖還不存在,先做一張:ChatGPT 的圖像生成可以生出那一格,而ChatGPT 圖像提示詞範例講的光線與參考圖取捨,決定了那一格能不能當來源用。如果你寧願從手上已經信得過的靜圖開始,圖生影片提示詞教學把運鏡語言講得更深,無臉 Reels講的是等你攢到五支彼此配得上的影片之後,該拿它們做什麼。

值得回答的幾個問題

ChatGPT 還有 Sora 嗎?

沒有。OpenAI 的說明中心寫明,Sora 網頁版與 App 於 2026 年 4 月 26 日停止服務,Sora API 於 2026 年 9 月 24 日。既有內容可從 sora.chatgpt.com/sunset 匯出,已購買的 ChatGPT 或 Sora 點數仍可用於 Codex。

ChatGPT 可以從照片做影片嗎?

沒辦法自己算出來。它可以讀照片、寫動態需求、把主體細節記住,然後由算圖工具把照片和那份需求變成影片。在這個網站上,這一步是 Image to Video。

可以免費做嗎?

一部分可以,但不在同一個地方。對話這一半——腳本、分鏡表、需求——算在你原本就有的 ChatGPT 方案裡。免費額度在算圖這一半,而且各有各的條款:外掛的免費額度屬於廠商,算圖工具的試用屬於那個工具。要拿這些數字規劃之前,先讀當下的頁面。

一定要裝外掛嗎?

不用。外掛路線把一切留在同一個對話裡,素材本來就在那裡時很方便。當你有參考圖、想比較同一個鏡頭的幾次算圖,把需求帶去專門的圖生影片工具通常更合適——而且方案或地區不支援外掛時,這條路照樣走得通。

老實的總結:對話負責寫,別的東西負責算圖。需求裡寫進主體鎖定和結束影格,讓它帶得走,然後每一次算圖都拿同樣那兩三個細節去對。這一串動作,就是「看起來像你的產品」和「只是有點像」之間的差別。

下載桌面端與行動端 App

隨時隨地使用 Ottermind。

電腦