在 Mac 上把照片变成 AI 视频
在 Mac 上用 AI 做图生视频,光幻(Phosphene)免费、可离线。选好模式,描述运动,照片就能变成带声音的 AI 视频。

照片给出场景,提示词补上运动。在 Mac 上,本地就能免费做出一段带声音的片段。
光幻(Phosphene)是我们开发的免费开源 Mac 应用,本文用的就是它。它运行 LTX-2.5。下面的渲染时间都是实测的。
一张横着拍的手机照片,摆正之后,成了这段 9:16 的 LTX-2.5 片段。
你的 Mac 需要什么
- 一台 Apple Silicon Mac(M1 或更新),16 GB 或更多内存。内存低于 48 GB 时,画面尺寸会更小。
- 约 28 GB 磁盘空间,留给视频模型。你的 Mac 能不能跑,可以在我的 Mac 能运行吗?里查一下。
- 每个片段几分钟。 一段 5 秒、均衡模式、480p 的片段(文字片段和图片片段合并统计),光幻(Phosphene)用户的中位耗时从 M5 Max 上的约 1 分钟,到 16 GB M4 上的 10 分 40 秒。各款芯片。
手动方式
想用 Python 自己跑图生视频模型,可以用 PyTorch 参考代码搭配 Apple 的 Metal 后端,也可以用社区做的 Apple MLX 框架命令行移植版。
两种方式都行。Python 环境、模型下载和启动参数,都得自己打理。PyTorch 还要打补丁,而且很吃 Mac 内存。细节都在我们的《在 Mac 上运行 LTX》指南里。
省事的方法:光幻 Phosphene
1. 安装光幻 Phosphene 和视频模型
先从下载页面获取,拖进应用程序,然后打开。核对模型列表和大小,再确认下载约 28 GB 的基础模型。
2. 选择图片模式
在视频标签页里,模型保持 LTX 2.5 不变,选择图片。
3. 放入照片,选择锚定
把照片拖进参考图,然后选一种模式:
- 锚定会把照片当作首帧,片段就从这一帧往下动。多数人说的图生视频,就是这个意思。
- 灵感会借用照片的主体和观感,生成一个新镜头。你的照片不会成为第一帧。
片段的形状跟随照片,所以竖着拍的照片会得到竖屏片段。

4. 描述运动和声音
模型已经能看到这张照片。描述动作和运镜,再补上你想听到的声音:
The lanterns closest to the boat lift gently off the water and float upward. The fisherman watches them. Static camera. Audio: water lapping on the hull, a slow creak of the boat, a distant gull.
5. 生成
先选均衡和5 秒,再点生成。片段会带着声音出现在作品里。
也可以先在图片里生成一张图,再选生成动画,把它送进图生视频。
不止一张图
- 首尾帧接收首帧和尾帧,推算出中间的运动。
- 关键帧让你把静帧放在选定的时间点,引导镜头的走向(需要 48 GB 或更多内存)。
- 延长能给你喜欢的片段最多再加 15 秒。
常见问题与解决办法
片段不像我的照片。 选锚定,从你的照片开始。灵感会生成一个新镜头。
几乎什么都不动。 说清楚什么该动、怎么动。每 5 秒最多安排一两个动作。
脸或手变形。 用清晰的照片,让主体在画面里大一些。在提示词里写更小、更慢的动作,或者换个新种子再生成一次。
片段形状不对。 它会跟随照片。生成前先裁成你想要的形状。
渲染中断,提示内存不足。 关掉占内存的应用,或者试试更小的尺寸、更短的时长。
这里的一切都免费。如果你想支持光幻(Phosphene),Pro 用户会先享受到一些加速,包括在 32 GB 或更多内存的 Mac 上更快的 LTX 片段。