第 06 课｜AI视频：分清参考、文字与关键帧三种生成思路

动手时继续看

同一个动作，三种模式要写三种输入

下面换成“雨夜店员把关店牌翻过来”。故事目标相同，提示词不能原样复制，因为各模式已经知道的信息不同。

文生视频：先把画面建立起来

雨夜，小便利店入口，中近景。穿深绿色围裙的年轻店员站在玻璃门内侧，右手靠近门上的木质营业牌。固定机位，店员用右手缓慢翻转牌子，动作结束后手停住。室内暖光，门外可见雨痕，画面不切换。牌子内容留待后期制作。

这里必须写出人物、地点、景别和初始姿态。若正式角色需要固定身份，纯文字描述未必足够，应考虑支持素材参考的入口，或先做好剧情首帧。

参考素材生视频：说明谁是谁，再写剧情

使用人物参考中的店员身份和围裙，使用场景参考中的便利店门口。镜头为门内侧中近景，人物站在玻璃门旁，右手翻转悬挂的营业牌，随后停住。保持角色与围裙特征、入口布局及暖光。固定机位，不切镜。

如果工具提供素材命名或引用方式，就按它的官方方式标明人物图和场景图；不要假定“参考一”在所有产品里都有相同含义。上传角色组合板之前，也要确认该入口能否正确处理一张板中的多个视角。

关键帧图生视频：首帧已经交代的内容，不必重新铺一遍

店员右手缓慢翻转门上的牌子，翻转结束后手停住，身体基本保持原位。固定机位，玻璃上的雨痕轻微流动，维持原有灯光与门框位置。

此时上传的是店员已经站在门边、手靠近牌子的完整剧情图。若首帧里根本没有牌子，提示词再强调“翻转牌子”也不能替代修好输入图。三种写法是本站编写的镜头示例，生成效果仍要检查。

首尾帧什么时候有用？

同一机位下，柜门从关到开、人物从抬手到停住，都可以先规划起点和终点。两张图应保持人物身份、空间和光线，区别主要来自这一次动作。不要拿远景作为首帧、另一个房间的特写作为尾帧，期待模型自动替你完成一段合理的剪辑。

如果模型硬把手臂拉长去追终点，先缩小两帧之间的姿态差异，或者把动作拆成两段。首尾帧约束的是两端画面，并不保证中间每一帧都自然。

怎么挑片段：先放完，再回到问题帧

1. 正常速度完整看一遍。先判断动作读不读得懂，有没有意外切镜或人物变化。
2. 盯住关键接触。拿物看手指与物件，走路看脚底与地面，翻牌看挂点和牌子边缘。
3. 找到真正可用的区间。开头短暂抖动但后半段完整时，可以裁掉开头；关键动作本身变形，就别用转场遮掩。
4. 记录一次有意义的修改。本轮只缩小翻转幅度，或只取消运镜，保留可比较的输入。

别让视频长度反过来拖累故事

模型生成的长度是候选素材长度，时间线只取需要的部分。一个抬眼反应已经完成，就不必保留后面几秒发呆。相反，信上的字还没看清，也不能因为生成档位较短就强行切走：读字镜头可用稳定静帧，配合声音与前后反应完成信息传递。

遇到失败，先看它属于哪一层

人物换脸或换衣服，先查身份资料与输入方式；手拿不到物件，先查首帧接触关系和动作路径；摄影机无意切走，先查单镜头与多镜头设置；声音与动作不配，先查台词安排与实际输出。不同问题应有不同下一步。

不要同时换模型、换图、换文字，再把一次成功归因于某个万能词。一次只处理主要问题，既方便比较，也能减少已经通过的部分被重新打开。

把一个复杂动作拆成可剪辑的变化

例如快递员把包裹放下、取出签收单、递笔、等待签字，再骑车离开。这可以是一场戏，不必硬做成一条短生成。先用中景交代交付，再用手部细节表现签收，最后用离开镜头收束，每段都有明确起止状态。

