一张产品图直接生成一条完整广告，最容易同时失控的有三件事：产品外观变了、镜头没有覆盖卖点、运动阶段又引入新的材质和结构错误。更稳妥的办法，是先把产品和镜头设计锁进一张静态分镜板，再把已经确认的分镜交给视频模型。
第一阶段：把参考图变成镜头覆盖表
参考案例先用单张珍珠白手机图生成 3×3 九宫格，再将九宫格用于视频生成。九宫格真正的价值不是“一次得到九张好看的图”，而是把一条广告需要的镜头覆盖提前摊开：整体外观、边框与按键、镜头模组、材质高光、使用场景、转场画面和最终落版。
这一阶段应先锁定四类信息：
- 产品不能变化的结构、比例、颜色和标识位置；
- 每一格承担的卖点与景别，避免九张图只是同一角度的小变化；
- 全片统一的色板、材质与光线方向；
- 哪些镜头需要环境，哪些镜头只展示产品本体。
静态分镜没通过时不要急着生成视频。否则结构错误会在运动、转场和光影变化中被放大，后续很难判断问题来自参考图、分镜还是视频模型。
第二阶段：把九宫格改写成时间轴
静态分镜确认后，再为每个镜头补上持续时间、主体动作、摄影机运动、转场和结束状态。公开案例把 20 秒分成两个节奏段：前 15 秒用微距和快速揭示建立产品质感，后 5 秒让主体稳定下来，以环境微动完成落版。
这种节奏并不是所有商品的固定答案。它更像一个可测试的模板：前段负责信息密度，后段负责记忆点和品牌落点。换成服装、食品或家居产品时，镜头数量、运动速度和落版时间都应跟着商品决策路径变化。
四个验收闸门
- 结构闸门：九宫格中的产品轮廓、部件、文字与颜色是否保持一致。
- 镜头闸门：每个核心卖点是否至少有一个清晰镜头承担。
- 运动闸门：摄影机运动是否服务展示，而不是遮挡产品或制造不必要的形变。
- 落版闸门：最后一个镜头是否足够稳定，能承载商品名、卖点或行动提示。
最小测试记录
不要只保存最终成片。至少记录参考图版本、九宫格版本、视频提示词版本、模型与时长、首轮失败原因、重做次数，以及最终采用了哪些镜头。这样才能比较“直接生成整条视频”和“两阶段工作流”究竟谁的总成本更低。
证据与边界
“产品参考图 → 3×3 九宫格 → 20 秒成片提示词”来自公开案例。产品保真闸门、失败分类和测试指标是本文的执行性整理。案例展示了九宫格和成片示例，但没有可独立核验的原始效果文件；模型与相关工具的能力也会随版本变化，因此本文不承诺同一提示词可稳定复现相同结果。