AI 运动控制

用参考视频指定动作，而不是描述它

在视频生成里写「跳一段舞」，你会得到模型理解的跳舞 —— 可能挺好看，但不是你要的那段。动作这种东西，文字描述的分辨率太低了：节奏、幅度、姿态的细节，写不进一句提示词里。

运动控制换了个输入方式：给它一段参考视频。动作从视频里提取，外观从你的角色图来，两样分开控制。所以你的角色会做出参考视频里那个具体的动作。

参考视频要看得清动作

参考视频的画面质量不重要，它只用来提供动作，外观完全来自你的角色图。重要的是动作能被看清：

• 主体完整 —— 全身动作要能看到全身，手势要能看清手
• 没有遮挡 —— 主体被挡住的部分，动作也就提取不到
• 画面别太暗 —— 看不清轮廓就判断不了姿态
• 最好只有一个人 —— 画面里几个人同时动，模型不知道该跟谁

另一个要注意的是取景要匹配。参考是全身舞蹈、角色图只有半身的话，模型得补出没有的下半身，那部分不一定和你的角色一致。两边的取景范围接近时效果最好。

什么时候该换个工具

• 不在意具体动作 —— 用视频生成，一句描述让模型自由发挥更快。
• 要对齐的是口型 —— 用口型同步，那是对着音频做的，管的是嘴。
• 要精确控制起止画面 —— 用首尾帧。
• 要改的是画面风格 —— 用视频编辑。

该怎么想这件事

这一页的价值在于动作的确定性。所以它适合两种情况：你有一段一定要复现的动作（某段舞、某个手势），或者你要一批人物不同但动作一致的素材。

反过来，如果动作是什么无所谓、只要「动起来」就行，那用视频生成更省事 —— 不用准备参考视频，一句话就够。