一张商品图打造AI短视频广告：从生成模特到平台披露的完整流程

制作面向TikTok、YouTube Shorts或Reels的商品广告，不一定需要真人模特和摄影棚。一张干净的商品图，结合图像生成、结构化脚本、视频模型和基础剪辑工具，就能在约20分钟内完成一条10秒左右的测试广告。

准备商品参考图

先确定具体商品，并使用自己或供应商有权提供的图片。裁切时只保留商品主体，去除真人、复杂背景和水印。参考图越干净，模型越容易保持颜色、比例、纹理和细节，不会把商品重新设计成另一个版本。

竖屏平台通常使用9:16，标准YouTube或横版广告使用16:9。示例分别使用绿色上衣作为竖屏素材，并选择一款小型硬件产品制作横屏内容。

生成使用商品的虚拟模特

把商品图上传到ChatGPT，使用GPT Image 2生成模特场景。提示词应写明人物年龄、体型、目标受众、环境和画幅，并要求严格保留商品形状、比例、颜色、面料纹理和缝线，不得重新着色或改变设计。

服装可以使用“穿着”，普通产品则改成“手持”或“正在使用”。需要指定地点时，再上传一张环境照片，让模型把主体合成到该空间。人物、地点和姿态可以变化，但商品本身必须始终以参考图为准。

生成10秒JSON脚本

短广告需要在前两秒建立吸引点，快速说明商品价值和价格，再以明确行动指令结束。可以要求ChatGPT按照平台语气写自然口语，并输出包含时间线、镜头动作、人物手势和准确台词的JSON。

结构化格式有助于视频模型遵循时间线。生成后仍要检查每一段的起止时间，避免脚本只覆盖8秒，模型为了补满10秒而重复动作。行动指令也要按平台调整：TikTok可提示购物入口，图片社交平台可提示个人主页链接，YouTube可提示置顶评论。

在Google Flow中生成视频

进入Google Flow，选择支持参考图片与原生音频的Gemini Omni。上传虚拟模特图和商品特写，把JSON放入提示框，再选择9:16或16:9画幅。模型能够生成最长约10秒、人物直接说出台词的短片。

文章给出的开发接口参考成本约为每秒0.10美元，即10秒视频约1美元。订阅计划、免费额度和地区资格会变化，制作前应查看产品页面。生成结果还带有Google SynthID隐形水印，平台可以识别AI生成内容。

使用CapCut完成后期

AI视频可能出现重复台词、多余手势或结尾循环。把成片导入CapCut后，删除异常片段、调整节奏并控制准确时长，再添加字幕。自动逐字字幕可能需要付费功能，普通文字仍可手工加入。

上线前检查平台披露

TikTok和YouTube允许AI生成推广内容，但写实AI图像、声音或视频需要标记；商业合作、品牌推广和联盟关系还需要启用商业内容或付费推广披露。不同平台和广告类型的入口不同，发布前应逐项核对最新政策。

这套流程适合低成本验证商品和创意，不代表能够稳定获得销量。文章引用的数据中，美国约80.35万家TikTok Shop店铺里超过一半没有销售记录。工具接近免费，但流量、选品、信任和竞争不会消失。先用少量素材测试转化，再决定是否投入固定虚拟形象、配音和自动化批量生产，更能控制风险。