I2V Studio – 基于 Google Flow 的自动 AI 视频生成工具

创作界面分成五个清晰阶段：选聊天机器人（脚本模板）、选主题、审阅脚本、生成视频、发布。前两步不消耗谷歌额度，所以可以放心先看再决定。

在选主题这一步，软件用你的谷歌账号打开该模板的聊天机器人，问它今天有什么值得做，通常半分钟左右就有回复。你可以从返回的列表里挑，也可以自己输入主题；还能把时长锁定在 30 到 180 秒之间，并事先为每个角色指定音色，让所有分镜的声音保持一致。

返回的脚本会拆成一个个分镜，每个分镜都有自己的旁白、给生成模型用的英文提示词和时间码。这里是消耗额度前的关口：你逐个分镜阅读，修改旁白、修改提示词、增删分镜，或者让 AI 重写整份脚本。

片段生成在 Google Flow 上运行，共四个视频模型：Omni 1.1 Flash（可选 4、6、8 或 10 秒，每次 7–15 额度）、Veo 3.1 Lite（10 额度）、Veo 3.1 Fast 与 Veo 3.1 Quality。选哪个由你决定，软件会在你确认之前显示价格。

并非每个模板都严格走这五步。带货模板会把主题推荐换成一张填写产品信息的表单；有多种处理方式的模板则会多插入一步让你选择做法。进度条按模板变化，而不是把所有项目塞进同一个框架。

走图片路线的模板，第三步叫“审阅脚本与图片”，并分成两个阶段。第一阶段用 Google Flow 上的 Nano Banana 为每个分镜生成静态图，软件明确写着这一阶段不扣额度，所以尽管挑最好的画质档位，反复重生成到满意为止。

你先确认眼前这组图片，再进入第二阶段：选视频模型，看软件报出需要多少额度，然后才把图片变成片段。你花额度生成的，是你已经看过并认可的画面，而不是一次赌博。

修改某个分镜的图片提示词，会同时作废旧图片和由它生成的片段 —— 软件就写在输入框下方，而不是让你从额度账单里才发现。

右侧面板在开跑前会先汇总这一批：多少个分镜、即将生成几张图、花费多少。分镜图还会接力生成，让场景和光线不会一镜一个样。

每个项目都会打开一个工作台：当前分镜的预览画面、分镜时间轴，以及右侧用于编辑该分镜内容、片段、音频和字幕的栏位。

这里最能省额度。模型把某个分镜做坏了，你就改那个分镜的提示词再重新生成 —— 软件会显示这次重新生成要花多少额度。其余做得好的分镜保持原样，不必整条重做。

旁白、配音和字幕也在同一处修改。给某个分镜换配音、修正模型读错的一句字幕，然后重新导出 —— 没有改动的部分不会重新生成。

时间轴标明哪些分镜已有片段、哪些还没有、哪些已有字幕。发布之前可以复制分镜、新增分镜或删除多余分镜。

模板库就在创作界面的第一步。每个模板都是一套独立的写稿大脑 —— 一套人设、一套脚本框架和自己的插图 —— 对应一种视频风格：带货测评、动画角色、火柴人讲故事、第一视角生活窍门、图书推荐、虚拟健身教练等等。

网格按九个行业分类，每个标签都标着该行业有多少个模板，搜索框还支持不带声调的越南语。点一下卡片就能试看这个模板做出来的视频是什么样，再点一下停止。选好模板之后软件才去问聊天机器人，这一整段都不消耗任何额度。

“自定义模板”按钮会打开一块面板，在你正式开做之前讲清楚这个模板怎么做视频：每个分镜几秒、视频是保留 Veo 生成的原声还是配旁白、后一个分镜是否接着前一个分镜的末帧、追加到每条提示词后面的画面风格段落，以及聊天机器人学习用的范例库。其中七个模板可以用一张参考图固定角色，让角色在多条视频里保持同一形象。

内置模板的内容随安装包发布，并且刻意不开放修改：只要改动一条范例提示词，整个模板的脚本框架就会走样，而且下一次更新也会把它覆盖掉。作为交换，每次更新通常都会往模板库里添加新模板，覆盖安装后直接就能用，不用另外付费。真正属于你的是每个模板的角色照片 —— 它保存在你电脑上的数据目录里，所以覆盖安装更新不会动到它。

每个模板都有自己的自定义面板，其中最有价值的是频道的角色图。生成片段时软件会把这张图挂到每一个分镜上，所以所有分镜出来都是同一个人。没有它，Google Flow 会按文字为每个分镜重新想象一张脸 —— 衣服对得上，脸却会飘。

角色图在软件内生成，不消耗谷歌额度：软件用你的账号打开 Flow，直接按角色描述要一张全身肖像。想更贴近心中形象，也可以自己上传 —— 站直、正对镜头、背景干净、画面里没有别人。

角色描述用英文书写，并被原样复制到每一条图片提示词的开头。修改它时，软件会连模板示例提示词里的前缀一起改写，因为聊天机器人学的是示例而不是叮嘱 —— 旧示例不改，你的修改就不生效。

同一个面板里还有画面风格（追加到每条图片提示词末尾，让所有分镜保持同一质感）、模板的分镜节奏，以及视频里声音的处理方式。内置模板正是在这里变成你自己的频道。

Edge 是默认来源：8 个越南语、英语、日语、韩语、中文配音，免费，无需申请，并且会返回逐词时间点，字幕能精确对齐。

CapCut 另外提供 24 个有性格的越南语配音 —— 新闻播报、影评、讲故事 —— 而不是平淡的朗读。同样免费、无需申请，但走的是非官方通道，所以软件明确说明它随时可能停止可用。

Piper 与 VieNeu 完全在本机运行：每个配音按一次下载（20–63 MB），之后不需要网络，也没有人统计使用次数。代价是这两个来源不返回时间点，字幕只能按词长平均分配 —— 在长短词交错的句子里会略有偏差，界面会先说明而不是隐瞒。

ElevenLabs 音质最好，使用你自己的 API 密钥，并由 ElevenLabs 按字符计费。密钥保存在你本机的数据目录中，且绝不会完整回显到界面上。尚未就绪的配音会在确认时就被拦下，而不是等到合成阶段 —— 避免整批渲染额度浪费在最后一步失败的视频上。

谷歌账号由你自己添加。软件打开一个空白 Chrome 窗口，你照常登录，登录完成的那一刻软件就会察觉并替你关掉窗口。它绝不接触你的密码 —— 只是打开窗口然后等待。

每个账号有自己独立的 Chrome 目录，因此多个账号可以并行运行：在 Windows 11 上实测，8 个 Chrome 窗口启动共需 8.2 秒，每个占用 0.6–1 GB 内存，16 GB 内存的机器大约可同时承载 13 个。

项目、授权和导出的视频都放在本机的软件数据目录里，而不是放在可执行文件旁边 —— 所以更新时覆盖安装不会动到你的成果。导出目录可以在设置里更改。

授权按机器码激活：一次购买，永久使用；更换电脑时先在旧机上解除授权，再在新机上激活，全部在软件内完成。更新直接从授权服务器下载，并校验 checksum。