首帧图需作为角色“数字身份证”严格准备：①用Midjourney生成含具体人脸特征的定妆照；②导出PNG并清除透明通道与ICC配置文件；③手机相册原图导出以剥离EXIF冗余数据。
☞☞☞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☜☜☜
用可灵AI做图生视频时，人物在不同镜头里突然变脸、五官错位、发型漂移、衣服颜色跳变——这些问题不是模型“抽风”，而是参考图没用对、提示词没锁死、关键参数被默认值悄悄绕过。
上传首帧图前必须做好的三件事
首帧图不是随便截一张就能用。它得是角色的“数字身份证”，否则后续所有生成都在猜。
第一步：用Midjourney或即梦生成一张正面半身定妆照，提示词必须含具体人脸特征，例如：“Portrait of a 28-year-old Han Chinese woman, heart-shaped face, double eyelid, slight upturn at outer eye corners, small freckle on right cheekbone, shoulder-length wavy brown hair, wearing ivory knitted turtleneck, soft studio lighting, clean white background”。
第二步：导出PNG格式，分辨率不低于1024×1024，用Photoshop检查是否带透明通道或嵌入ICC配置文件——【若有，必须删除，否则可灵会误读色彩空间导致肤色偏移】。
第三步：把这张图拖进手机相册再原图导出一次，目的是剥离EXIF中的拍摄设备、GPS、时间戳等冗余元数据——可灵部分版本会因读取这些字段触发异常重采样。
图生视频界面的关键设置
进入可灵Web端→点击「图生视频」→上传刚准备好的首帧图后，立刻执行以下操作：
关闭「智能背景增强」和「自动光影匹配」两项开关——它们会强行重绘人物边缘与明暗交界线，直接破坏面部结构稳定性。
将「运动强度（Motion Scale）」手动设为5.2～6.8区间——低于5动作僵硬，高于7.0极易引发手指/耳垂/发梢等高频细节崩坏；这个范围是实测中肩颈过渡与微表情保留率最高的安全带。
勾选「保持原始构图比例」并锁定「宽高比=1:1」——哪怕你最终要输出16:9，也先在这里固定，否则模型会在每帧重新计算人物在画面中的锚点位置，造成轻微漂移累积。
提示词写法：只准动“动作”和“环境”，其余全部冻结
方法一：基础冻结法
提示词严格按此结构书写：
[Same person as input image] → [动作：缓步向左平移两步，右手自然下垂，左手轻抚腰侧] → [环境：浅灰水泥地面，顶部柔光灯带，无窗无装饰]。
注意：“Same person as input image”必须作为第一短语，且不能加任何修饰词，不能换行，不能前置“Film still of…”之类描述。
方法二：动态锚点法（适合有运镜需求）
在动作描述中插入不可删减的物理约束短语，例如：“右脚跟始终接触地面→左膝弯曲角度维持在28°±3°→头部水平旋转不超过11°”。
【这类角度数值必须来自首帧图中用标尺工具量出的真实数据，凭感觉写的数字会让模型彻底放弃一致性】。
生成后必做的帧间校验
① 把生成视频导入Premiere，打开“放大器”效果，将缩放倍数调至400%，逐帧检查左眼瞳孔高光位置是否偏移超过3像素；
② 截取第1帧、第12帧、第24帧（对应0s、0.5s、1s），用Photopea叠图模式设为“差值”，观察面部区域是否出现大面积灰色噪点——有则说明三维表征未锁定；
③ 拖动时间轴到人物抬手最高点，暂停，用吸管工具点击她右手食指尖，记录RGB值；再跳到第36帧（1.5s）同一位置，RGB偏差＞8即判定为材质闪烁，需回退启用三维结构锁定。
