餐厅菜单照片本身就是最难的那一步，你已经拍完了。把它们变成社交媒体和外卖平台用的短视频，每道菜只要一张图、一句描述单一食物动作的提示词，一条片子大约五分钟。有件事很少有人提：食物比几乎任何其他题材都更容易形变，因为蒸汽、酱汁和拉丝奶酪本身没有固定形状，模型没有可以稳住的轮廓。所以选对照片比写巧妙的提示词重要得多。下面按选片、提示词配方、30 秒宣传片拼装和分发渠道逐段讲。
最后核实时间：2026-09-25，依据 SeedVideo AI 官方模型文档。
要点速览
- 一个画面只放一道菜。盘子互相重叠是形变的头号原因。
- 一条片子只要一个动作。蒸汽升起、浇酱汁，或者缓慢推近。一次要三个，结果是三个都不干净。
- 手机照片基本够用。可接受范围是每边 300 到 6000 像素，近几年的手机随手一拍都在区间内。
- 热菜比冷盘好做。蒸汽和油光本身就是动态；沙拉基本只是摆在那里。
- 做 30 秒宣传片，六条 5 秒的片段胜过一条长镜头，因为漂移会随时长累积。
快速答案
先看照片，别先想提示词。挑一张单道菜占满画面、没有任何东西压到它轮廓、光线方向明确的菜单图。作为单张图片上传，工作流就是图生视频，这张照片成为起始帧。写一句话，描述一个食物动作加一个缓慢运镜，按 5 秒生成，然后全屏检查结果。多数餐厅第二次就能拿到能用的片子。你可以直接拿现成的菜单照片 用一张原图生成动态视频。
图片提示词：电影感餐厅食物摄影，一只粗陶碗盛着热气腾腾的拉面放在深胡桃木吧台上，细细的蒸汽缓缓升起并被画外窗口的暖色逆光打亮，溏心蛋对半切开露出流心蛋黄，葱花与海苔摆放整齐、纹理清晰，浅景深，背景是虚化的暖色餐厅灯光，50mm 镜头，略带俯角的四分之三视角，浓郁琥珀与深棕调色，汤面与面条保留丰富的微观细节。
哪些菜单照片真的能用
不是每道菜动起来的效果都一样。开始生成之前先把菜单分一遍类，因为好素材和差素材之间的差距，比你后期能补救的幅度大得多。
| 菜品类型 | 动态效果 | 原因 | 推荐动作 |
|---|---|---|---|
| 热汤、拉面、炖菜 | 很好 | 蒸汽提供真实可渲染的动态 | 蒸汽升起、缓慢推近 |
| 炙烤与煎制类 | 好 | 酱釉和焦痕有强烈纹理与高光 | 缓慢环绕、光线扫过表面 |
| 带酱汁的甜品 | 很好 | 浇淋是一个清晰的单一动作 | 浇酱汁、巧克力流淌 |
| 带冰块或泡沫的饮品 | 好 | 冷凝水和气泡本身就有生命感 | 缓慢上摇、冷凝水凝结 |
| 沙拉与冷盘 | 较差 | 没有任何东西会自然运动 | 只做运镜，不要食物动作 |
| 多盘叠放的拼盘 | 较差 | 模型分不开各个单品 | 重拍成单道菜 |
如果某道菜落在最后两行，就只用运镜、让食物保持静止。对着一盘好看的沙拉缓慢推近，看起来是刻意的镜头语言；而叶子自己重新排列的沙拉，看起来就是坏了。
照片的硬性要求
文档给出的图片限制是：JPEG、PNG 或 WebP，每边 300 到 6000 像素，宽高比 0.4 到 2.5，单张不超过 30 MB。近几年的任何手机拍出来的照片都落在这个区间里，不用做任何处理。
但这些是可接受边界，不是好素材的标准。实际上有四点决定一张菜单照片能不能干净地动起来：
- 一个画面一道菜。 如果第二个盘子探进画面，模型就得判断哪里是一个盘子的结束、另一个的开始，而这条边界正是形变的起点。
- 光线方向明确。 侧面一扇窗，或者头顶一盏灯，都是理想情况。平光无影会让模型完全没有线索判断哪些面应该一直亮着。
- 全尺寸下是锐利的。 按 100% 打开看，不要只看缩略图。静图上的虚焦，到了视频里就是闪烁。
- 有可见的纹理。 焦痕、芝麻、香草碎和汤面都给了模型具体可以稳住的东西；一整片均匀的米白色表面没有任何锚点。
