从一张图到一段视频：选模型、写动作和单变量测试

动态海报通常只需要呼吸、头发摆动、光影流动或轻微镜头推进，身份和构图稳定比动作幅度更重要。连续镜头则要交代动作的起点、过程和收束，例如人物从桌边起身、转向窗外，最后停在侧脸。两类任务对运动幅度和时间连贯性的要求完全不同。

如果素材只有一个清晰姿态，却要求人物完成多段复杂动作，模型就需要补出大量看不见的信息，服装、手部和背景更容易发生变化。与其把一整段分镜塞进一次生成，不如先拆成可以独立验收的短镜头。

常见失败并不是清晰度不够，而是主体贴边、手脚被裁掉、背景线条穿过身体，或者画面里有必须保持准确的小字。视频模型需要在相邻帧之间推断新的位置；原图没有的信息越多，它自由补全的范围就越大。

• 人物镜头：确认脸、手和主要服装细节清楚，动作方向一侧留有空间。
• 产品镜头：轮廓与商标区域要干净，反光和阴影不要互相打架。
• 带文字画面：尽量让文字保持静止；重要字幕更适合在后期叠加。
• 竖屏内容：从一开始就按 9:16 构图，不要指望最后裁切能救回主体。

一条实用的图生视频提示词，可以按“主体动作 + 环境变化 + 镜头运动 + 稳定约束”的顺序来写。比如：人物缓慢抬头看向窗外，窗帘被微风轻轻吹动，镜头保持中景并缓慢向前，面部、服装和房间布局保持一致。

不要同时要求旋转、奔跑、变装、爆炸和大幅运镜。动作越多，模型越难判断优先级。负面词也不是越长越好；先把正向动作说明写清楚，再补最关键的稳定要求。

进入模型广场的视频分类，先看模型当前是否可用，再查看它支持的生成模式、素材要求、参数边界、积分消耗和限制。有的模型适合从首帧做自然运动，有的更强调镜头控制或多参考输入；这些差异比榜单上的“综合最好”更有用。

Kyeo AI 的模型详情页把当前站内接入范围与公开资料分开说明。看到模型厂商的完整能力时，不要自动假定当前工作台已经开放了同样的参数；最终以页面当前状态和实际表单为准。

长视频和高分辨率并不会自动修复错误，反而会让一次方向错误变得更贵。第一次生成的目标只是验证三件事：主体是否稳定、主要动作是否正确、镜头是否朝预期方向运动。

选择模型和参数后，工作台会显示当前预计积分。不同模型的计费维度并不相同，可能与时长、分辨率、模式或其它参数有关，所以不要把一个模型的价格经验套到另一个模型上。提交前读一遍当前页面显示的成本。

如果第一轮同时换模型、重写提示词、改变时长又更换原图，第二轮即使更好，也无法知道哪个变化真正有效。更可靠的方式是固定参考图和大部分提示词，只改一个因素，例如把“快速推进”改成“缓慢推进”，或只切换一个候选模型。

把结果按“身份稳定、动作完成度、镜头可控性、背景一致性、可剪辑性”五项做简短记录。两三轮之后，你会得到一套适合自己素材的判断，而不是继续依赖别人给出的通用排名。

• 记录轮次、生成时间、模型与模式，方便回到作品记录核对。
• 写清固定项：参考图、提示词主体、画幅和主要参数。
• 只列一个变量：模型、时长、镜头速度或某一句动作说明。
• 记下预计积分、任务状态，以及五项观察中最明显的变化。
• 最后只写一个下一步，不在下一轮同时修改多个方向。

脸和产品变形，多半先检查参考图与动作幅度；动作方向错误，先收紧提示词；镜头忽快忽慢，减少同时发生的事件；结果符合描述但不适合剪辑，则回到镜头用途重新定义起止状态。

生成式视频有不确定性，没有一种设置可以保证每次复现同一结果。真正可复用的不是某句“神奇提示词”，而是一套知道如何缩小问题、控制试验并保留可用镜头的流程。