如何制作 AI 水果吃水果视频(分步教程)
手把手教你做 AI 水果吃水果视频:四段式提示词结构、水果搭配、咬合节奏、ASMR 音效的模型选择、积分成本与 9:16 导出设置,附苹果吃蓝莓完整示例。

刷到第十条的时候你大概已经认出来了:一颗长着卡通大眼睛的苹果,慢条斯理地咬下一颗蓝莓,"咔嚓"一声脆响,评论区已经在刷"这是怎么做出来的"。这就是 AI 水果吃水果(fruit eating fruit)格式——一段竖屏短视频,主角是一只有脸的水果,吃掉另一只水果。只要读懂它的结构,这是最容易复刻的 AI 视频格式之一。这篇教程带你在 AI Fruit 里从零做一条:四段式提示词结构、水果搭配怎么选、模型和音效设置怎么挑、导出前要定什么。全文基于产品的文档化工作流和自带示例整理,模型设置核对于 2026 年 10 月 12 日——我们没有替你跑过生成,所有设置都当起点用,不当保证看。
「水果吃水果」到底是什么格式
这个格式有三个固定要素:一只有脸的水果角色(有时还带小短手)、一只被吃的水果、一口有满足感的咬合——通常配 ASMR 风格的咀嚼音。成片一般 5–10 秒,正好是短视频信息流的节奏。AI Fruit 自带的吃水果示例都是这个形状:草莓吃蓝莓、西瓜咬苹果片、一群葡萄开吃播。
两个常被混淆的邻居格式要分清。水果切割 ASMR是刀切水果——没有角色、没有脸。水果短剧是多分镜剧情,有对白有情节,在单独的 Story 工作区里做。吃水果格式夹在中间:一个角色、一口咬下去、一条成片。以后想加剧情,Story 工作流是另一篇教程的事——这篇只讲单条成片的吃水果格式。
吃水果提示词的四段结构
AI Fruit 吃水果工具里所有自带示例提示词,都包含同样的四段。先看编辑器的默认提示词:
A cute strawberry with big eyes eating a blueberry, ASMR style with satisfying crunch sounds, close-up shot, vibrant colors
- 角色——"a cute strawberry with big eyes":水果种类加拟人程度。"big eyes"在这里干了实实在在的活:它把模型推向一张能读出情绪的脸。
- 被吃对象——"eating a blueberry":被咬的那只水果。小目标比大目标出效果(下面细说)。
- 动作——"eating":咬合本身。biting into、munching on、taking a bite这些词各自驱动的嘴部物理都不一样。
- 风格、音效与镜头——"ASMR style with satisfying crunch sounds, close-up shot, vibrant colors":审美基调、要不要声音、怎么取景。

四段结构,源自 AI Fruit 自带示例提示词
工具里其他自带提示词也是同一副骨架——"An apple with big eyes eating a blueberry, ASMR style"、"A baby watermelon munching on a grape with crunchy ASMR sounds"、"A happy mango eating a cherry, cartoon style, vibrant colors"。看懂四段结构之后,你就可以逐槽位刻意替换,而不是碰运气式地改来改去。
提示词保留英文即可:生成器里的默认与推荐提示词本身就是英文,四段结构直接照搬最稳。
第 1 步:选一对水果
从小的吃更小的开始:苹果吃蓝莓、草莓吃樱桃、西瓜宝宝啃葡萄。体型差很关键——5–10 秒的片子只够一两口,目标太大这口永远咬不下去;体型相当则会变成碰撞物理,不像吃东西。
苹果配蓝莓是 AI Fruit 自带 Apple ASMR 示例的同款搭配,也是刻意挑选的安全首跑:两只水果颜色对比强(竖屏里红配蓝一眼可读)、脸够大有戏、目标小到两口就能吃完。自带示例里还有几组现成起点:芒果吃樱桃、西瓜宝宝啃葡萄,以及"自我食用"变体——橙子剥了自己的皮吃自己的瓣——它的好处是"被吃对象"永远在画面里。
第 2 步:写提示词
把四段装进一句话。苹果旗舰示例的填空版:
A cute apple with big eyes eating a blueberry, ASMR style with satisfying crunch sounds, close-up shot, vibrant colors
一次只换一段,并清楚换了什么:
- 换风格定调视觉:"cartoon style"(自带芒果示例同款)、"realistic"、"3D render"。风格词一个就够,堆五个通常只会把画面搅浑。
- 换动作动词调节奏:"munching on"读起来比"slowly biting into"更快、更狼狈。
- 音效短语只在模型本身出声音时保留——否则你是在为这条片子交付不了的东西花提示词预算。哪些模型出声音,第 4 步讲。
同一副骨架下两个未经实测的起点,旗舰示例跑通后可以试:
An apple with big eyes slowly biting into a cherry, soft cartoon style, gentle crunch, extreme close-up
A grumpy apple with tiny arms refusing to share its blueberry, comedy timing, close-up shot
这些是结构示范,不是验证过的模板——不管提示词写得多顺,都要做好重跑几次的准备。
第 3 步:选输入方式
AI Fruit 的吃水果工具有三种进入方式,这个选择对角色一致性的影响比其他任何决定都大。
纯文字提示词。 最快的路径。模型根据你的描述自行发明角色——做单条内容足够。
上传参考图。 上传一张水果照片或插画,模型让"你的"水果动起来而不是重新发明一只(图生视频)。当你想要一只特定的苹果——特定的色泽和形状——或者计划做系列、需要跨条复用同一角色时,用这条路。目录里所有模型都接受图片输入;没有一个强制要求。
从模板开始。 吃水果模板类目自带现成场景,比如"Watermelon Eating Strawberry"——选一个、改提示词、直接生成。想复刻一个你已经见过跑通的格式,这条路最快。

