怎么挑起始画面
图生视频短片的质量,大部分在视频模型跑起来之前就已经决定了,决定它的就是你挂上去的那张图。四点最关键。主体分离:会动的东西必须明确,通常是一个占主导的主体配简单背景,因为画面塞太满等于给模型太多东西可以重新解释。边缘质量:干净的轮廓比模糊杂乱的边缘更能扛住插值。
光的方向:有明确方向光的画面给了模型一个可以保持一致的依据,而平淡的环境光会诱使它自己编出阴影。还有留白:在镜头运动的方向上留一点空间,因为推近的镜头需要地方可推。两张都过审的图之间,选剪影更简单的那张,不是更好看的那张。
运动预算:一秒钟能承担多少
视频模型渲染的不是运动,而是帧与帧之间看起来合理的变化,所以它存在一个预算,超支就会漂移。一条稳妥的经验:每秒一个明确动作,而第一条短片应该明显少于此。数一数你要求动的东西:主体、镜头、衣料、头发、背景、光线。每多一个会动的元素,就在分摊同一份预算。主体转动加推镜加衣料飘动,已经是三个了。
要两样,通常两样都能给;要五样,五样都做不干净。同样的提示词下,长短片的差别也在这里:五秒短片要做十五次独立决策,两秒短片只要六次。保持短而具体,然后靠剪辑。
短片为什么会漂,以及怎么重新锚定
漂移有四种常见形态,各自对应不同修法。身份漂移:第一秒之后主体的脸或产品外形变了。修法是把短片缩短,并选用把所附图片当作硬性首帧而不是松散参考的引擎。几何漂移:直线弯曲、瓷砖变形、标签上的文字糊掉。修法是把画面里所有直线内容去掉,视频模型没法在时间上保持平行结构。光漂移:阴影移动甚至反转,因为模型每一帧都在重新打光。
修法是在提示词里写死一个固定光源。物理漂移:衣料、水和头发无视重力与惯性。修法是让它们别出现。短片漂了之后,最省钱的修法通常是重新锚定——用同一张图当首帧、额外加一条约束重新生成——而不是重复摇同一个提示词。
把静帧串成一段序列
一段序列是由分开的镜头搭出来的,不是靠一次长生成。每一张静帧都按最终画幅单独生成,整段共用同一句配色、同一枚镜头描述和同一句光线,然后逐张做动画再剪起来。把每个镜头关在它自己的运动预算里——位移两秒,落定四秒——让剪辑而不是模型去负责连续性。
收益是可靠性:四个干净的两秒镜头,远比一条中途漂掉的八秒长镜头好用。代价是你得为每个镜头单独拍静帧,这和你做图片时的预算纪律完全一样。如果某个序列需要真正连续的长镜头,那是文生视频的地盘——而且这个选择是按镜头做,不是按项目做。
让首帧和尾帧对得上
如果希望两个短片剪在一起不跳,最直接的办法是让第一条的结束状态就是第二条的开始状态。实操方法有两种:把第二条的起始画面直接用第一条的最后一帧来生成;或者在第一条里明写一个结束姿势——人物转向左边、手放在桌面上——然后让第二条以同样的姿势开场。
提供尾帧控制的引擎会替你完成这件事,有这个功能就该用,而不是靠文字描述姿势。没有这个控制时的退路是:让短片慢下来,并且结束在接近静止的位置,因为运动中的帧极难对齐,静止的帧则很容易对齐。在为第二条花任何积分之前,先把两张帧并排看一眼。
站得住的镜头语言
有名字的运镜比描述运镜更有效,因为模型是在这些术语上训练出来的。可靠的有:缓慢推近、拉远、固定机位、左右横摇、上下摇、绕主体环绕、跟手持机跟拍。可靠性差的有:升降机甩臂、快速甩镜、倾斜构图、带运动的推近变焦,以及任何把两种运镜叠加的写法。两个习惯能拉开差距。
把运镜写成一个短句,并带上速度和方向——「从胸部缓慢推近」,而不是「电影感的镜头运动」。再写清什么不许动,因为模型的默认假设是什么都可以动:「人物保持坐姿,背景不变,不要镜头抖动」。句子里否定的那一半,往往比肯定的那一半更值钱。
什么时候停在静帧,改去做照片动画
当镜头在动、而主体需要保持认得出来时,图生视频是对的工具;而对好几类常见任务,它是错的工具。如果你要的是一张几乎不动的人物肖像——一次眨眼、一次呼吸、头部轻轻一转——你要的是照片动画那条流程,而不是图生视频,因为那类引擎是为保住一张脸调校的,不是为了让镜头穿过一个场景。让一张已有的照片动起来,同样属于那条路。
