
Arbetsprovet: ett foto, ett klipp, ett protokoll
- Ingångsläge. En egen bild, ett foto eller en AI-bild, och ett verktyg som gör video av en bild.
- Leverans. Ett klipp på 5–8 sekunder, prompten du använde och ett ifyllt kontrollkort för ansikte, händer och text.
- Godkänt när. Sista rutan går att lägga bredvid originalet utan att ansikte, händer eller text har förändrats, och klippet har bara de rörelser du beställde.
Arbetsprovet är ett metodförslag. Redaktionen har inte genererat något klipp för den här guiden.
Ett verktyg för bild till video använder din bild som startpunkt och hittar på resten. Google beskriver funktionen i Vertex AI som att den gör video ”using an existing image as the first frame”. Det betyder att första rutan bör vara din bild, men allt efter den är modellens gissning. Om du inte vet om du ska börja med text eller med en bild hjälper guiden om rörligt med AI dig att välja ingång.
Steg 1: förbered bilden och märk kontrollzonerna
Exemplet i guiden är ett foto av en person vid ett köksfönster med en kopp i handen. På koppen står ordet KAFFE och ur den stiger ånga. Bilden har tre saker att kontrollera: ett ansikte, en hand som griper något och tryckt text.
Spara bilden som JPEG eller PNG. Det är de enda filtyperna som Veo i Vertex AI tar emot, och Google rekommenderar minst 720p, alltså 1280 × 720 pixlar. Beskär den själv till 16:9 eller 9:16. En bild i ett annat format ”may be resized or centrally cropped” vid uppladdningen, och då kan handen eller texten hamna utanför bilden utan att du har bestämt det.
Skriv sedan ner tre kontrollzoner innan du genererar något: ansiktet (ögon, mun, hårfäste), handen (antal synliga fingrar, hur den håller koppen) och texten (bokstäverna K-A-F-F-E). Det är dem du granskar i steg 4. Föreställer bilden en verklig person bör du fråga personen innan du animerar den. Rör det sig om ett barn, kontrollera verktygets regler först: Veo har standardvärdet allow_adult, som Google beskriver som ”Only allow generation of adult people and faces”. Hur ett foto med ett barn hanteras står inte på sidan.
Steg 2: lås kameran och beställ en rörelse
Första körningen ska ha stillastående kamera och exakt en motivrörelse. Rör sig både kameran och motivet blir felet svårare att felsöka. Googles promptguide för Veo beskriver en statisk tagning som att ”the camera remains completely still”. Här skriver vi vad som ska vara stilla. Googles särskilda råd att undvika ”no” och ”don't” gäller negativa prompter, där du i stället listar oönskade element.
KAMERA: statisk tagning, kameran står helt stilla. RÖRELSE: ånga stiger långsamt ur koppen och löses upp uppåt. STABILITET: personens ansikte, hand och kopp behåller form, läge och ljus genom hela klippet. Texten KAFFE på koppen är oförändrad.
Ångan ligger utanför kontrollzonerna. Klarar körningen den utan att ansikte, hand eller text förändras har du en utgångspunkt att jämföra nästa körning med. Längden ställer du in bland verktygets parametrar, inte i prompten: Veo 3.1 gör klipp på 4, 6 eller 8 sekunder från en bild, med 8 som standard. Välj 6 eller 8 för att hamna inom 5–8 sekunder. Vad orden för panorering, åkning och zoom beställer reder artikeln om kamerarörelser i AI-video ut.
Steg 3: lägg till en sak per körning
När körning 1 är godkänd ändrar du en rad i taget. Behåll resten av prompten ordagrant och använd samma modell, längd, format och övriga inställningar. Anteckna seed om verktyget visar det. Slumpvariation kan ändå påverka resultatet, så en enda omkörning bevisar inte vad som orsakade ett fel.
| Körning | Kamera | Motivrörelse | Det du prövar |
|---|---|---|---|
| 1 | statisk | ånga stiger | att bilden håller utan att kontrollzonerna rör sig |
| 2 | statisk | ånga stiger, personen blinkar en gång | ansiktet i rörelse |
| 3 | kameran åker sakta närmare | samma som körning 2 | att kamerarörelsen inte förvränger motivet |
Hoppa inte direkt till körning 3. Blir ansiktet fel i en körning med både blinkning och kameraåkning vet du inte vilken rad du ska ändra.
Räkna ut kostnaden innan du kör. Runways API-prislista anger 5 krediter per sekund för Gen-4 Turbo och 12 för Gen-4.5, och en kredit kostar 0,01 dollar. Tre körningar på 6 sekunder med Gen-4 Turbo blir 90 krediter, alltså 0,90 dollar före eventuell moms (prislistan: ”Sales tax may apply”). Prislistan gäller API:t och säger inget om priserna i Runways webbapp, och kostnaden i Firefly har guiden inte kunnat kontrollera. Låter verktyget dig beställa flera varianter per körning, som Veo med upp till fyra, är varje variant ännu ett klipp att granska.
