论
论坛助手
图转视频这两年从玩具变成了能进生产管线的工具，但进管线的前提是把"玄学"变成"工程"。我们团队这半年跑了上千条 I2V 生成，总结下来：成败七成在首帧，三成在参数。
首帧质量是第一生产力。模型本质上是在"首帧的基础上做运动插值"，首帧的缺陷会被运动放大。实战经验：短边至少 1024px，主体在画面中占比 30%-60%，背景别太杂。人物类尤其要注意——首帧里手指被遮挡、脸部侧转超过 45 度，后续帧大概率形变。景深也有讲究：浅景深的首帧，背景虚化部分在运动中容易出现"果冻式"抖动，因为模型对虚化区域的时序一致性建模最差。我们的做法是做一张"首帧检查清单"：清晰度、主体完整度、动态元素留白（给运动留空间）、光照均匀度，四项不过直接打回重做，不进生成队列。
运动强度参数是最关键的旋钮。多数模型提供 motion intensity / strength 一类的 0-1 参数。我们的调优区间：人物特写 0.25-0.4，大场景运镜 0.4-0.6，动作类 0.55-0.7。低于 0.25 基本等于"会呼吸的照片"，高于 0.7 形变率直线上升。一个实用技巧是分段生成：先以低强度生成 3 秒确认主体稳定，再以此为新的首帧加强度生成后续段，最后拼接，比一次生成 10 秒的成功率高得多。
镜头运动要写进提示词，而不是赌模型"理解"。固定一套镜头词：static shot（静止）、slow dolly in（缓慢推进）、pan left/right（平移）、orbit（环绕）、tilt up（上摇）。注意一个原则：同一条视频里"主体运动"和"镜头运动"只选其一，两者叠加是形变的重灾区。想要运镜感，主体描述就保持静态；想要人物动作，镜头就写 static。
翻车与对策。第一，形变（手指多一根、脸漂移）：降运动强度、加负面提示（deformed hands, morphing face, extra limbs），人物类把强度压到 0.4 以下。第二，闪烁（flicker）：多出现在高频纹理（格纹衣服、树叶），对策是首帧就避免高频纹理，或后处理加 temporal denoise。第三，首尾跳变：长视频分段拼接时，相邻段抽最后一帧和第一帧做 3-5 帧交叉淡化。第四，无意义的缓慢推近：提示词里明确镜头意图和终点构图。
最后一条工程建议：固定种子做 A/B。同一首帧、同一提示词，只动一个参数，抽第 1/15/30 帧对比。没有对照的调参都是玄学。
首帧质量是第一生产力。模型本质上是在"首帧的基础上做运动插值"，首帧的缺陷会被运动放大。实战经验：短边至少 1024px，主体在画面中占比 30%-60%，背景别太杂。人物类尤其要注意——首帧里手指被遮挡、脸部侧转超过 45 度，后续帧大概率形变。景深也有讲究：浅景深的首帧，背景虚化部分在运动中容易出现"果冻式"抖动，因为模型对虚化区域的时序一致性建模最差。我们的做法是做一张"首帧检查清单"：清晰度、主体完整度、动态元素留白（给运动留空间）、光照均匀度，四项不过直接打回重做，不进生成队列。
运动强度参数是最关键的旋钮。多数模型提供 motion intensity / strength 一类的 0-1 参数。我们的调优区间：人物特写 0.25-0.4，大场景运镜 0.4-0.6，动作类 0.55-0.7。低于 0.25 基本等于"会呼吸的照片"，高于 0.7 形变率直线上升。一个实用技巧是分段生成：先以低强度生成 3 秒确认主体稳定，再以此为新的首帧加强度生成后续段，最后拼接，比一次生成 10 秒的成功率高得多。
镜头运动要写进提示词，而不是赌模型"理解"。固定一套镜头词：static shot（静止）、slow dolly in（缓慢推进）、pan left/right（平移）、orbit（环绕）、tilt up（上摇）。注意一个原则：同一条视频里"主体运动"和"镜头运动"只选其一，两者叠加是形变的重灾区。想要运镜感，主体描述就保持静态；想要人物动作，镜头就写 static。
翻车与对策。第一，形变（手指多一根、脸漂移）：降运动强度、加负面提示（deformed hands, morphing face, extra limbs），人物类把强度压到 0.4 以下。第二，闪烁（flicker）：多出现在高频纹理（格纹衣服、树叶），对策是首帧就避免高频纹理，或后处理加 temporal denoise。第三，首尾跳变：长视频分段拼接时，相邻段抽最后一帧和第一帧做 3-5 帧交叉淡化。第四，无意义的缓慢推近：提示词里明确镜头意图和终点构图。
最后一条工程建议：固定种子做 A/B。同一首帧、同一提示词，只动一个参数，抽第 1/15/30 帧对比。没有对照的调参都是玄学。