和圖生影片有什麼區別？

圖生影片裡動作是模型自由決定的，你只能用文字大致引導 —— 說「跳舞」得到的是模型理解的跳舞。運動控制是拿一段真實影片當動作範本，所以動的是那段具體的動作。需要確定的動作時用這一頁，想看模型的想法時用圖生影片。

參考影片有什麼要求？

動作清楚、主體完整最重要。全身動作要能看到全身，手勢要能看清手；主體被遮擋、畫面太暗、或者同時有很多人，都會讓動作提取變差。參考影片的畫面品質不重要 —— 它只用來提供動作，外觀來自你的角色圖。

設計上不會 —— 動作來自參考，外觀來自你的角色。但兩者差異太大時（比如參考是全身舞蹈、角色圖只有半身）模型需要補全沒有的部分，那部分可能和你的角色不完全一致。

兩者管的是不同部位：嘴型同步對齊嘴型到音訊，運動控制遷移的是肢體動作和姿態。要做一個既有動作又在說話的角色，通常是先做動作再做嘴型。

在影片生成裡寫「跳一段舞」，你會得到模型理解的跳舞 —— 可能挺好看，但不是你要的那段。動作這種東西，文字描述的解析度太低了：節奏、幅度、姿態的細節，寫不進一句提示詞裡。

運動控制換了個輸入方式：給它一段參考影片。動作從影片裡提取，外觀從你的角色圖來，兩樣分開控制。所以你的角色會做出參考影片裡那個具體的動作。

參考影片的畫面品質不重要，它只用來提供動作，外觀完全來自你的角色圖。重要的是動作能被看清：

另一個要注意的是取景要匹配。參考是全身舞蹈、角色圖只有半身的話，模型得補出沒有的下半身，那部分不一定和你的角色一致。兩邊的取景範圍接近時效果最好。

這一頁的價值在於動作的確定性。所以它適合兩種情況：你有一段一定要復現的動作（某段舞、某個手勢），或者你要一批人物不同但動作一致的素材。

反過來，如果動作是什麼無所謂、只要「動起來」就行，那用影片生成更省事 —— 不用準備參考影片，一句話就夠。