课程库 › AI 视频生成 › 从创意到镜头 › 第 4 课
图生视频、首尾帧与镜头设计
普通课约 50 分钟
本课导读
L1 埋过一个结论：图生视频是当前生产的主力形态。本课把它展开成完整方法：首帧怎么设计才"适合动"、尾帧控制和首尾帧过渡怎么用、静态资产（角色图/产品图/L2 的分镜图）怎么镜头化，以及图生视频特有的敌人——画面漂移（你在视觉课 L4 见过它的图像版，视频里它按帧发生）。学完本课，unit-1 闭环：你已经能从一句话创意走到"分镜图动起来"的四镜头系列。预计 50 分钟。
图生视频的本质：把"长什么样"和"怎么动"解耦
纯文生视频要求模型同时解决两个问题：画面长什么样 + 画面怎么动。图生视频把第一个问题提前用图像工作流解决掉——而图像那边你已经有整套武器（十二槽位、摄影语言、参考图、多轮精修），可以廉价地反复打磨到满意。
于是分工变成：
图像模型（视觉课全部技能） → 首帧：构图、光线、风格、主体细节
视频模型（上一课十槽位） → 运动：动作、运镜、节奏、声音
提示词也随之瘦身：首帧已经锁定的信息（主体外观、场景、构图、光线）不必在视频提示里重复，重复反而可能引导模型"重新理解"画面导致偏离。图生视频的提示词重心压在 ④ 动作、⑤ 运镜、⑦ 节奏、⑨ 结束状态上——描述变化，而不是描述画面。
首帧设计：一张"适合动"的图和一张"好看"的图不是一回事
拿视觉课的标准生成的精美图片直接丢进视频模型，经常动不起来或动得很怪。因为静态审美和动态潜力是两套标准，首帧要额外检查四件事:
1. 运动空间。主体要动，画面里得有地方给它动。人物快步向右走，右侧就要留出画面空间；构图顶格、四边贴死的图，动作一开始就出画。视觉课学的负空间构图在这里有了新用途：留白的方向就是运动的方向。
2. 动作预备态。首帧最好是"动作即将发生"的瞬间，而不是"动作已完成"的瞬间：微微前倾的身体比立正站直的更容易被推进成"走"；抬到一半的手比垂下的手更容易接"挥手"。模型会从姿态里读出运动趋势——给它一个已经上膛的画面。
3. 景深与运镜的兼容。浅景深大虚化的图很高级，但要做"推近"或"环绕"时，虚掉的背景没有信息可供模型脑补，容易糊成一片或凭空捏造。计划做大幅度运镜的镜头，首帧适当收一点景深。
4. 边缘完整性。运镜会暴露首帧画面外的世界（拉远、横移尤其如此），画外内容全靠模型编。首帧边缘上被裁一半的物体（半张桌子、半个人）是漂移和变形的高发区——要么裁干净，要么在视频提示里说明画外是什么。
提示
实用自查：盯着首帧问三个问题——"什么要动？往哪动？画面里给它留了路吗？"三问有一问答不上来，回图像工作流改图，别急着烧视频额度。
尾帧与首尾帧过渡
部分模型支持同时给首帧+尾帧，模型负责生成中间的过渡。这解锁三类玩法：
- 精确的状态变化：首帧空杯子、尾帧满杯子——中间自动长出倒咖啡的过程；
- 可控的运镜终点：首帧全景、尾帧同场景近景——运镜的起点终点都被钉死，比纯文字描述运镜可控一个量级；
- 镜头间的无缝衔接：镜 A 的尾帧当镜 B 的首帧，多镜头串成视觉接力（L7 多镜头叙事的基建之一）。
代价是过渡路径不可控：两帧之间怎么变是模型自由发挥，可能出现瞬移、形变、物理捷径。首尾帧差异越大，路径越容易鬼畜。经验法则：首尾帧之间只变一个主要维度（位置或状态或景别），多个维度同时大变就拆成两段。
上一课的 ③ 初始状态和 ⑨ 结束状态在这里图像化了：文字版是"描述两端"，首尾帧是"直接给两端"。控制手段的强度排序：首尾帧 〉首帧+文字结束状态 〉纯文字——L1 原则三"越会组合条件越像生产"的具体化。
