第 36 章 图生视频与运动设计#

36.1 运动必须服务状态变化#

关键帧已经成立，视频只需完成镜头必要变化。让头发、背景、摄影机和所有人物同时运动，会增加漂移而不增加故事。

将运动分为人物主动作、人物微动作、环境运动和摄影机运动。每镜一个主动作，其余保持低幅度。

36.2 Motion Brief#

motion_request:
  shot: E001_S09
  duration: 3.5s
  start_frame: KF_E001_S09_START@v04
  character_action: 右手将授权书向前推12cm后停住
  micro_action: 手指自然放松一次
  environment: 背景人物保持模糊静止
  camera: 极轻微推进
  end_state: 标题与签名区稳定停留0.6s
  forbidden:
    - 手指数量变化
    - 文件旋转
    - 背景人物走动
    - 生成文字变化

距离值表示尺度，不保证像素级控制；重点是动作短、方向明确、结束可剪。

36.3 2–5 秒不是绝对，但很实用#

短镜头减少身份与物理漂移，便于挑选稳定中段。长镜头应由稳定静止、简单运动或真实必要性支持。不要为了单次生成时长把多个 beat 塞入。

生成五秒不等于使用五秒。记录最终可用区间。

36.4 时间轴提示#

复杂一点的动作按秒或阶段描述：

0.0-0.8s 视线停在文件上，身体不动。
0.8-2.2s 右手平稳向前推文件。
2.2-3.0s 文件停住，手指松开。
3.0-3.5s 保持静止，摄影机微推。

时间轴只安排可同时完成的少量变化。模型无法严格执行时，仍能提供优先级和动作顺序。

36.5 运动幅度#

微动作最稳：眨眼、呼吸、轻转头、手指敲一下、衣料小幅运动。中幅动作如站起、递物、走两步需要更多状态控制。大幅动作、接触和多人运动优先拆镜或分层。

用低、中、高幅度标签记录风险，并设置尝试预算。

36.6 摄影机与人物不要争夺#

人物完成重要动作时，相机保持静或简单推进；复杂相机运动时，人物动作应更简单。环绕、快速推拉和手持会同时改变背景、脸和遮挡，风险高。

运镜结束必须带来新信息。没有揭露就不动。

36.7 首帧、末帧和把手#

首帧必须是批准关键帧或经过核验的变体。末帧要求可达、身份稳定、状态正确并保留短暂停留。前后把手给剪辑选择，避免使用模型启动抖动。

支持首尾帧时，先检查两帧人物、手、道具和空间一致。差异过大会导致中间融化。

36.8 无口型、口型与画外#

普通运动镜头默认不产生说话嘴形。对白可采用画外、背面、过肩、反应或短正面口型。避免人物无台词却持续嘴动。

口型同步属于独立高风险路线，需使用最终音频并检查身份与表演，不与复杂动作同时进行。

36.9 环境运动#

窗帘、雨、屏幕光和背景人群要遵守环境状态。风向、雨强和人群动作跨镜保持。背景运动幅度低于主体，避免抢注意。

完全静止的环境也可以通过声音维持生命，不必强迫画面每处运动。

36.10 候选选择#

每个候选记录首帧偏差、动作完成度、身份漂移、物理错误、相机稳定和可用区间。选择“最可剪”的，不一定是运动最多的。

同一视频可截取不同区间用于正片和广告，但所有使用都登记父记录。

36.11 循环、慢动作和速度调整#

循环只适合重复环境或微动作，人物情绪动作循环会显得机械。慢动作不能修复错误物理，只会放大。轻微速度调整可匹配剪辑，但口型、雨和行走会暴露变化。

需要停留时，优先生成稳定末态或使用极轻微活帧，不无限冻结脸。

36.12 Motion QC#

检查身份首中末、手与道具、动作方向、相机、背景、末态和可剪把手。正常速度先看感知，再逐帧找阻断错误。音频临时铺入，确认动作节奏能承载台词和音效。

36.13 用动作相位代替模糊动词#

“她把文件递过去”至少包含准备、接近、交接、释放和完成五个相位。若镜头只需要表达主动施压，可以只生成接近到完成；若剧情关键是对方不肯接，则必须保留接近与悬停，不能让模型自动完成交接。

Motion Brief 应明确镜头覆盖哪些相位，以及在哪个相位剪出：

action_phases:
  action_id: ACT_AUTHORIZATION_HANDOFF
  covered: [approach, hold]
  omitted: [grasp, release]
  start: 文件平放桌面，林筠右手压住右上角
  cut_point: 文件越过桌面中线后停住
  state_out: 文件仍由林筠控制，周岚尚未触碰
  dramatic_meaning: 这是挑战，不是礼貌递交

相位设计同时保护连续性和戏剧含义。下一镜如果从周岚的手已经抓住文件开始，就必须另有交接镜头或允许明确的省略；不能让物体在切点中无因换主。

36.14 先做运动预演，再花生成预算#

中幅以上动作可以用手机真人走位、简陋 3D、静帧推拉或剪辑 animatic 预演。预演不追求视觉质量，只验证时长、方向、遮挡、切点和声音节奏。三秒是否够转身再落座，用真人做一次比连续生成二十次更便宜。