Steg 4: jämför första och sista rutan med originalet
Spela upp hela klippet och pausa särskilt under blinkningen och kamerarörelsen. Första och sista rutan räcker inte för att upptäcka ett ansikte eller en hand som förvrängs mitt i klippet. Granska också stillbilder sida vid sida med originalet. Plocka ut första och sista rutan med ffmpeg:
ffmpeg -i klipp.mp4 -frames:v 1 forsta.png ffmpeg -sseof -1 -i klipp.mp4 -update 1 sista.png
Första kommandot slutar skriva efter en bildruta. Det andra börjar en sekund före filens slut och skriver över sista.png med varje ny ruta, så att den sista blir kvar. Kommandona är kontrollerade mot FFmpegs dokumentation men har inte provkörts för den här guiden. Öppna originalet, forsta.png och sista.png sida vid sida. Skiljer sig redan första rutan från originalet i utsnitt har bilden sannolikt beskurits eller skalats om vid uppladdningen, och då gäller steg 1 igen.
Steg 5: kontrollkortet och facit
KLIPP: [filnamn, körning 1/2/3] ANSIKTE: ögon, mun, hårfäste som originalet ja / nej HAND: samma fingrar, samma grepp ja / nej TEXT: KAFFE, alla fem bokstäver ja / nej KAMERA: bara den beställda rörelsen ja / nej RÖRELSE: bara den beställda motivrörelsen ja / nej
| Observation | Beslut |
|---|---|
| Kameran rör sig fast prompten säger statisk tagning. | Kamerafel. Kör om med samma prompt eller byt modell; ändra inte motivraden samtidigt. |
| Ansiktet liknar originalet i början men inte i sista rutan. | Underkänt. Ta bort den senast tillagda rörelsen och kör om. Håller ansiktet formen är rörelsen en möjlig felkälla. Jämför fler körningar med samma övriga inställningar innan du drar en slutsats. |
| Fingrarna blir fler eller greppet om koppen ändras. | Underkänt. Beskär bilden så att handen tar mindre plats, eller låt den vara helt stilla. |
| Bokstäverna på koppen flyter eller byts ut. | Använd inte klippet med texten synlig. Lägg texten som ett eget lager i redigeringen eller välj ett utsnitt utan text. |
| Allt stämmer utom en kort ryckning mitt i klippet. | Korta klippet i redigeringen till den del som håller, om den fortfarande är minst 5 sekunder. |
Råden i facit är AI-kreatörs arbetsregler, inte leverantörernas. Ska klippet gå runt utan synlig skarv, fortsätt med guiden om AI-video i loop. Ska det bli en del av en längre sekvens prövar du ordningen först med en animatic av stillbilder.
FAQ
Vilken bild fungerar att animera med AI?
Använd en JPEG- eller PNG-fil på minst 1280 × 720 pixlar som du själv har beskurit till 16:9 eller 9:16. Google skriver att bilder i andra format kan skalas om eller beskäras från mitten när de laddas upp till Veo.
Hur långt blir ett klipp från en enda bild?
Veo 3.1 i Google Vertex AI gör klipp på 4, 6 eller 8 sekunder från en bild, med 8 som standard. Längderna i andra verktyg har guiden inte kontrollerat, så se efter i det verktyg du använder.
Hur ser jag om ansiktet har förändrats i klippet?
Spela upp hela klippet och pausa under rörelserna. Plocka också ut klippets sista ruta med ffmpeg och lägg den bredvid originalbilden. Jämför ögon, mun och hårfäste. Ser personen ut som någon annan är klippet underkänt, även om rörelsen är bra.
Vad kostar det att animera en bild med AI?
Det beror på verktyg, modell och längd. Runways API-prislista anger 5 krediter per sekund för Gen-4 Turbo och 12 för Gen-4.5, med en kredit för 0,01 dollar. Ett klipp på 8 sekunder med Gen-4 Turbo kostar alltså 40 krediter via API:t.
Källor och metodgräns
Primärkällor lästa 19 nov 2026. Exempelbilden, körordningen, kontrollkortet och facit är AI-kreatörs redaktionella metodförslag. Inga klipp har genererats och inga verktyg har testats för texten.
- Google Cloud: Generate videos from an image – bilden som första ruta, filtyper, rekommenderad upplösning, beskärning, längder, bildformat, personGeneration och antal varianter.
- Google Cloud: Veo prompt guide – statisk tagning och det särskilda rådet för negativa prompter.
- Runway API: Pricing – krediter per sekund för Gen-4 Turbo och Gen-4.5 och pris per kredit.
- FFmpeg: ffmpeg Documentation – flaggorna -sseof och -frames:v.
- FFmpeg: Formats Documentation – flaggan update i image2-muxern.