静态资产镜头化
图生视频最有生产价值的三个场景：
分镜图 → 镜头：L2 动态预演里生成的分镜图，现在正式升级为各镜头的首帧。前期文档包的复利在这里兑现：分镜图不是草稿，是半成品。
产品图 → 广告镜头：电商静物图 + "缓慢环绕/推近 + 光影流动"= 详情页动图。注意产品结构是硬约束——旋转中瓶身 logo 变形、按键位置漂移是常见翻车点，产品镜头要用最保守的运镜（缓慢、单一、小幅度）。
角色图 → 表演镜头：角色立绘/人物照动起来。人脸是漂移重灾区（人眼对脸的变化极其敏感），大幅度动作+人脸特写是高危组合——脸部特写镜头动作要小，大动作镜头景别放远。unit-2 会给出系统的角色一致性方案，这里先记住风险分布。
画面漂移：视频版
视觉课 L4 的漂移是"多轮编辑逐轮累积"；视频里漂移按帧累积——离首帧越远的帧，和首帧差异越大。表现为：三秒后脸悄悄换人、logo 逐渐扭曲、背景建筑缓慢"生长"。这就是 L1 说的时间漂移，图生视频给了我们首帧作为对照锚点，反而让它更容易被诊断。
对抗手段（和图像版的纪律一脉相承）：
- 短镜头：5 秒内漂移通常可接受，10 秒+风险陡增。需要长镜头时，切成多段+首尾帧接力；
- 保守运镜：运镜幅度越大，模型重绘的画面比例越高，漂移越快；
- 验收看最后一秒：质检时把视频拖到最后一帧和首帧对比——漂移是单调累积的，最后一帧合格，整条大概率合格；
- 关键镜头多抽：漂移程度在不同采样间波动很大，同参数多生成几条挑最稳的，比试图用提示词"治好"漂移更划算。
动手任务：一图四动 + 四镜头系列
基础路线（约 60 分钟）：
第一部分：一图四动（体会"同一首帧，运动设计的自由度"）：
- 精心制作一张首帧：过"运动空间/预备态/景深/边缘"四项检查；
- 用同一张图生成四种运动方案：只动主体 / 只动环境（风、光、背景人流）/ 只动摄影机 / 主体+摄影机组合；
- 每条用上一课十槽位写提示（重心在④⑤⑦⑨），记录哪种方案最稳、哪种翻车——对照上一课"安全梯度"验证。
第二部分：四镜头系列（unit-1 毕业作业）：
- 从你 L2 文档包的分镜里挑相邻的 4 个镜头，把分镜图按本课标准修成首帧（该留运动空间的留空间，该改预备态的改姿态）；
- 逐镜生成，方向严格按分镜表的轴线标注；支持尾帧的话，至少一对相邻镜头用"尾帧=下镜首帧"做衔接实验；
- 把四条按分镜顺序粗剪拼接（任何剪辑工具，不求精细），完成 unit-1 的第一条"能看的连续片段"；
- 写三行复盘：最稳的镜头赢在哪（首帧设计？运镜保守？）；最差的镜头病根在哪一层（首帧？提示？模型？）；进入 unit-2 前你最想解决的连续性问题是什么——带着它开下一单元。
进阶路线（可选）：把你最满意首帧的镜头再用纯文生视频（用文字尽力描述同样的画面+运动）生成一次，并排对比。这是 unit-1 的期末仪式：亲眼验证"锁住首帧，可控性质变"。
随堂测验
1. 图生视频的提示词为什么建议「不要重复描述首帧里已有的画面信息」？
2. 一张构图顶格、主体四边贴死、浅景深大虚化的精美人像，拿去做「摄影机缓慢拉远」的镜头。可以预见的问题是？
3. 用首尾帧模式做「空杯子变成满杯咖啡，同时镜头从全景推到特写，人物从站着变成坐下」，过渡大概率鬼畜。经验法则是？
4. 质检一条 8 秒图生视频镜头时，「把进度条拖到最后一帧和首帧对比」这个动作利用了漂移的什么性质？
划选正文任意文字可高亮、批注或加入复习卡
讨论
载入中…