最近一直有朋友問我同一個(gè)問題AI視頻生成用哪個(gè)模型做項(xiàng)目穩(wěn)說實(shí)話這個(gè)問題很難一兩句答清楚不同模型在不同場(chǎng)景下的表現(xiàn)差異太大了。正好這段時(shí)間我把手頭幾個(gè)短片素材全用Wan3.0重測(cè)了一遍攢下了4個(gè)相當(dāng)有代表性的案例今天就挑出來做個(gè)完整復(fù)盤提示詞一并放上希望能幫到正在糾結(jié)選型或者卡在提示詞上的朋友。先說結(jié)論Wan3.0在動(dòng)態(tài)鏡頭、材質(zhì)物理和角色一致性上比我之前預(yù)期的要強(qiáng)不少但在某些高速邊緣形變、極限遠(yuǎn)景角色穩(wěn)定上依舊存在老毛病。下面四個(gè)案例分別對(duì)應(yīng)動(dòng)畫短片、運(yùn)動(dòng)類廣告、產(chǎn)品宣傳、商業(yè)IP孵化四個(gè)真實(shí)需求場(chǎng)景每個(gè)案例我都會(huì)把提示詞、參數(shù)、踩坑記錄和最終效果全部拆開講清楚。1. 這次實(shí)測(cè)Wan3.0的前提評(píng)測(cè)維度怎么定案例怎么選1.1 我為什么把四個(gè)維度當(dāng)成視頻生成模型的“基本功”在AI視頻生成的實(shí)戰(zhàn)里分辨率和畫質(zhì)現(xiàn)在已經(jīng)不是主要門檻了真正拉開差距的是四個(gè)軟性維度運(yùn)動(dòng)合理性、角色一致性、鏡頭調(diào)度能力、材質(zhì)與光影的物理邏輯。這四個(gè)維度不是拍腦袋定的而是來自實(shí)際項(xiàng)目需求。我之前做過一段AI動(dòng)畫短片的制作流程最常崩的就是快節(jié)奏動(dòng)作和轉(zhuǎn)場(chǎng)給一個(gè)品牌做產(chǎn)品展示時(shí)材質(zhì)質(zhì)感不過關(guān)到了第二集起主角的臉都變了。這些都是商業(yè)項(xiàng)目直接會(huì)踩到的坑所以這次Wan3.0實(shí)測(cè)我直接把考察維度定在這四點(diǎn)。有了維度就得有對(duì)照實(shí)驗(yàn)。我選了4個(gè)案例來覆蓋動(dòng)物擬人微表情表演考察運(yùn)動(dòng)合理性、表情聯(lián)動(dòng)、毛發(fā)細(xì)節(jié)第一人稱高速奔跑考察空間一致性、鏡頭調(diào)度、運(yùn)動(dòng)模糊玻璃碎裂慢鏡頭考察材質(zhì)物理、光影折射、粒子運(yùn)動(dòng)IP角色多鏡頭一致性考察角色鎖定能力和風(fēng)格統(tǒng)一。這樣選案例還有一個(gè)現(xiàn)實(shí)原因這四個(gè)場(chǎng)景在真實(shí)產(chǎn)線里對(duì)應(yīng)的是動(dòng)畫短片、運(yùn)動(dòng)類廣告、產(chǎn)品宣傳、商業(yè)IP孵化四種下游需求。測(cè)試如果只做“一只貓跑過草地”根本沒有參考價(jià)值測(cè)試用的畫面和提示詞要盡量貼近實(shí)際生產(chǎn)中會(huì)遇到的任務(wù)復(fù)雜度。1.2 我實(shí)測(cè)用的基礎(chǔ)配置與跑圖流程先說測(cè)試環(huán)境。Wan3.0我用的是在線版參數(shù)部分按照官方推薦的默認(rèn)檔位先跑了一遍分辨率1024×576幀數(shù)根據(jù)鏡頭運(yùn)動(dòng)程度調(diào)到24到48幀把運(yùn)動(dòng)幅度控制在默認(rèn)區(qū)間然后逐項(xiàng)加負(fù)向提示詞。整個(gè)測(cè)試流程是先跑一個(gè)基線版本檢查是否有明顯形變?cè)倩诨€結(jié)果在提示詞里逐條加約束對(duì)比效果。這種“先基線后微調(diào)”的方法比一上來就堆大提示詞更容易定位問題。很多人在測(cè)模型時(shí)喜歡一次性把十幾個(gè)形容詞全塞進(jìn)去結(jié)果畫面崩了根本不知道是哪句話導(dǎo)致的。