但如果是产品转台展示或者品牌短片动效,从一张干净的渲染图做图生视频恰恰是对的工具。而如果某个镜头要求人物身份在一条长镜头里始终不变,那就把身份生成一次,保留那张静帧,然后靠剪辑解决,而不是去生成一条长片。
什么样的运动该用哪个引擎
按运动的类型去选引擎,而不是按品牌。快速、物理上合理的运动——人物、动物、手拿产品、自然的镜头运动——是 Seedance 和 WAN 的强项,也是合理的默认选择。高制作感、有强烈美术指导的电影级镜头,才是 Sora 和 Veo 值得花钱的地方,而且这种钱应该花在一条主视觉上,而不是十二条社交切片。
如果你的起始画面是一张真实照片,决定性的因素往往不是画质,而是这个引擎到底接不接受参考图:好几个引擎会直接拒收上传的图片。这种情况下应该换引擎,而不是重新导出一张图,因为问题几乎从来不在文件本身。把静帧留在作品库里,这样换引擎重跑一次花的是一次生成,而不是重新拍一遍。
时长、分辨率与它们的花费
时长和分辨率是真正会改变账单的两个设置,而且它们都和漂移相互作用。一条四秒的 1080p 短片大约是两条两秒 720p 的两倍价钱,也意味着多一倍的出错机会。草稿一律用短时长和标准分辨率出,只有当有一条短片能在完整长度上撑住时,再付最终版的钱。两个习惯真的很省钱。
把草稿时长压到「可能是最终剪辑的最短长度」这一档;如果成片确实要更长,就用几条短片拼出长版,而不是生成一条长的——出于可靠性原因你本来也会这么做。出图积分和视频积分共用一个余额,所以一个下午的静帧和一晚上的短片是在抢同一笔预算。早上就决定这一天到底是给哪一个的。
一条镜头的单次制作流程
0–5 分钟:把镜头写成一个句子——主体、运动、镜头语言、时长。5–15 分钟:生成起始画面并让它过审,因为没过审的静帧是这条流程里最贵的错误。15–25 分钟:在一个引擎上,用最短时长打草稿,并把否定约束明确写出来。25–35 分钟:如果漂了,用同一张图当首帧、加一条约束重新锚定一次;如果还漂,就砍掉运动清单,而不是继续摇。
35–45 分钟:在第二个引擎上把入选的那条用最终时长和分辨率跑一遍做对比。把静帧、提示词和被接受的短片一起存进作品库,这样序列里的下一个镜头是从一个已经验证过的参考起步,而不是重新做一次实验。
修一条短片,而不是重新生成
在再花一次生成之前,先问这个缺陷能不能在后期修。偏色和曝光问题几乎都是调色,而不是重新生成:在剪辑软件里改就行,成本为零。结尾处轻微的身份偏移,可以用剪掉最后半秒盖掉,这通常是视频工作里最便宜的修法。速度是可以变速的,一个稍快的推近在后期放慢就行。不能后期修的只有这些:脸变形、几何融化、主体换了外形。
这几种意味着必须重新锚定,也就意味着再生成一次。每次重摇之前,先把失败的短片分成「可修」和「不可修」两类——真正悄悄吃掉积分预算的,正是那些可修的片子。
一份分镜表的成本
预算要从分镜表算起,而不是从视频本身算起。一条十个镜头的社交切片,是十张静帧加十条短片;在短时长下,静帧的花费和短片大致相当——这一点会让那些把视频当成一行预算的人吃惊。把你会真实遇到的返工也算进去:第一遍就过的短片是例外,所以按每个镜头在第一个引擎上算一到两次生成。
如果还用第二个引擎做对比,那就是再来一个镜头。真正能控制的杠杆是镜头数量,而不是时长:六条两秒镜头、每条两次尝试,是一个站得住的预算;而一条十秒主视觉配十次尝试,就不是。先把分镜表写下来:它是整个流程里唯一不花钱、却能挡住最贵的那种热情的步骤。
打开工作室
常见问题
- 图生视频用哪个模型?
- 优先 Seedance 或 WAN(工作室露出参考图/首帧控件时)。若任务拒图,换引擎或改文生视频。
- 为啥上传图片被拒?
- 不是每个视频模型都吃参考图。请换成工作室里露出参考控件的引擎,或改文生视频。