同一个人物，坐下时是一件衣服，站起来时还是不是那件？门口换了一个角度以后，房间里的桌子还在原处吗？
本文内容（5节）
这些问题很朴素，却是连续图像与单张图片之间的重要差别。单图可以独立成立，连续画面则要共同描述一个世界。观众会记住刚刚看见的内容，也会用它理解下一张画面。
Wan-Image在2026年4月提交的论文摘要中，讨论多主体身份保持、连续视觉生成和编辑等方向。它值得关注的，并不只是生成了更多图，而是把图像之间的关系纳入了研究对象。
一张脸看起来相似，并不足以让连续画面成立。服装、体型、道具状态和空间位置也会参与身份判断。两个人同时出现时，还需要区分哪些特征属于谁，不能只保住整张图的画风。
这也是为什么一套角色资料有时比单张代表作更难做。每个角度分别追求最漂亮的结果，未必能拼成同一个人。创作者需要的不只是好看的候选，还有一套能持续使用的决定。
论文可以帮助提出更明确的问题：它处理的是哪一种一致性，比较了什么任务，结果覆盖了多少条件。但摘要中的能力描述，与真实工具里任意题材的表现之间，仍然隔着实现、入口和输入分布。
本文依据摘要与提交记录讨论研究方向，没有复现模型。论文提交、产品开放和本地可运行也不是同一天发生的同一件事。
可以把一致性分成三层来看
第一层是身份：观众能否认出同一个人，或分清同时出现的几个人。第二层是设定：发型、服装结构、配饰和重要道具是否按既定规则延续。第三层是状态：刚刚打开的门是否仍然打开，已经递出的物品是否还留在原主人手上。这三层常常一起出问题，却需要不同修法。
一张脸相似的图，如果把角色的工作服换成另一套，可能仍不适合接在上一镜后面；房间画风相同，如果桌椅关系完全重排，也可能让动作无法衔接。所以，评价连续图像时，只问“像不像”还不够，需要说清楚到底是哪一层关系。
连续图像为什么不能只靠同一张脸来判断
Wan-Image论文把连续视觉生成、多主体身份保持和交互编辑列入研究能力。对漫剧来说，这些概念分别触及不同问题：同一个人是否还能认出，两个人是否互换了特征，前后画面是否延续了同一件事。它们有关联，却不能只用“人物一致”四个字概括。
以钟表匠修理旧表为例，第一张是检查表盘，第二张拆开后盖，第三张将表交还顾客。如果每张脸都相似，但表从圆形变成方形、工作台从靠窗变成背门，这组图仍然难以直接成为分镜。连续制作要求的不只是主角身份，还包括道具状态与场景关系。
反过来，也不该把剧情需要的变化误判成失败。人物放下眼镜、脱掉外套、从坐姿站起，都是合理状态变化。制作前先写清“什么需要保持，什么应当改变”，比较时才不会一边要求人物完成动作，一边又要求所有像素完全相同。
选一组简单镜头，才容易看出变化
可以准备三张画面：修表师在柜台后拿起腕表，转头看向门口，再将腕表放回托盘。场景和人物都不复杂，但涉及身份、道具和动作状态。把角色标准与场景关系先确定，再看生成结果，错误就更容易被具体指出。
如果每张图都换构图、换光线、换服装，最后很难知道差异属于合理变化还是模型漂移。前期评价不妨先限制变量，等简单条件下的关系清楚，再逐步加入侧脸、遮挡和第二个人。这是建议的任务组织方法，不代表论文已经按该例完成实验。
可以怎样设计一组真正有区分度的任务
先做单人换景别：同一服装、同一工作台，从中景切到侧面近景。再做双人关系：钟表匠将旧表递给顾客，双方衣着特征不互换。最后做状态延续：后盖已经打开，下一张仍应保持打开，直到剧情出现合上的动作。
三组任务分别检查身份、主体绑定与状态。每组只改变少数条件，失败时才能判断问题属于哪一类。把换角色、换服装、换场景和复杂动作一次堆在一起，虽然更像正式制作，却不适合第一次理解模型的薄弱点。