所以這次每個(gè)案例我都寫清楚了第一版提示詞是什么、效果如何、后來加了什么才穩(wěn)定。2. 案例一動(dòng)物微表情擬人化表演提示詞里藏了三層約束2.1 為什么拿動(dòng)物的臉來考AI視頻模型人類面部表情的生成現(xiàn)在已經(jīng)很成熟了甚至有點(diǎn)內(nèi)卷。動(dòng)物則完全是另一回事因?yàn)槟Ｐ驮谟?xùn)練數(shù)據(jù)里見到的動(dòng)物素材大多是奔跑、進(jìn)食、玩耍這類自然行為很少見到“擬人化情緒表演”的數(shù)據(jù)。也就是說讓一只柴犬做出“從迷茫到驚喜”的連續(xù)表情是在考察模型面對(duì)低頻動(dòng)作時(shí)能不能穩(wěn)定輸出。動(dòng)物微表情牽涉的細(xì)節(jié)非常多眼瞼開合、耳根轉(zhuǎn)動(dòng)、嘴角上翹、胡須方向、毛發(fā)隨表情的輕微擠壓和恢復(fù)任何一環(huán)崩了整個(gè)畫面就會(huì)顯得很瘆人。我在項(xiàng)目里用動(dòng)物擬人鏡頭的場(chǎng)景通常是給品牌吉祥物做短視頻、兒童繪本的動(dòng)態(tài)化預(yù)覽、以及一些偏治愈系風(fēng)格的廣告開場(chǎng)。這類鏡頭不需要復(fù)雜劇情但對(duì)“表演感”的要求非常高如果動(dòng)物看起來像個(gè)提線木偶整個(gè)片子的質(zhì)感就沒了。2.2 實(shí)測(cè)提示詞完整放送我用的中文提示詞是這樣的Wan3.0支持中文但為了保證狀態(tài)一致性我最終用的是中英混合版一只身穿深藍(lán)色牛仔外套的柴犬坐在老城區(qū)便利店門口的木長(zhǎng)椅上前爪捧著一杯冒熱氣的紙杯咖啡。鏡頭從半身中景緩慢推近到面部特寫。柴犬的眼神從一開始的迷茫無神逐漸聚焦瞳孔微微放大耳朵緩慢豎起并輕輕抖動(dòng)嘴角微微上揚(yáng)然后低頭抿了一口咖啡閉上眼睛露出滿足的表情最后重新看向鏡頭眼神溫暖。自然晨光45度側(cè)逆光背景虛化毛發(fā)細(xì)節(jié)清晰4K電影級(jí)畫面。英文版實(shí)測(cè)下來在“表情聯(lián)動(dòng)”的理解上有時(shí)更細(xì)膩A Shiba Inu wearing a dark denim jacket sits on a wooden bench in front of an old convenience store, holding a steaming paper coffee cup with its front paws. Medium shot slowly pushing to close-up. The dogs eyes shift from distant to focused, pupils dilate slightly, ears slowly raise and twitch, the corners of the mouth lift. It takes a sip, closes its eyes with a satisfied expression, then looks back at the camera with warm eyes. Early morning sunlight, 45-degree backlight, blurred background, detailed fur, 4K, cinematic.這里有幾個(gè)細(xì)節(jié)值得展開說。第一我沒有讓模型直接“表演開心”而是給了具體的生理表現(xiàn)瞳孔放大、耳朵抖動(dòng)、嘴角上揚(yáng)、閉眼、重新看鏡頭。模型對(duì)動(dòng)詞的響應(yīng)遠(yuǎn)強(qiáng)于對(duì)情緒的響應(yīng)把情緒拆解成可觀察的肢體動(dòng)作輸出穩(wěn)定很多。第二我把鏡頭語言也寫進(jìn)了提示詞“中景推近到特寫”這讓模型在生成時(shí)會(huì)為構(gòu)圖留出推鏡空間畫面節(jié)奏更接近導(dǎo)演分鏡而不是一個(gè)固定機(jī)位。