拆镜不是把动作切得越碎越好。关键接触或结果必须能理解，省略过程也要让观众接得上。快递员上一镜还拿着包裹，下一镜已经上车，就需要交代包裹交给了谁，而不是靠观众猜。

静帧、生成视频与剪辑可以一起解决表达

信息阅读、短暂停顿或一个稳定物件细节，可以使用确认过的图像与后期处理，不必每镜都追求明显运动。人物动作和场景变化则根据需要生成。选择素材方式，是为了让观众看清，而不是为了展示工具清单。

如果把静帧用于需要完成动作的关键时刻，可能让故事断开；如果让本应阅读的画面不断晃动，也可能妨碍理解。先判断每镜的表达任务，再选择怎样呈现。

下一步交给剪辑的，不只是一堆视频

按镜号标出采用片段、可用区间、主要问题与输入版本。一个候选只有中段可用，应明确区间；一个动作结束得早，可以让剪辑决定取舍，不必为了保留完整生成长度拖慢整片。

同时保留未压缩的原始输出与对应首帧。以后需要改一个镜头，能够回到原来的材料，而不是从一条已经加字幕和音乐的成片中反向寻找。三种生成模式的分工清楚以后，素材交接也应该继续保持这种清楚。

提交SH02以前，先写一份最短任务单

输入写“已经确认的SH02首帧”，模式写实际选择的单首帧，动作只写从盒内拿起信封并稳定。保留项包括盒盖打开、同一袖口、固定机位与信封正面。需要后期添加的名字，不在视频里要求模型凭空生成。

任务单不是为了增加表格，而是让结果能被判断。拿到视频以后，你要能说出它是否完成了这一件事。若文字里同时包含拆信、读信、抬头与开门，就无法知道哪一段才是本镜必须完成。

万相与Flow当前文档都区分参考与帧输入，但具体语法与组合不同。这里的任务单说明制作意图，不替代任何产品参数；操作时按所选入口转换。

失败一条，不要把全部条件一起换掉

若手没有提起信封，先看首帧接触与路径。手已经穿过纸面，就回去修图；接触成立但幅度过大，可以先缩小拿起距离；摄影机突然切到脸部，则先明确单镜头与固定机位，并核对模式设置。

若信封变成展开纸张，说明结果把后续阶段提前完成。保留本镜只拿起的目标，必要时减少其他暗示。不要一边要求拿起、一边写“读到惊人的内容”，让任务包含未展示的拆信与阅读。

若人物身份或袖口变化，检查输入图是否采用正确版本，以及提示词是否又描述了另一套外观。不要先从动作词里寻找全部原因。

每次改动保存一份简短说明：本轮只改什么、哪个时间点有问题、采用哪个区间。下一次比较时才看得出改变是否帮助了目标。

省略动作，需要让前后状态接得起来

本练习没有要求在一条视频里完整拍开盒与拆信。SH01之后切到已经开盒的SH02，观众可以通过盒盖状态理解省略；SH02之后看展开纸张，也需要让持物、人物与空间仍然对应。

但省略不能掩盖身份变化。信封与信纸数量突然增加，木盒换到另一侧，或者小宁无缘无故站起，都会引入新的疑问。先让已有动作结果清楚，再决定哪些过程可以不展示。

如果一个省略让观众无法知道物件去向，就补一个更清楚的接点，而不是用快速转场略过。剪辑可以压缩时间，不能替代必要的因果信息。

静帧也是素材选择，不是“这镜没做完”

SH03主要让人读“别开门”。纸张与双手稳定，才方便后期准确放字；细微呼吸或环境变化可以有，但不是这镜的核心。若生成持续破坏纸面，采用确认静帧更符合任务。

静帧进入时间线后仍要处理停留、声音与前后反应。可以让敲门在阅读完成后触发，再进入SH04。这样不明显的画面运动也有清楚节奏。

相反，SH02的拿起是观众需要理解的行动，若直接用结果静帧，先看是否仍能接得上故事。不同镜头有不同任务，不应为了统一形式全部动态或全部静止。

四镜都通过以后，下载原片并标采用区间。下一课按这些区间剪辑，不把生成时长机械当成必须保留长度。

资料：Flow帧输入说明、万相任务类型。SH02流程为本站教学安排。