问题
想用图生视频（image-to-video）的创作者和开发者，目前主要靠 Hugging Face 上的免费 Space 演示排队试用（如 Wan2.2 14B Fast/P），或自己在 ComfyUI 里搭工作流跑模型。前者不稳定、不可定制，后者技术门槛高。而模型本身的能力在快速更新——LTX-2.5 已支持从图像、文本或视频生成视频和音频——但易用的产品化封装没有跟上。需要说明：现有信号主要是模型与演示的发布，用户在易用性上的真实痛感证据不足。
目标用户
内容创作者、独立开发者和 AI 视频爱好者，想用图生视频但不想学 ComfyUI 的人群。市场规模只能定性判断：Hugging Face 相关模型和演示的热度（LTX-2.5 获 5868 分热度、Wan2.2 Space 获 3656 分）说明关注量大，但无付费转化的证据。
解决方案
- 一键图生视频：上传图片 + 输入文字提示词，直接输出视频，屏蔽底层模型细节
- 多模型切换：内置 Wan2.2 14B Fast 和 LTX-2.5 等热门开源模型的预设配置
- 参数模板化：把运镜、时长等常用设置做成下拉选项，替代节点式工作流
- AI 的角色：核心是调用开源视频生成模型（文生图→视频 / image-to-video），产品价值在于把模型能力包装成零门槛界面
为什么是现在
信号显示模型能力在快速演进：LTX-2.5 于 2026-07 发布，支持图像、文本或视频到视频并带音频输出；Wan2.2 14B Fast 等开源权重模型在 Hugging Face 上持续获得高热度。技术底座已经就位且免费可得，缺的是面向普通创作者的易用封装。
MVP 范围
做： 单一界面—上传图片 + 输入文字提示词，调用本地或托管的 Wan2.2 14B Fast / LTX-2.5 模型生成视频；提供几个预设风格参数（时长、运镜）；本地生成结果的管理和导出。不做： 不做音频生成、不做复杂节点式工作流（这是 ComfyUI 的领地）、不做团队协作、不做云端算力池（第一版可要求用户本机有显卡或接第三方推理 API）。
风险
- 付费不明：没有证据表明用户愿意为此付费，可能只是免费工具市场。
- 模型迭代风险：底座模型（Wan2.2、LTX-2.5）快速更新，封装层随时可能被官方产品或 Hugging Face Spaces 免费演示覆盖。
- 算力门槛：14B 视频模型对消费级显卡要求高，本地部署会筛掉大量目标用户。
- 平台依赖：若依赖托管推理 API，成本和可用性都不在自己手里。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| ComfyUI | 节点式工作流工具，功能强大但学习门槛高，是本机会试图简化的现状方案。 | — |
| Wan2.2 14B Fast | 开源图生视频模型，在 Hugging Face Spaces 上有免费演示，是潜在的技术底座也是竞争者。 | — |
| LTX-2.5 | Lightricks 最新发布的图/文/视频生成模型，支持音频输出，代表能力前沿。 | — |
| Omni Video Factory | 托管在 Hugging Face 上的文/图生视频 Space，功能高度重叠。 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
Hugging Face · 热门模型7月23日新能力▲ 5900
“Task: image-to-video”
Lightricks 发布了 LTX-2.5 模型，支持从图像、文本或视频生成视频和音频内容。原文
Hugging Face · 热门 Spaces7月15日新品发布▲ 250
“generate a video from an image with a text prompt”
generate a video from an image with a text prompt原文
Hugging Face · 热门 Spaces7月30日新品发布▲ 3663
“generate a video from an image with a text prompt”
generate a video from an image with a text prompt原文