第三我把鏡頭運(yùn)動(dòng)和表情變化的過程綁在一起先推鏡、再給表情整體節(jié)奏就有一種“敘事感”而不是干巴巴的表情展示。2.3 實(shí)測(cè)效果逐幀復(fù)盤這一條我總共跑了5版第1版就出了不錯(cuò)的效果后面4版主要是在調(diào)構(gòu)圖和表情幅度。第1版的問題出在耳朵上柴犬的耳朵在眼神聚焦之前就已經(jīng)豎起來并抖動(dòng)結(jié)束了體感上像是“耳朵搶戲”。這個(gè)問題的本質(zhì)是模型對(duì)“耳朵抖動(dòng)”這個(gè)動(dòng)作的執(zhí)行速度判斷和腳本不一致。解決辦法是在提示詞里加了一個(gè)時(shí)間順序詞“耳朵在眼神聚焦之后緩慢豎起”并且把“抖動(dòng)”改成“輕微抖動(dòng)”。改完之后表情聯(lián)動(dòng)明顯舒服了很多。第3版的核心問題在咖啡杯模型把紙杯的輪廓畫得很虛咖啡冒出的熱氣和前爪之間產(chǎn)生了少許重影。我把“前爪捧著”改成了“兩只前爪交疊捧著”同時(shí)在負(fù)面提示詞里加了“hand deformation, cup distortion”這兩個(gè)詞這一版就干凈了。第5版是效果最好的眼神從迷茫到聚焦的過渡非常自然瞳孔放大和耳朵豎起的先后順序正確抿咖啡時(shí)嘴部和毛發(fā)的輕微聯(lián)動(dòng)也沒有崩。要說不足就是狗狗閉眼那一幀的睫毛略有粘連屬于可以接受的范圍生成速度大約是20秒左右一條23幀片段。提示如果你想讓動(dòng)物微表情更接近“表演級(jí)”效果建議把表情拆成3個(gè)狀態(tài)節(jié)點(diǎn)——起始狀態(tài)、情緒轉(zhuǎn)折點(diǎn)、結(jié)束狀態(tài)并在提示詞里分別描述。比如“一開始迷茫無神逐漸聚焦然后滿足”模型的視頻生成機(jī)制會(huì)按照文本順序組織畫面順序就是敘事。2.4 這條提示詞背后的通用公式我把它抽成公式后面做動(dòng)物類視頻可以直接套動(dòng)物微表情提示詞 身份場(chǎng)景裝備道具 分階段狀態(tài)描述順序 生理細(xì)節(jié)動(dòng)作 鏡頭運(yùn)動(dòng) 畫質(zhì)關(guān)鍵詞。身份和場(chǎng)景用來鎖定主體和環(huán)境裝備道具增加敘事感分階段狀態(tài)描述是核心生理細(xì)節(jié)動(dòng)作決定“像不像真的”鏡頭運(yùn)動(dòng)提升臨場(chǎng)感畫質(zhì)關(guān)鍵詞兜底。這套公式同樣適用于人物角色只要你把“人物的表情”拆成“眼、嘴、眉、手勢(shì)、身體朝向”這些具體要素并描述狀態(tài)變化的先后順序生成效果就會(huì)上一個(gè)臺(tái)階。3. 案例二第一人稱高速奔跑空間連續(xù)性是最大考驗(yàn)3.1 高速運(yùn)動(dòng)為什么是“照妖鏡”我一直覺得評(píng)價(jià)一個(gè)視頻生成模型靠不靠譜別去看它的靜幀有多美拖到快節(jié)奏鏡頭里遛一遛就見真章了。因?yàn)楦咚龠\(yùn)動(dòng)會(huì)同時(shí)考驗(yàn)?zāi)Ｐ偷娜齻€(gè)能力空間位置的連續(xù)性鏡頭往前沖兩側(cè)物體應(yīng)該如何退出畫面、如何改變大小和遮擋關(guān)系運(yùn)動(dòng)模糊的合理性速度感不只是靠“物體跑得快”來表達(dá)還要靠背景的徑向模糊、前景物體的拖影來烘托物體形變的控制力高速運(yùn)動(dòng)狀態(tài)下很多模型會(huì)把街道兩側(cè)的路燈、窗框、招牌直接生成成扭曲的奇怪形狀。所以這個(gè)案例在4個(gè)維度里重點(diǎn)關(guān)注的是“運(yùn)動(dòng)合理性”和“鏡頭調(diào)度能力”。這個(gè)測(cè)試對(duì)實(shí)際項(xiàng)目的價(jià)值也很直接?，F(xiàn)在不少運(yùn)動(dòng)品牌、戶外裝備品牌都開始用AI視頻做宣傳片第一人稱、第三人稱的高速奔跑鏡頭是最常見的敘事語言如果模型在這里翻車整個(gè)項(xiàng)目的可行性都要打個(gè)問號(hào)。