使用指南

这套工具的核心只有一件事：把你脑子里的画面，翻译成模型能准确执行的一段描述。 下面是最短的上手路径。

选对输入方式

• 文字成片：从零开始，最自由，也最考验描述功力。适合场景是新画面、无参考。
• 图片动起来：手上已经有一张满意的图，让它动。构图与色彩不会跑偏，最省事。
• 首尾帧过渡：知道画面从哪开始、到哪结束。适合改造对比、昼夜变化、变形转场。
• 参考图：需要同一个人物或同一件产品反复出现。最多 4 张，锁定一致性。
• 参考视频：看中了某条片子的运镜和节奏，把它套到新内容上。

描述怎么写

一句话描述能出片，但稳定性差。把下面六件事写全，成功率会明显提高：

• 主体：是谁 / 是什么，外形特征
• 动作：在做什么，怎么做
• 场景：在哪里，周围有什么
• 镜头：景别（特写 / 中景 / 远景）+ 运动（推 / 拉 / 摇 / 移 / 环绕 / 固定）
• 光线：什么光，从哪来，什么色温
• 质感：胶片颗粒 / 高对比 / 低饱和 / 赛璐璐 / 厚涂……

不想自己组织？直接用模板，它已经把镜头、光线、质感写好，只留下需要你决定的几个空。 更细的写法见描述写法。

参数怎么选

• 先用 480p / 720p 试稿。构图和运动方向对了，再用 1080p 出终版，能省不少积分。
• 画幅按投放渠道定：短视频平台用 9:16，横屏内容用 16:9，需要电影感用 21:9。
• 锁定镜头适合产品展示、延时、固定机位口播；要运镜就别开。
• 随机种子：填相同的数字 + 相同的描述，可以复现同一画面，方便做 A/B 对比。

素材要求

• 图片：JPG / PNG / WebP，不超过 10 MB，边长建议 300–6000 像素，宽高比 0.4–2.5
• 视频：MP4 / MOV，不超过 100 MB，时长 30 秒以内

常见问题

画面里的人脸变形了

把景别拉大一点（远景里的脸本来就没有足够像素），或者改用参考图模式并提供正面清晰的照片。

动作幅度太小，几乎是静止的

描述里明确写出动作的方向和幅度，比如「向前走两步后转身」比「走动」有效得多。 另外确认没有误开「锁定镜头」。

生成结果和描述关系不大

描述太长且要素冲突时，模型会取舍。删掉次要的形容词，保留主体、动作、镜头三项，再逐步加。