还可以保留一张未进入正式输入的检查图，例如主角另一侧的面部或道具背面，用来观察结果是否仍然合理。但不要在没有测试的情况下写“模型认识完整三维结构”。画面看起来一致，是结果观察；内部究竟怎样表征，需要另一层研究证据。
论文里的比较，也需要看任务条件
一个结果好看，需要继续问它使用了哪些参考、要保持哪些特征、允许改变哪些部分，比较对象是否处于相同条件。不同任务强调的目标不一样：编辑一张已有图，和从少量资料连续生成多张图，不能只凭最终样张直接比较。
摘要适合帮助理解研究方向，但不足以支持所有工程结论。若想真正采用，仍需阅读方法、数据、评测和限制，再核对是否有对应实现与使用条件。产品页面中的同名模型，也未必与论文中某个实验配置完全相同。
论文结果和生产效果之间，还差哪些条件
先看研究使用的任务形式。一次生成一组图、在前图基础上编辑，以及每次独立生成再由人筛选，具有不同条件。若人挑了十轮才凑出三张好图，不能把它与一次输出三张的能力直接比较。
再看评价关注什么。整体偏好、文本遵循、身份保持与局部细节，可能出现不同排序。一张被多数人认为更好看的图，未必更符合某个道具必须位于右手的要求。论文中的综合结论，应与具体任务的结果分开读。
生产还需要考虑修改。顾客从红衣改成蓝衣以后，钟表匠和场景能否保留？第三张图只需修表盖，是否必须重做整组？这些决定了资料能否随着项目迭代。一次展示成功的图组，不能回答全部后续修改成本。
创作者现在可以先做好一份小型连续性表：角色身份、当前服装、场景机位、道具状态、允许变化。它既能指导输入，也能指导选择结果。模型越善于理解复杂材料，明确的制作标准就越有价值，因为你终于有机会把标准更完整地传进去。
研究来源：Wan-Image论文摘要与版本记录、论文HTML正文。钟表匠任务为本站设计的观察方法。
创作者现在就能做的，是把已确定的东西记下来
角色板、场景主视图、道具状态表和镜头编号，都可以减少下一轮生成时重新解释的内容。人物三视图与脸部特写适合放在同一张标准板里共同检查，避免每个视角分别生成后各自变成不同版本。
当某个镜头需要变化时，明确写出变化属于剧情，还是修正错误。例如角色因为行动摘下帽子，应当在后续继续保持这个状态；模型无意间把帽子换色，则不是新的设定。连续创作最需要维护的，正是这些已经作出的决定，而不只是不断取得更漂亮的新候选。
这项研究带来的启发，是把评价对象从一张图扩大到一组互相承诺的画面。前一张已经确认的内容，后一张能否继续尊重，才是连续创作真正关心的事情。
连续图组里，道具也需要一条自己的时间线
旧表在第一张合着、第二张打开、第三张交回顾客，状态是随行动变化的。可以把每镜的持有人、开合和位置记在同一行，生成时采用对应条件。这样不用每次重新想象道具“应该差不多是什么样”。
如果图组出现跳变，先看缺少的是过程还是结果依据。中间没有展示合盖动作，但下一张已经合上，有时可以通过剪辑省略；表从修理中突然变成另一款外形，则属于身份变化，不能用省略过程解释。
双人任务还可以检查归属：顾客的手套是否跑到钟表匠身上，主角的围裙是否被另一人穿上。只有单人肖像表现良好，不足以说明多主体绑定也同样可靠。
这类任务不需要很多华丽场景，反而应该让重要关系容易观察。把少量难点拆清楚，研究介绍才更容易转化为制作人员能够理解的能力边界。
资料来源与延伸阅读
资料复核：2026年11月4日。文中的自拟情节、演算与检查方法用于教学；产品能力以对应版本的公开说明为依据，未将文档核对写成账号实测。