3.2 第一版提示詞與翻車現(xiàn)場(chǎng)我的第一版提示詞很簡(jiǎn)單第一人稱視角高速奔跑穿過一條老城區(qū)石板巷子兩側(cè)是灰色老磚墻墻上掛著各種招牌和電線陽光從頭頂灑落地面石板飛速后退輕微手持晃動(dòng)感畫面有運(yùn)動(dòng)模糊4K寫實(shí)電影鏡頭。這一版跑出來的畫面前2秒相當(dāng)驚艷透視和后退速度都很真實(shí)陽光從墻頭射下來的光斑也甩出了漂亮的明暗變化。但2秒之后問題來了右手邊的一個(gè)鐵藝招牌先是輕微變形下一幀直接扭成了麻花狀再下一幀又恢復(fù)了。這種“物體周期性扭曲”是很多模型在高速運(yùn)動(dòng)下的典型問題原因是短時(shí)間內(nèi)的畫面變化量太大模型在逐幀預(yù)測(cè)時(shí)對(duì)高頻空間細(xì)節(jié)的約束不夠。3.3 穩(wěn)定輸出的關(guān)鍵修正分段節(jié)奏空間錨點(diǎn)發(fā)現(xiàn)問題后我沒有盲目地加形容詞而是做了兩個(gè)關(guān)鍵修改。第一個(gè)修改是把“高速奔跑”拆成兩段節(jié)奏“穿過巷子”作為一個(gè)整體再加上“兩側(cè)墻壁快速向兩側(cè)滑出畫面”來幫助模型理解透視的邊界。這個(gè)表述等于給了模型兩個(gè)錨點(diǎn)鏡頭前進(jìn)的主方向和畫面邊緣的滑出路徑。第二個(gè)修改是加了空間參照物“每隔幾米出現(xiàn)一個(gè)木質(zhì)電線桿”和“腳下石板接縫清晰可見”。有了這種周期性參照物模型在生成時(shí)會(huì)更容易維持空間尺度感相當(dāng)于在高速畫面里釘了幾顆釘子。修正后的提示詞第一人稱視角高速奔跑穿過一條老城區(qū)石板巷子兩側(cè)灰色老磚墻快速向畫面兩側(cè)滑出墻上偶爾出現(xiàn)水泥電線桿和木質(zhì)招牌每隔幾米路過一盞舊式路燈腳下石板接縫和青苔紋理清晰陽光從墻頭直射下來在路面上形成流動(dòng)光斑整體有輕微手持晃動(dòng)和徑向運(yùn)動(dòng)模糊寫實(shí)電影鏡頭4K細(xì)膩噪點(diǎn)色彩偏冷。這一版跑出來的空間連續(xù)性強(qiáng)了很多。最讓我滿意的是“陽光在路面上形成流動(dòng)光斑”這個(gè)細(xì)節(jié)光斑跟著鏡頭移動(dòng)的速度在石板上流暢地滑動(dòng)速度和地面后退的速度基本匹配。整體運(yùn)動(dòng)模糊也控制得比較好沒有出現(xiàn)整屏糊成一片的情況。但我還是要提醒一句在高速運(yùn)動(dòng)鏡頭里Wan3.0的邊緣物體偶爾還是會(huì)出現(xiàn)短時(shí)形變比如第3秒左側(cè)窗框有輕微彎曲但持續(xù)時(shí)間不到半秒不細(xì)看很難發(fā)現(xiàn)。如果對(duì)畫面純凈度有硬性要求建議把片段控制在4秒以內(nèi)或者后期做輕微裁剪。3.4 實(shí)測(cè)數(shù)據(jù)記錄我把這次測(cè)試的關(guān)鍵產(chǎn)出列一下指標(biāo)第一版修正版畫面穩(wěn)定時(shí)長(zhǎng)約2秒約4秒物體形變出現(xiàn)時(shí)間第2.1秒第3.4秒且幅度更輕運(yùn)動(dòng)模糊合理性部分過糊能看出層次空間透視錯(cuò)誤右側(cè)招牌扭曲左側(cè)窗框輕微彎曲可用度較低可進(jìn)入后期流程這個(gè)表我每版都記錄方便對(duì)比。關(guān)于“運(yùn)動(dòng)模糊合理性”這一項(xiàng)我補(bǔ)充一下好的運(yùn)動(dòng)模糊不是整屏均勻模糊而是鏡頭中心相對(duì)清晰、四周逐漸模糊同時(shí)前景物體比背景物體拖影更長(zhǎng)。Wan3.0修正版在這點(diǎn)上基本符合物理直覺。4. 