动作控制和重量测试
“AI 视频不扑街”课程第 12 课，共 22 课。免费，有动画和小测验。
从视频里拿动作
这一级里我们用文字描述的所有东西，都可以直接用真人视频交给模型，这就是动作控制（motion control）：你给三个输入。参考视频决定动作和节奏；图片决定角色，也就是谁来动；提示词描述场景、光线和风格。按可灵（Kling）官方指南，这个模式下提示词不要再描述一遍动作：动作已经在视频里了，文字只会和它打架。它厉害在哪？参考视频里的真人本来就带着正确的重量、预备和弧线在动，模型会把这套物理搬到你的角色身上。用文字写不清的复杂舞蹈，拍一条就解决了。
好的参考视频
动作控制的效果，最取决于参考视频，所以要按可灵指南的规矩拍。3–30 秒，一条不中断的镜头：剪辑和运镜都会让系统糊涂。画面里只有一个人；有好几个人，模型会挑最大的那个。整个身体和头都要入画，边上留点余量，别把手切掉。动作速度适中、幅度大，别满画面跑：太快太复杂的动作迁移效果很差。背景干净、反差清楚，手脚才好识别。米拉都是用手机架在三脚架上，对着白墙拍参考视频：不花钱，效果比任何好看的片段都好。
构图要一致
新手最常犯的错：一张好看的脸部特写，配一段全身舞蹈。图片里没有身体，模型只能自己编手编脚，脸也跟着变形。可灵指南明确提醒：视频是全身，图片也必须是全身。角度也一样：参考视频里人是侧身四分之三，图片却是正脸，就会抖动、比例“漂移”。上传之前，把图片和视频第一帧并排放在一起比一比：景别一样、角度一样、全身都看得见。
两种朝向模式
可灵的动作控制有两种模式。“跟视频”是默认：动作、表情、运镜和身体朝向都照着参考视频，提示词只能微调细节。参考视频是你自己拍的、整体都满意，就选它。“跟图片”从视频里拿动作和表情，但姿势和身体朝向保持图片里的样子，运镜在提示词里写。手里有一张完美的角色图，比如米拉侧身四分之三站在橱窗前，不想破坏它，就用这个。拿同一个草稿两种都试一下，区别一眼就能看出来。
开源：Wan-Animate-2
想要完全掌控、又不想每次生成都花钱，可以走开源路线。Wan-Animate-2 于 2026 年 8 月发布，采用 Apache-2.0 许可证，允许商用。它能让图片里的角色照着视频里的动作动起来：先从参考视频里提取姿态骨架，再让角色跟着骨架动。它在 ComfyUI 里运行，这是个免费软件，流程像搭积木一样用节点拼起来。你需要一块强力显卡，或者一台带 GPU 的云服务器。缺点是门槛高：配置要花一个晚上，不是一分钟。优点是不花积分、用自己的硬件、所有参数都能自己调。
这是谁的动作？
动作控制迁移任何视频都太容易了，难免想把别的博主的爆款舞蹈拿来“套”在自己的模特身上。做广告，这是个坏主意。别人的视频就是别人的内容，公开能看到，不代表你能用在商业视频里。原作者可以向平台投诉，对品牌来说就是名声受损。安全的做法：用三脚架拍自己或朋友，用有授权的素材库视频，或者和原作者签书面协议。别人的脸和声音怎么处理，我们在“发布”那一级详细讲。
重量测试
这一级的收尾是一张把所有内容串起来的检查清单。发布前，每个有人的镜头都过一遍：重心在支撑面里，负重会改变姿势；脚不打滑，膝盖缓冲走路和跳跃；有预备、有弧线，衣料和头发有跟随；世界有回应：灰尘、声音、影子，痕迹会留下；而且这一切都是用 0.25 倍速逐帧查过的，不是凭感觉看的。五条都过了，观众会说“这是实拍的”，哪怕说不出为什么；没过，你也清楚下一轮该改哪一处。下面用几个场景巩固一下。
自测一下
- 做动作控制时，米拉上传了一张脸部特写自拍和一段全身舞蹈视频，结果手脚很怪，脸也在变形。为什么？
正确答案: 构图不一致：全身舞蹈需要全身图片. 图片里没有身体，模型只能自己编。可灵指南明确要求构图一致。 - 米拉的参考视频是手持拍的，还剪了两刀，迁移出来的动作在抖。怎么办？
正确答案: 用三脚架重拍一条不中断的镜头. 剪辑和运镜都会让系统糊涂，稳定、不中断的一条是对参考视频最基本的要求。 - 米拉在动作控制的提示词里又把舞蹈详细写了一遍，结果动作更差了。提示词该写什么？
正确答案: 写场景、光线和风格，动作交给视频. 动作已经在参考视频里了，文字再写动作只会和它打架。提示词负责周围的世界：地点、光线、服装、风格。 - 米拉找到别的博主的一支爆款舞，想迁移到模特身上做上新广告。正确做法是？
正确答案: 自己拍参考视频，或者和原作者签书面协议. 别人的视频就是别人的内容。商业视频要用自己的素材，或者拿到明确授权。