历史文章

Spring AI：对接DeepSeek实战
Spring AI：对接官方 DeepSeek-R1 模型 —— 实现推理效果
Spring AI：ChatClient实现对话效果
Spring AI：使用 Advisor 组件 - 打印请求大模型出入参日志
Spring AI：ChatMemory 实现聊天记忆功能
Spring AI：本地安装 Ollama 并运行 Qwen3 模型
Spring AI：提示词工程
Spring AI：提示词工程 - Prompt 角色分类（系统角色与用户角色）
Spring AI：基于 “助手角色” 消息实现聊天记忆功能
Spring AI：结构化输出 - 大模型响应内容
Spring AI：Docker 安装 Cassandra 5.x（限制内存占用）&& CQL
Spring AI：整合 Cassandra - 实现聊天消息持久化
Spring AI：多模态 AI 大模型
Spring AI：文生图：调用通义万相 AI 大模型
Spring AI：文生音频 - cosyvoice-V2

本文中，我们感受一下 “文生视频” 的魅力 —— 只需一张静态图片，加一段提示词。

介绍

文生视频（Text-to-Video）是指利用人工智能技术，根据用户输入的文本描述（Prompt），自动生成一段符合描述的视频内容的技术。它代表了生成式人工智能（Generative AI）在视频创作领域的重大突破。

其应用场景如下：

• 营销与广告： 快速制作吸睛的社交媒体短视频、产品广告、个性化营销内容、动态广告素材。
• 内容创作： 为自媒体、短视频平台生成创意短片、故事片段、个性化表达内容。
• 影视与创意产业：
  前期制作： 生成概念图、动态故事板、特效预演。
  素材补充： 创建难以实拍的背景、场景或特效镜头（尤其对低成本制作）。
• 教育科普： 将抽象概念、历史事件、科学原理可视化为生动视频，制作个性化学习资料和科普短片。
• 游戏与虚拟世界： 生成游戏过场动画、动态场景、NPC行为动画，加速元宇宙内容构建。
• 电商展示： 自动生成多角度、多场景的产品展示视频和虚拟试用体验视频。
• 新闻媒体： 快速将复杂信息或突发新闻转化为动态信息图/短视频（必要时用于模拟场景还原）。
• 设计与艺术： 作为创意探索工具，快速生成视觉风格、动态效果，为设计提供动态素材。

挑选大模型

进入到阿里百炼的模型广场 ，筛选出 “视频生成” 下的 AI 大模型，这里我们选择的是 “通义万相2.1-图生视频-Plus” 模型，它可以让图片变为动态视频，支持大幅度复杂运动、物理规律遵循、丰富艺术风格和影视级画面质感，指令遵循能力进一步提升，视频质量相对更高。

点击 “API参考” ， 可查看模型的详细文档，一共包含 2 种类型的模型，以及其计费方式：

• wanx2.1-i2v-turbo: 生成速度更快，耗时仅为plus模型的三分之一，性价比更高。计费价格为 0.24元/秒。
• wanx2.1-i2v-plus: 生成细节更丰富，画面更具质感。计费价格为 0.70元/秒。

以上两款模型，各自都拥有 200s 的免费生成额度。

准备一张静态图片

让我们准备一张小姐姐图片，放到某个路径下，我这里是放到了 D:/ 盘下，等会基于它来转换为视频：

新增 Controller 控制器

在 /controller 包，新建一个 Text2VideoController 控制器，并声明 /v12/ai/text2video 文生视频接口，代码如下：

spring.ai.openai.api-key的值获取你自己的阿里百练平台上的key，可以看上篇文章
Spring AI：多模态 AI 大模型

@RestController
@RequestMapping("/v12/ai")
@Slf4j
public class Text2VideoController {

    @Value("${spring.ai.openai.api-key}")
    private String apiKey;

    /**
     * 调用阿里百炼图生视频大模型
     * @param prompt
     * @return
     */
    @GetMapping("/text2video")
    public String text2video(@RequestParam(value = "prompt") String prompt) {
        // 设置视频处理参数，如指定输出视频的分辨率、视频时长等。
        Map<String, Object> parameters = new HashMap<>();
        // 是否开启 prompt 智能改写。开启后使用大模型对输入 prompt 进行智能改写。对于较短的 prompt 生成效果提升明显，但会增加耗时。
        parameters.put("prompt_extend", true);

        // 静态图片路径，将它转换为动态视频
        String imgUrl = "file:///" + "D:/xiaojiejie.png"; // Windows 系统

        // 构建调用大模型所需参数
        VideoSynthesisParam param =
                VideoSynthesisParam.builder()
                        .apiKey(apiKey) // API Key
                        .model("wanx2.1-i2v-plus") // 模型名称
                        .prompt(prompt) // 提示词
                        .imgUrl(imgUrl) // 静态图片路径
                        .parameters(parameters) // 视频处理参数
                        .build();

        log.info("## 正在生成中, 请稍等...");

        // 调用 AI 大模型生成视频
        VideoSynthesis vs = new VideoSynthesis();
        VideoSynthesisResult result = null;
        try {
            result = vs.call(param);
        } catch (Exception e) {
            log.error("", e);
        }

        // 返参
        return JsonUtils.toJson(result);
    }

}

测试

重启后端项目，浏览器访问地址如下，提示词为 “一个小姐姐在跳舞”：

http://localhost:8080/v12/ai/text2video?prompt=一个小姐姐在跳舞

注意，生成视频较为耗时，估计需要 10 分钟左右，请耐心等待，拿到返参后，结构如下，其中包括视频的 url 下载链接：

浏览器访问视频的下载链接，即可完成下载，通过视频播放器，打开看看效果咋样吧！