案例三玻璃碎裂慢鏡頭材質(zhì)物理與光折射的極限測(cè)試4.1 為什么選玻璃這個(gè)材質(zhì)材質(zhì)表現(xiàn)里玻璃是最難啃的骨頭之一因?yàn)樗瑫r(shí)涉及三個(gè)層次第一個(gè)是幾何形態(tài)杯子摔碎后的碎片形狀應(yīng)該是大小不一、棱角分明的不規(guī)則塊面第二個(gè)是物理運(yùn)動(dòng)碎片落地后應(yīng)該反彈、滑動(dòng)、二次碎裂而不是像水一樣流開第三個(gè)是光學(xué)屬性透明材質(zhì)在光線下會(huì)產(chǎn)生折射、反射、邊緣高光。這三個(gè)層次疊在一起任何一個(gè)環(huán)節(jié)出錯(cuò)都會(huì)讓畫面顯得很“假”。廣告行業(yè)對(duì)這類鏡頭的需求量很大酒水飲料、美妝護(hù)膚、奢侈品包袋幾乎都會(huì)用到玻璃和液體慢鏡頭。所以這個(gè)案例的測(cè)試價(jià)值不只是“好看”而是非常接近真實(shí)商業(yè)需求。我之前幫一個(gè)精釀啤酒品牌做過概念視頻玻璃杯碎裂的鏡頭磨了兩天用傳統(tǒng)CG做剛體模擬再加流體解算非常費(fèi)時(shí)間這次用Wan3.0就是想看看能不能走一條捷徑。4.2 實(shí)測(cè)提示詞與效果對(duì)照我最滿意的版本特寫慢鏡頭一只裝滿琥珀色液體的玻璃杯從桌面邊緣滑落在空中旋轉(zhuǎn)半圈后撞擊灰色大理石地面瞬間碎裂成大量透明玻璃碎片碎片向四周飛濺落地后彈跳滑動(dòng)液體潑灑開形成不規(guī)則水花。暗色背景單束頂光照下玻璃碎片邊緣產(chǎn)生明顯折射和日光色散慢動(dòng)作高速攝影感細(xì)節(jié)豐富4K電影級(jí)畫面。英文版Macro slow motion, a glass filled with amber liquid slides off the table edge, spins half a turn in the air, hits the gray marble floor and shatters into many transparent shards. Shards fly outward, bounce and slide on the ground, liquid splashes into an irregular bloom. Dark background, single top light, visible refraction and dispersion on shard edges, slow motion, high-speed photography, rich detail, 4K, cinematic.這版我跑了6次。第1次和第2次碎片數(shù)量偏少大概只有十幾片飛濺半徑也很小整體顯得很“溫和”到了第3次模型終于給出了比較密集的碎片分布并且出現(xiàn)了大小混排第5、6次的碎片數(shù)量、飛濺軌跡已經(jīng)相當(dāng)穩(wěn)定。讓我印象最深的不是碎片的數(shù)量而是碎片的“運(yùn)動(dòng)和光影關(guān)系”。在頂光照射下部分碎片翻轉(zhuǎn)時(shí)邊緣會(huì)有明顯的折射高光并且高光的位置隨碎片的角度實(shí)時(shí)變化這是材質(zhì)物理測(cè)試?yán)镒铍y模擬的點(diǎn)。雖然這些高光不是完全物理正確的但視覺合理性足夠騙過多數(shù)人的眼睛。4.3 玻璃材質(zhì)的通用提示詞公式針對(duì)玻璃、液體、金屬這類材質(zhì)我總結(jié)了一個(gè)通用公式材質(zhì)鏡頭提示詞 主體初始狀態(tài) 運(yùn)動(dòng)方式觸發(fā)動(dòng)作 結(jié)果狀態(tài)碎裂/濺開的具體描述 光環(huán)境 材質(zhì)高光描述 鏡頭速度 畫質(zhì)關(guān)鍵詞。關(guān)鍵點(diǎn)有兩個(gè)一個(gè)是“結(jié)果狀態(tài)”要寫具體。不要只寫“杯子碎了”要寫“碎片大小不一向四周飛濺落地后反彈滑動(dòng)”?！按笮〔灰弧边@四個(gè)字很重要它直接決定了碎裂后畫面的層次感如果模型默認(rèn)生成的碎片都差不多大畫面會(huì)顯得像“玻璃紙碎屑”而不是玻璃。