图片提示词：餐厅甜品特写摄影，一道浓稠的黑巧克力酱正在倾倒的瞬间被定格，落在摆于浅色陶瓷盘上的金黄熔岩蛋糕上，酱汁呈干净连续的弧线且带有光泽，盘沿撒了一层糖粉，左上方一盏明亮柔光箱沿酱汁勾出锐利的高光，右侧阴影快速衰减，无缝深色石板背景，100mm 微距镜头，接触点对焦锐利，暖中性调色。
食物动态的提示词配方
食物类提示词失败，通常是因为要求太多。一个食物动作加一个运镜，这就是全部公式。下面五组经得起用。
蒸汽升起
细细的蒸汽从碗面持续升起，在暖色逆光中缓慢卷曲，汤面几乎不起波澜，镜头极缓慢推近，其余一切保持静止。
浇酱汁
一道均匀的酱汁自上方浇下，在表面缓慢铺开，光泽连续不断，盘子完全保持静止，镜头稳定不动。
拉丝奶酪
一片缓缓向上提起，融化的奶酪拉出长长的丝，其余部分保持原位，镜头保持同样距离不动。
油光与热气
光线在酱釉表面上随镜头缓慢向右环绕而逐渐移动，盘子上方有一丝微弱的热气扰动，食物本身不改变形状。
冷盘，只动镜头
菜品完全静止、毫无变化，镜头平滑缓慢地朝盘子中心推近，自然光全程不变。
注意这些提示词里反复在说什么不该动。明确告诉模型盘子保持静止，就压缩了它重新编造几何结构的空间——而食物形变大多正源于此。
测试阶段把片长保持在 5 秒。Seedance 2.5 的输出是 4 到 30 秒，但一条 30 秒的镜头，等于给细微的不一致多出二十五秒去累积。想看食物之外的提示词结构，AI 产品视频生成器实操指南 讲的是实体商品上同一套首帧逻辑，而 AI 水果视频指南 是食物类最接近的邻居。
拼装一条 30 秒宣传片
六条 5 秒，而不是一条长镜头。短片段漂移更小，而且每五秒一个剪切点，本来就更贴合短视频的观看习惯。
| 镜头 | 内容 | 动作 | 时长 |
|---|---|---|---|
| 1 | 门头或堂食空间静图 | 缓慢推近 | 5 秒 |
| 2 | 招牌热菜 | 蒸汽升起 | 5 秒 |
| 3 | 第二道菜，颜色不同 | 缓慢环绕 | 5 秒 |
| 4 | 甜品或饮品 | 浇酱汁或冷凝水 | 5 秒 |
| 5 | 多道菜的大桌面 | 只做运镜 | 5 秒 |
| 6 | 招牌菜再来一次，更近 | 缓慢推近 | 5 秒 |
第 5 个镜头要特别小心。一桌好几个盘子，正是最容易形变的重叠情况，所以要么只做运镜、不要食物动作，要么每个盘子单独拍再剪在一起。
图片提示词：餐厅菜单俯拍摄影，浅橡木桌面上摆放三道菜，彼此之间留有充足干净的间距，分别是配焦柠檬的香煎三文鱼、一只石碗装的杂粮烤蔬菜，以及一个能看见芝麻脆壳的双层汉堡，每道菜与其他菜完全分开，没有盘子或道具重叠，左侧大窗投来柔和均匀的日光并形成自然的浅阴影，正俯视平面构图，35mm 镜头，三个盘子全部对焦锐利，自然调色。
这张俯拍之所以能当素材用，恰恰是因为盘子互不接触。菜与菜之间留足空间不只是摆盘美学，它决定了动起来之后每道菜会不会渗进旁边那一道里。
在生成器里怎么操作
SeedVideo AI 图生视频生成器，2026-09-25 截取，模型、比例、时长与清晰度设置均可见。
生成器默认是 16:9、5 秒、720p，模型选中 Seedance 2.0。做餐厅内容时，这几项默认值通常需要改：
- 画面比例。 切到 9:16 做 Stories 和短视频流。餐厅视频绝大多数是竖屏观看的。
- 清晰度。 在生成之前调高，不是生成之后。Seedance 2.0 家族能到 1080p，而 2.5 和 2.0-mini 上限是 720p，所以要做 1080p 的主视觉片段，就留在 2.0 家族。
- 模型与素材数。 挂一张图，工作流就是图生视频，你的照片成为起始帧——菜单图要的正是这个。
