做人物类生成视频时,最难拿捏的往往不是长相,而是动作幅度。幅度给大了,手臂甩出画面、手指变形、肢体穿过身体;幅度给小了,人物像被定住一样,只有嘴在动,整段视频透着一股木偶感。很多创作者反复改提示词也调不好,是因为把幅度当成一个词来写,而模型需要的是分层、可执行的运动描述。

先理解模型是怎么看待动作的。视频模型在生成时序帧时,本质上是在估计每一帧里身体各部位的位移。提示词里的动词越笼统,模型对位移的估计就越自由,幅度也就越不可控。写清楚动作的起点、轨迹和落点,比堆砌形容词有效得多。比如不要只写“挥手”,而要写“右手从身侧抬起至肩高,掌心向外,左右轻摆两次后放下”。轨迹、次数、起止位置都交代了,模型才有明确的约束。

幅度控制可以分三层做。第一层是文字分级:把动作幅度分成小、中、大三档来描述,小幅度用“轻微、缓慢、小范围”这类词,中幅度用“自然、适中”,大幅度才用“大幅、快速、舒展”,并且在同一段视频里只用一个档位,避免大小动作混在一起让模型无所适从。第二层是参考约束:有条件时提供一段参考视频或关键帧姿态,让模型照着运动轨迹走,幅度就有了锚点。第三层是参数与后期:部分工具提供运动强度或运镜强度调节,先从低档试起,逐步加大;成片后如果某一段幅度仍然失控,可以截取该段做局部重生成,而不是整段推倒重来。

落地时有几个要点值得记下来。其一,动作幅度和镜头运动要解耦,先定人物动作,再定镜头推拉,两者同时大幅运动最容易穿帮。其二,手部和面部是穿帮重灾区,大幅度动作尽量避开手部特写,改用中景交代动作。其三,先做短片段验证幅度,确认无误再扩展到完整时长,成本远低于反复重生成整段。其四,同一角色多段出镜时,把幅度档位写进固定的提示词模板,保证前后一致。幅度控制没有万能数值,视具体实现与工具能力而定,但分层描述加小步验证这套打法,在多数场景下都能把动作收进合理区间。