另一個(gè)是“光環(huán)境”。暗背景單束頂光是拍這類鏡頭的最穩(wěn)搭配因?yàn)樵诎当尘跋峦该鞑馁|(zhì)的輪廓是靠折射和邊緣高光勾勒出來的模型只需要在提示詞里寫清楚“折射”和“色散”暗背景會(huì)讓這些光學(xué)效果自動(dòng)突出反過來如果在亮背景里拍玻璃模型很容易把玻璃生成成一個(gè)“白色半透明物體”透明感和厚度感都會(huì)弱很多。4.4 這個(gè)案例的實(shí)際拍攝成本對(duì)比最后說一個(gè)很現(xiàn)實(shí)的點(diǎn)。同樣一段玻璃碎裂慢鏡頭如果用實(shí)拍就算不考慮場(chǎng)地和道具成本單是高速攝影機(jī)的設(shè)備成本和燈光調(diào)試至少也要一整天如果用CG做一個(gè)合格的剛體破碎加流體模擬從解算到渲染需要懂技術(shù)的三維設(shè)計(jì)師投入兩三天是常事。而用Wan3.0生成我的耗時(shí)大概是30分鐘包括6次生成、挑選、局部調(diào)整。雖然生成結(jié)果在物理精確度上和真實(shí)模擬還有差距比如碎片數(shù)量遠(yuǎn)不如流體解算那么海量但作為創(chuàng)意預(yù)覽、概念驗(yàn)證、甚至一些不需要特寫的產(chǎn)品廣告鏡頭這個(gè)效率優(yōu)勢(shì)是碾壓級(jí)的。5. 案例四IP角色一致性——三視圖加多鏡頭商業(yè)項(xiàng)目最剛需的能力5.1 為什么要專門測(cè)角色一致性如果你只是生成單段視頻角色一致性顯得沒那么重要但一旦進(jìn)入商業(yè)項(xiàng)目尤其是短劇、動(dòng)漫、游戲宣傳片角色一致性就是第一道門檻。觀眾能接受AI視頻畫面有一點(diǎn)瑕疵但絕對(duì)接受不了主角上一秒穿紅色衛(wèi)衣、下一秒變藍(lán)色夾克或者第1集是圓臉、第2集變瓜子臉。所以第四組測(cè)試我專門做了IP角色的“三視圖多鏡頭一致”實(shí)驗(yàn)。這個(gè)測(cè)試的背景來自最近接的一個(gè)短劇項(xiàng)目導(dǎo)演對(duì)AI生成的最大顧慮就是“主角能不能認(rèn)出來”。如果Wan3.0能做到多鏡頭穩(wěn)定那前期分鏡和概念驗(yàn)證的效率會(huì)大幅提升。測(cè)試前我給自己的標(biāo)準(zhǔn)是同一角色的6個(gè)鏡頭里至少有5個(gè)鏡頭能讓人一眼認(rèn)出是同一個(gè)人并且服裝、發(fā)色、臉型沒有明顯的跳躍變化才算達(dá)到可用的及格線。5.2 測(cè)試方法與提示詞方案我的方案分三步。第一步先用提示詞生成一個(gè)角色的“三視圖”定妝照讓角色特征固定下來一個(gè)20歲左右的短發(fā)女孩深棕色微卷短發(fā)齊劉海穿米白色oversize衛(wèi)衣和淺藍(lán)色牛仔褲白色帆布鞋。正面、側(cè)面、背面三視圖純灰色背景全身照統(tǒng)一光照角色設(shè)計(jì)參考高細(xì)節(jié)4K。第二步把角色描述抽取成“角色卡”也就是一組固定的特征描述在后續(xù)每個(gè)鏡頭里都原樣粘貼。角色卡短發(fā)深棕色微卷短發(fā)齊劉海發(fā)尾剛好到下巴服裝米白色oversize衛(wèi)衣胸口有一個(gè)小小的橙色太陽刺繡淺藍(lán)色直筒牛仔褲白色帆布鞋長(zhǎng)相圓臉杏仁眼鼻尖有一點(diǎn)雀斑第三步用“角色卡新場(chǎng)景動(dòng)作”的結(jié)構(gòu)去生成新鏡頭。比如角色卡保持不變。鏡頭傍晚的城市天臺(tái)女孩靠在欄桿上風(fēng)吹起她的短發(fā)她望向遠(yuǎn)方露出淺淺的微笑。電影感冷色調(diào)淺景深4K。這里有一個(gè)非常重要的操作細(xì)節(jié)千萬不要在第二個(gè)鏡頭里重新描述角色。角色不一致問題的源頭很多時(shí)候不是模型能力不夠而是提示詞在每段之間變了。你把“深棕色微卷短發(fā)”在鏡頭A里寫一次、在鏡頭B里又改成“深棕色頭發(fā)”模型當(dāng)然會(huì)跟著改。