有个值得知道的陷阱：正好挂两张图，工作流会变成首尾帧生成，把一张照片融合成另一张。如果你本意是把它们当参考素材而不是首尾帧，要把 reference_mode 设为 true，该参数在 Seedance 2.0 和 2.5 家族上支持。AI 视频闪烁与形变的修复方法 对这一点讲得更细。
同一个界面里可以 用一张原图生成动态视频，需要一个你没拍过的空间的环境镜头时，也可以 用提示词直接生成视频。
片子发到哪里
| 渠道 | 画面比例 | 实用时长 | 说明 |
|---|---|---|---|
| Instagram Reels 与 TikTok | 9:16 | 15 到 30 秒 | 每 5 秒一剪，招牌菜放最前 |
| Google 商家资料 | 16:9 或 9:16 | 最长 30 秒 | 会出现在本地搜索和地图里 |
| 外卖平台商品页 | 通常 1:1 或 16:9 | 5 到 15 秒 | 导出前先查各平台当前规格 |
| 官网首屏 | 16:9 | 5 到 10 秒 | 单道菜循环播放，静音 |
| 店内屏幕 | 16:9 | 循环 | 默认无声，所以要靠动态抓注意力 |
外卖平台改媒体规格的频率不低，值得去自己的商家后台看当前要求，而不是照搬文章里的数字——包括这一篇。
合理的预期
在围绕这套流程搭工作流之前，有两条诚实的边界要先说清楚。
食物不总是听话。蒸汽、融化的奶酪和倾倒的液体没有固定形状，这正是它们看起来有生命力的原因，也正是生成出问题时最先崩坏的部分。要做好废掉一部分素材的准备。
第二，生成的动态画面是营销素材，不是你这道菜的实物记录。让源照片如实反映你实际出品的样子，既关系到顾客预期，也关系到本地广告规则——各地要求不同，建议按你自己所在市场核实。
常见问题
能用我现有的照片做餐厅视频吗？
可以，这本来就是设计好的路径。图生视频把单张静图作为起始帧再加上动态。可接受的输入范围是每边 300 到 6000 像素、宽高比 0.4 到 2.5，普通手机照片不用处理就符合。更关键的限制是构图：一个画面一道菜、没有重叠、光线方向明确。
哪些菜最适合做 AI 食物视频？
带可见蒸汽的热菜、有油亮酱釉或焦痕的菜品，以及能做浇淋展示的甜品或饮品。它们效果好，是因为有真实可渲染的动态。冷盘和沙拉效果差，因为没有任何东西会自然运动，这类就用缓慢推镜，并且明确要求食物完全不动。
我的食物视频为什么中途会扭曲或融化？
通常是三件事之一：源照片在全尺寸下不够锐利；画面里有模型分不开的重叠盘子；或者提示词一次要了好几个动作。按这个顺序去排查。食物比多数题材更容易形变，因为蒸汽和酱汁没有固定形状，所以一张干净的单道菜照片在这个品类里比在别的品类更重要。
餐厅宣传片应该做多长？
用 5 秒的片段拼起来。Seedance 2.5 的输出是 4 到 30 秒，但更长的单条镜头会给细小误差更多累积时间。六条 5 秒拼成 30 秒，比一次生成 30 秒更可靠，而且剪切点本来就更适合短视频流。
应该用什么清晰度生成？
在生成之前把 720p 的默认值调高。Seedance 2.0 家族是 480p 到 1080p，而 Seedance 2.5 和 2.0-mini 上限为 720p。做官网首屏或店内屏幕，就留在 2.0 家族按 1080p 生成；手机上看的社交内容，720p 通常够了。
这件事需要请摄影师吗？
输入端不需要。在窗边随手拍一张、画面里只有一道菜、没有东西压到它边缘的手机照片，比一张打光专业但摆满一桌的照片更好用。就这个用途而言，构图和光线方向远比相机素质重要。
先从你最畅销的三道菜开始
挑出卖得最好的三道菜，找到各自最干净的现成照片，每道生成一条 5 秒、只有一个动作的片子。这样你就用相册里已有的照片换来了一周的社交内容，而且能在决定重拍之前，先知道哪些菜单照片是够用的。AI 图生视频生成器 给新账号免费积分，这次测试花的是一个晚上，不是一笔制作预算。
