可灵AI图生视频需按场景选择参考图尺寸：正方形选1024×1024及以上；竖屏用1080×1920；横屏选1920×1080或3840×2160；多角度训练需短边≥300px且无遮挡；动态运镜须提供≥5帧1024×1024关键姿势序列。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您使用可灵AI进行图生视频或首尾帧控制，但发现生成画面结构松散、纹理模糊或主体变形，则可能是由于参考图分辨率不足、长宽比失配或细节信息缺失所致。以下是满足可灵AI高清渲染路径要求的参考图尺寸规范与实操方案：
一、首选1024×1024像素及以上正方形高清图
可灵AI的扩散重建引擎对输入图像的空间信息密度高度敏感，1024×1024是触发高保真纹理锚定的最低阈值。该尺寸能完整承载面部微表情、织物纹理、金属反光等关键视觉要素，并与模型内置的UNet编码器通道数精准对齐，避免下采样过程中的高频信息坍缩。
1、使用Photoshop、Affinity Photo或在线工具（如TinyPNG）检查原始图实际像素尺寸。
2、若原图短边＜1024px，优先采用无损放大方案（如Topaz Gigapixel AI）提升至1024×1024，禁用双线性插值等模糊算法。
3、导出格式选择PNG以保留Alpha通道及无损色彩信息；如必须用JPG，则将质量滑块设为95%以上并关闭色度抽样。
二、竖屏内容适配1080×1920像素原生比例图
当生成目标为抖音、快手等平台所需的9:16竖屏视频时，上传与输出比例一致的参考图可显著降低模型在时序推演中因宽高比映射产生的几何畸变。1080×1920像素图直接匹配手机屏幕物理分辨率，使首帧构图、焦点位置与最终成片保持像素级一致。
1、在Lightroom或Snapseed中将原始图裁剪为1080×1920像素，确保主体位于安全框内（距上下边缘至少100px）。
2、避免拉伸变形：启用“约束比例”功能，仅通过裁剪而非缩放调整尺寸。
3、上传前在可灵AI界面确认“首尾帧控制”已开启，且两帧均使用相同尺寸。
三、横屏影视级输出采用1920×1080或3840×2160像素图
针对B站、YouTube等横屏平台，或需接入专业后期流程的场景，应使用符合工业标准的横屏参考图。1920×1080（Full HD）为兼容性最优选择；而3840×2160（原生4K）则直接激活可灵AI 3.0的超分渲染通路，使中间帧继承原始图的全部细节层次与动态范围。
1、从专业摄影机或Davinci Resolve导出参考帧时，选择3840×2160, Rec.709色域, 10-bit EXR格式。
2、若使用手机拍摄，开启Pro模式并锁定ISO与快门，用Filmic Pro等APP输出DNG原始文件后转为EXR。
3、在可灵AI上传界面，点击“高级选项”勾选“启用4K锚点解析”，否则系统默认按1080p处理。
四、多角度一致性训练需统一短边≥300px且无遮挡
当启用“图生视频+主体参考”功能以保障人物在多镜头中形象稳定时，系统依赖多张参考图的特征向量空间对齐。每张图的短边不低于300px是保证CLIP编码器提取有效身份特征的硬性下限，同时要求主体完整、无遮挡、光照均匀，否则将导致中间帧出现面部错位或肢体融合异常。
1、准备3–5张不同角度的人物图（正面、3/4侧、纯侧、仰视、俯视），每张图短边严格≥300px。
2、使用Remove.bg或ClipDrop清除背景，确保人物边缘无半透明残留或毛边。
3、所有图片统一保存为PNG，命名规则为person_front.png、person_34side.png等，便于系统批量识别。
五、动态运镜类任务须提供≥5帧关键姿势序列图
对于需驱动复杂动作（如舞蹈、武术、手部精细操作）的图生视频任务，单帧参考图无法表达运动矢量。此时应提供由5帧构成的关键姿势序列图，每帧间隔时间差需符合真实人体运动节律（如步行周期约0.6秒/步），系统据此拟合骨骼动力学参数，避免动作卡顿或关节翻转。
1、使用iPhone慢动作模式（240fps）录制动作，截取起始、加速、顶点、减速、终止5个相位帧。
2、每帧导出为独立PNG，分辨率不低于1024×1024，主体居中且占画面60%以上面积。
3、上传时在可灵AI界面选择“动作序列模式”，系统将自动识别帧间位移并构建运动场。