把角色描述做成固定角色卡每段視頻完全復(fù)用是成本最低的一致性保障方案。5.3 實(shí)測(cè)結(jié)果一致性到什么程度算“可用”實(shí)際跑了6個(gè)鏡頭我的結(jié)論是正面和半側(cè)面的角色一致性相當(dāng)能打發(fā)色、劉海走向、衛(wèi)衣顏色和刺繡圖案基本都能鎖住三個(gè)鏡頭之間的臉型差異很小肉眼不容易察覺。但兩個(gè)極限場(chǎng)景仍然會(huì)翻車第一個(gè)是背面轉(zhuǎn)身女孩轉(zhuǎn)身后的側(cè)臉和正臉特征偶爾會(huì)出現(xiàn)輕微漂移第二個(gè)是遠(yuǎn)景全身因?yàn)槟樤诋嬅嬷姓急忍∧Ｐ蜁?huì)把臉“腦補(bǔ)”成一張新臉。這兩個(gè)問題在目前AI視頻模型里普遍存在Wan3.0也不例外。我的補(bǔ)救方案是將“轉(zhuǎn)身鏡頭”和“遠(yuǎn)景鏡頭”降級(jí)使用正臉鏡頭作為主鏡頭背面或遠(yuǎn)景鏡頭在成片里只保留一到兩秒避免觀眾注意力長(zhǎng)時(shí)間停留在角色面部。如果項(xiàng)目對(duì)遠(yuǎn)景的臉有嚴(yán)格要求那就得靠后期修臉或者用圖生視頻的方式先把角色參考圖喂進(jìn)去再生成。注意角色卡里的“每一個(gè)形容詞”都可能在后續(xù)鏡頭中被模型當(dāng)成特征去放大。所以角色卡不要寫太多主觀性描述比如“很可愛”這類詞毫無信息量還會(huì)讓模型自由發(fā)揮。只寫客觀可量化的特征發(fā)色、長(zhǎng)度、形狀、顏色、印花、臉型、五官細(xì)節(jié)。越客觀越穩(wěn)定。5.4 多鏡頭風(fēng)格統(tǒng)一的另一個(gè)隱藏變量最后說個(gè)容易忽略的變量色彩風(fēng)格和光照描述。即使角色卡一字不改如果鏡頭A寫“黃昏暖光”鏡頭B寫“陰天冷調(diào)”模型的整體風(fēng)格也會(huì)漂移看起來像兩部片子。所以我在一致性測(cè)試中所有鏡頭都共用了一組光照描述“柔和的自然光微微偏暖低反差”。這樣角色和風(fēng)格的雙重一致性都有了一個(gè)統(tǒng)一錨點(diǎn)。這條經(jīng)驗(yàn)我后來也用在了另一個(gè)項(xiàng)目的多鏡頭素材里效果非常明顯。6. 從4個(gè)案例里提煉的提示詞工程實(shí)戰(zhàn)經(jīng)驗(yàn)總結(jié)6.1 一條不會(huì)出錯(cuò)的萬能提示詞結(jié)構(gòu)四個(gè)案例測(cè)下來我最大的感觸是視頻提示詞工程本質(zhì)上是在做“結(jié)構(gòu)化約束”而不是“堆形容詞”。真正好用的提示詞邏輯上可以分為五大塊我把它稱為“五要素提示詞框架”主體Who/What明確主體的身份、外觀、服裝、道具場(chǎng)景Where明確地點(diǎn)、時(shí)間、背景元素狀態(tài)變化What change明確這段視頻里發(fā)生的事件或狀態(tài)變化關(guān)鍵是要有時(shí)間順序表現(xiàn)形式How指鏡頭運(yùn)動(dòng)、畫幅比例、拍攝手法、景別畫質(zhì)與風(fēng)格Look指分辨率、光效、色調(diào)、膠片感或電影感。按這個(gè)框架寫即使是一個(gè)完全不懂提示詞的初學(xué)者也能寫出至少70分的視頻提示詞。6.2 負(fù)面提示詞到底要不要寫、怎么寫很多人問負(fù)面提示詞的作用大不大。實(shí)測(cè)下來作用很明顯但要有的放矢。Wan3.0對(duì)負(fù)面提示詞的理解能力比我預(yù)期的要好。我在這四次測(cè)試?yán)锝y(tǒng)一使用的基礎(chǔ)負(fù)面提示詞是模糊, 變形, 扭曲, 鬼影, 果凍效應(yīng), 水印, 文字, 低分辨率, 過曝, 異常肢體, 多指, 五官錯(cuò)位這套基礎(chǔ)詞覆蓋了大部分常見AI視頻瑕疵。但在具體案例里還需要補(bǔ)充對(duì)應(yīng)場(chǎng)景的專屬負(fù)面詞。