动作分段与动作提示词
“AI 视频不扑街”课程第 10 课，共 22 课。免费，有动画和小测验。
任何动作都分三段
任何动作都分三段：准备、动作本身，以及身体回到平衡的收势。跳是下蹲、腾空、落地缓冲；踢球是摆腿、触球、球踢出去后腿继续往前送。模型常常把整个镜头都花在主动作上，结果视频在动作中间断掉，或者诡异地循环重复。所以要把一个镜头当成 5–8 秒的小故事来规划，最后几秒留给收势：人停下来、喘口气、看向镜头。这样的结尾也很好接下一个镜头。
具体的动词
“跳舞”“锻炼”“动来动去”，对模型来说等于让它即兴发挥，结果往往手脚缠在一起。专业的人会像编舞一样写动作：哪几步、什么顺序、哪只脚。不是“跳舞”，而是“以左脚跟为轴转一圈”；不是“锻炼”，而是“向前一步，蹲下去”。动词越具体，模型的选择越少，出错的空间也越小。有个好办法检验：朋友看着你的描述，能不能一个问题都不问就把动作做出来？能的话，模型也能看懂。
动作的先后顺序
模型读提示词，差不多就像读剧本：写在前面的，通常也先发生。所以要把动作拆成几步，用 first、then、finally 串起来。运镜单独写一行，别和身体动作混在一起：“跑向镜头”和“镜头推向她”，对模型来说完全是两回事。“(0–2s)”这种时间码，有的模型认，有的直接忽略，先用一个草稿在你的模型上试一下。看看米拉的提示词：跑步的三段写成三行，运镜单独一行。这样的文字改起来也方便，一次改一行就行。
手和物体
手是视频模型最难搞定的东西：在画面里很小，手指又多，每一帧都互相遮挡。六根手指、杯子长进手掌、帽绳“穿过”手，都是这么来的。几条规矩能降低风险：简单的握法，比如拿杯子、拉帽绳；物体尺寸合理，只用一只手；别让手指做快动作，比如弹吉他和弦、打字；手要么完整在画面里，要么完全出画，因为被画框切掉一半的手指也经常“化掉”。接触太复杂，就用剪辑藏起来。
第一帧说了算
图生视频时，模型是从你给的图片接着往下动的，所以第一帧的姿势得能顺下去接动作。如果起始帧里米拉坐在马路牙子上，提示词却写“跑走了”，模型要么直接把她瞬移成站姿，要么在起身时把腿弄崩。要选一个动作能自然开始的起始帧：跑步就选正在迈步的，跳就选微微下蹲的。或者把过渡写出来：“she stands up first, then runs”。很多模型还能设定最后一帧，模型会在两个姿势之间补全动作，这是拿到精确结尾最简单的办法。
画面里有两个人
画面里有两个人，难度可不只是翻倍：模型要处理两倍的手和腿，一接触就互相遮挡。近景拥抱、握手、击掌，都是手指互相“长进去”的重灾区。管用的做法：用全景，手小、细节不那么显眼；接触时间短；正好在接触那一下剪掉（观众会自己脑补击掌的声音）；两个人各做各的、清清楚楚的动作，别搅成一团。实在需要近景接触，就单独拍一个镜头，画面里只出现一只手。
打磨循环
就算是专业的人，第一次生成就出完美镜头也很少见，所以他们有一套流程。先用便宜模式出 2–4 个草稿，验证想法；挑出最好的那个，对照第 8 课的“分量检查清单”逐帧看；然后是最重要的规矩：一次只改一处。整段提示词全重写，你就不知道到底是哪里起了作用，还可能把本来好的地方弄丢。草稿满意了，再用高质量生成成片。米拉就是这样省积分，也慢慢摸清了自己提示词里哪些词真正管用。
自测一下
- 提示词“she dances energetically”出来一团乱，手脚缠在一起。怎么办？
正确答案: 写 1–2 个具体动作：“steps left, then spins once on her right heel”. 具体的步子限制了模型的选择，它就不用即兴发挥了。 - 5 秒的镜头在半空中、跳到一半就断了。怎么改？
正确答案: 把落地和收势写出来，准备段缩短，或者改成 8 秒. 三段都得装进镜头里。模型只把时间花在你写了的东西上，所以结尾也要写。 - 起始帧：米拉坐在马路牙子上。提示词：“sprints away”。结果像瞬移。该改什么？
正确答案: 换一张她已经在迈步的图，或者写“stands up first, then runs”. 模型是从第一帧接着动的。姿势要能接上动作，不然就得把过渡写出来。 - 草稿有三个问题：脚打滑、帽子定住、光很平。最好怎么改？
正确答案: 每轮只改一处，从最明显的开始. 一次改一处，才知道到底哪里起了作用，也不会把本来好的地方弄坏。
← 12 条原则：让动作活起来 世界会回应动作 →