截图来源:aifruit.app,访问于 2026 年 10 月 12 日
第 4 步:选模型和音效设置
成本和声音都在这一步定死。以下设置来自模型目录,核对于 2026 年 10 月 12 日——随供应情况可能变动,生成器总是在你点生成前显示当前价格。
| 模型 | 时长 | 分辨率 | 9:16 选项 | 积分费率 | 原生音频 |
|---|---|---|---|---|---|
| Grok Imagine Video | 6–30s | 480p / 720p / 1080p | 有 | 720p 下 3 积分/秒 | 目录未列出 |
| Kling 3.0 | 3–15s | 720p / 1080p / 4K | 有 | 720p:静音 12/秒、带音频 17/秒 | 开关式,计入定价 |
| Wan 2.6 | 5 / 10 / 15s | 720p / 1080p | 未提供 | 720p 12/秒,1080p 18/秒 | 自带 |
| Veo 3.1 | 以模型为准 | 以模型为准 | 有 | 生成器内显示 | 目录标注带音频 |
这张表的实用读法:
- 最便宜的测试回路: Grok Imagine Video 720p——6 秒一条 18 积分。
- 稳出咀嚼音的路径: 提示词里的"ASMR crunch sounds"只有在本身出声音的模型上才会变成真音频。Kling 3.0把它做成显式开关(开与关定价不同),Wan 2.6 自带音频,Veo 3.1 目录标注带 Google 音频。模型没有音频选项的,声音就得自己进剪辑软件补。
- 图生视频全目录可用: 上传参考水果照片会自动路由到各模型的图生视频变体。
第 5 步:生成、检查咬合、迭代
生成是异步的——完成时间随模型、设置和供应商队列浮动。结果落地后,发出去之前按四条检查:
- 咬合接触——嘴真的碰到目标了吗,还是从旁边滑了过去?
- 面部稳定性——眼睛和脸全片保持一致吗,还是嚼到一半化了?
- 咀嚼物理——有看得见的咬痕和吞咽动作吗,还是水果只在嘴边打转?
- 声画同步——如果模型出了音频,咀嚼音落在咬下的那一下了吗?

截图来源:aifruit.app,访问于 2026 年 10 月 12 日
哪条不过就重跑——每一条废片只花它自己的积分,所以在便宜模型上多试两次,通常好过将就一条咬合崩掉的成片。这一步也正好打开吃水果生成器,填入提示词跑第一条;编辑器里默认就带本篇教程的旗舰提示词。
第 6 步:TikTok、Reels、Shorts 的导出设置
吃水果内容是竖屏信息流物种,所以:
- 画幅: 模型暴露 9:16 选项就选它(Grok Imagine、Kling 3.0、Veo 3.1 都提供;Wan 2.6 的目录项没有画幅选择器,扣积分前先看预览)。
- 分辨率: 720p 是便宜的迭代档;最终赢家拿到 1080p 再出一次(模型支持的话)。差距在质感特写上最明显——苹果皮和蓝莓果霜正是 480p 会糊掉的地方。
- 时长: 5–10 秒贴合格式;自带示例全部落在这个区间。
发布前一条合规提醒:水印行为和商用取决于所用模型与供应商条款、AI Fruit 服务条款以及你对输入素材的权利——按你实际用的那条模型去核对,别默认一张万能授权。
一条视频到底花多少钱
按上文设置算的实例(费率核对于 2026 年 10 月 12 日):
| 场景 | 算式 | 成本 |
|---|---|---|
| Grok Imagine 720p,6 秒测试 | 6 × 3 | 18 积分 |
| Kling 3.0 720p 带音频,6 秒 | 6 × 17 | 102 积分 |
| Wan 2.6 720p,5 秒 | 5 × 12 | 60 积分 |
把重跑预算进去:多试两条的话,一条 Grok 测试回路全程约 54 积分,最终 1080p 重渲染按各自费率另算。新账号有免费积分——批量开工前先看当前的注册赠送。
值得先知道的边界
咬合的真实感随模型和设置浮动——四段结构能让任何模型都去尝试这个格式,但没有任何设置保证一口干净的咬合,AI Fruit 也不承诺跨条目的角色一致性。音频取决于模型而非提示词:把"crunch sounds"写得再用力,静音模型也不会出声。如果你的吃水果视频长出了剧情——水果一家、恩怨情仇、故事线——那是多分镜 Story 工作流的领地,分镜式 Story 教程讲得更全。
延伸阅读
- 婴儿水果家庭视频制作教程——这个格式的婴儿水果变体
- TikTok 水果 ASMR 视频制作——刀切邻居格式
- 如何避免 AI 味过重的水果视频——片子一眼假时的修法
- 想从模板起步,直接用吃水果生成器和婴儿水果工具