比如玻璃材質(zhì)測(cè)試?yán)镂遗R時(shí)加上了“碎片漂浮水面”避免碎片像液體一樣流開動(dòng)物微表情測(cè)試?yán)锛恿恕癶and deformation, cup distortion”。這類場(chǎng)景專屬負(fù)面詞的效果往往比通用負(fù)面詞更立竿見影因?yàn)樗鼈冎苯俞槍?duì)的是該場(chǎng)景的高發(fā)問題。6.3 抽卡不理想時(shí)先別急著改提示詞這次測(cè)試我記錄了每一版的改動(dòng)原因發(fā)現(xiàn)一個(gè)規(guī)律當(dāng)生成結(jié)果不理想時(shí)大約有60%的問題靠補(bǔ)充約束可以解決但還有40%的問題是“生成隨機(jī)性”導(dǎo)致的。同樣一段效果還行的提示詞換個(gè)seed重跑結(jié)果可能天差地別。所以我建議的排查順序是第一版失敗先原樣重跑2次排除隨機(jī)性連續(xù)3次都失敗開始改提示詞每次只改一個(gè)變量如果改了一個(gè)變量之后問題依舊馬上回滾換另一個(gè)變量確認(rèn)提示詞沒問題但畫面始終不干凈再查負(fù)面提示詞和參數(shù)設(shè)置。這個(gè)“每次只改一個(gè)變量”的原則是排查提示詞的黃金法則。一次改三個(gè)詞你根本不知道是哪個(gè)詞起了作用、哪個(gè)詞拖了后腿整個(gè)調(diào)試過程會(huì)變得毫無復(fù)盤價(jià)值。6.4 參數(shù)細(xì)節(jié)和后期處理經(jīng)驗(yàn)最后分享幾個(gè)參數(shù)和后期上的零散經(jīng)驗(yàn)。第一個(gè)是片段長(zhǎng)度。Wan3.0單次生成片段我建議控制在4到6秒不是說它生成不了更長(zhǎng)而是超過5秒后出現(xiàn)累積形變的概率會(huì)明顯上升。如果需要長(zhǎng)鏡頭就用首尾幀銜接技巧上一段的最后一幀作為下一段的第一幀讓兩段鏡頭在運(yùn)動(dòng)趨勢(shì)上接起來。第二個(gè)是運(yùn)動(dòng)幅度。如果你需要穩(wěn)定的角色表情運(yùn)動(dòng)幅度可以調(diào)低一檔如果你追求動(dòng)態(tài)沖擊力比如奔跑、碎裂運(yùn)動(dòng)幅度再往上探但要有接受物體輕微形變的心理準(zhǔn)備。第三個(gè)是后期降噪。很多AI視頻生成結(jié)果在暗部會(huì)出現(xiàn)顆粒噪點(diǎn)Wan3.0也有這個(gè)情況。拿到片段后我一般會(huì)過一遍輕量降噪要么用視頻軟件自帶的降噪要么用逐幀的AI增強(qiáng)工具順便拉伸到2K或4K再做后續(xù)合成。第四個(gè)是畫幅設(shè)置。生成視頻的時(shí)候橫屏豎屏的比例直接在選擇輸出參數(shù)時(shí)確定不要依賴提示詞里的“vertical composition”或“16:9”描述直接選好目標(biāo)畫幅提示詞只負(fù)責(zé)畫面內(nèi)容這樣更穩(wěn)定。第五個(gè)是色調(diào)統(tǒng)一。所有片段用同一組光照描述后期合成時(shí)再統(tǒng)一加一個(gè)LUT讓各段素材的色調(diào)完全一致成片質(zhì)感會(huì)立刻上幾個(gè)檔次。測(cè)完這4個(gè)案例我個(gè)人最大的體會(huì)是Wan3.0已經(jīng)不是“玩具級(jí)”的AI視頻工具了在運(yùn)動(dòng)合理性、材質(zhì)光影和角色鎖定這三點(diǎn)上它的表現(xiàn)足夠進(jìn)入真實(shí)的商業(yè)制作流程。但要說完全替代傳統(tǒng)制作也不現(xiàn)實(shí)高速運(yùn)動(dòng)邊緣形變、極限遠(yuǎn)景角色漂移這兩個(gè)短板還擺在那里。我的建議是把它當(dāng)一個(gè)能力很強(qiáng)的前期預(yù)演和快速產(chǎn)出工具來用把提示詞當(dāng)成工程來做每一次生成都記錄、每一次失敗都復(fù)盤這樣你才能逐漸摸清模型的脾氣讓AI視頻真正為自己所用。