预演还会暴露“镜头其实不需要动”。如果把对白、反应和音效放入静帧 animatic 后，权力变化已经成立，就可以只生呼吸、眼线或微推。运动不是价值本身；它是信息变化的载体。

36.15 可用区间与编辑把手#

生成文件必须记录三段：启动污染区、可用区、衰变区。很多结果前 0.3 秒从静帧突然活起来，末尾 0.8 秒开始变脸。只写“这条能用”会让剪辑师反复寻找真正区间。

usable_segment:
  source: GEN_E001_S09_006
  source_duration: 5.0
  in: 0.62
  out: 3.18
  preferred_cut_in: 0.84
  preferred_cut_out: 2.92
  state_at_in: hand_begins_push
  state_at_out: document_stable
  defects_outside_range: [startup_warp, late_identity_drift]

首选切点之外仍要尽量保留 6–12 帧把手，给声音、反应和节奏调整空间。若最终采用区间没有把手，应在剪辑账本标记为脆弱镜头；后续台词或配乐长度变化时，它可能必须重做。

36.16 多镜头动作的交接测试#

每条视频单独通过后，还要做三连检查：前镜最后 8–12 帧、当前镜全段、后镜最初 8–12 帧连续播放。检查动作速度是否突然变化、人物重心是否跳跃、视线是否换目标、环境运动是否重启、摄影机是否发生无意跳切。

动作速度可用三档记录：蓄力、执行、余波。前镜是快速执行，反打可以进入余波静止；但如果反打又从蓄力开始，观众会感觉动作重复。生成工位必须交付状态变化，不只是视频文件。

36.17 《逆光收购》的进入会议室#

初稿把“林筠推门、走到桌边、拿出授权书、面对众人说话”写成一个七秒镜头。测试中人物每走一步脸部都在变化，授权书会从手提包中凭空出现，摄影机后退时会议室几何也不断伸缩。

重做后分为五个可控任务：门把转动和门开；林筠跨过门槛后停步；众人转头；她把文件夹放到桌面；正面短口型说“从现在起，我代表收购方”。声音用门响、脚步和会议室 room tone 将五镜粘合，台词前留出半秒安静。镜头数量增加了，生成总尝试数反而下降，而且每一个切点都在加强她夺取空间的过程。

36.18 图生视频 SOP#

第一步，从批准关键帧编译 Motion Brief。第二步，区分主动作、微动作、环境和相机。第三步，限定时长与幅度。第四步，必要时写时间轴。第五步，生成少量候选并标记失败。第六步，选可用区间而非整段。第七步，检查首中末和末态。第八步，更新 State Out 与 Generation Ledger。第九步，失败时简化动作或改分镜。

36.19 故障树#

**症状：画面很活但故事不清。**运动没有主次。只保留一个主要状态变化。

**症状：末段变脸。**时长或动作过大。提前切、缩短或重生。

**症状：文件形状和文字流动。**运动中要求模型维护细节。降低运动，用图形跟踪合成。

**症状：无台词人物一直动嘴。**未明确禁止口型。加入静默约束或重做。

**症状：运镜抖动。**人物与相机同时复杂运动。固定相机或拆分。

36.20 检查表、练习与交付物#

检查主动作是否唯一；环境和相机是否从属；时长是否必要；时间轴是否可执行；首尾是否一致；是否有把手；口型是否有意；候选是否记录可用区间；失败是否先简化。

练习一：把“她走进来举文件并怒斥”拆成四个 Motion Brief。练习二：为同一关键帧设计静止、微动和中幅三版。练习三：从五秒候选标出两秒可用区间。

本章交付物：Motion Brief、时间轴提示、候选记录、可用区间、Motion QC、State Out、重试或改分镜决定。

36.21 运动合同与时间窗口#

Motion Contract 定义主体、动作相位、目标、摄影机、环境、必须保持和禁止事件。时间用窗口而非精确幻觉描述：0–0.6 秒准备，0.5–1.8 秒推动文件，1.6–2.6 秒停住并反应。重叠窗口给剪辑把手。

图 36-1 关键帧锁定身份、姿态、道具、世界位置和光线；绿色区域描述允许的身体与摄影机运动，红色区域保护不变量。生成结果只导出通过审核的可用区间，并把结束状态回写下一镜。

图中的开始与结束帧不是唯二检查点。中间帧仍需抽查身份、手、道具和背景；若错误恰好落在主要动作峰值，即使首尾恢复也不能通过。

motion_contract:
  subject: CH_LINYUN
  action: push_authorization
  phases: [prepare, slide, settle]
  preserve: [identity, right_hand, document_face_up, axis]
  camera: static
  forbidden: [left_hand_swap, page_flip, background_people_move]
  usable_target: 1.4_seconds

模型输出越界时，先判断是否能截取合格区间，再决定重生。成片只需一段可用秒，不要求整个生成文件完美。

36.22 时间稳定性与中间帧审查#

首尾正确不代表中间正确。身份、手指、文字、背景和光线可能在中段漂移后恢复。Motion QC 按镜头风险选择首中末、动作峰值和固定间隔抽帧，同时正常速度观看感知问题。

对关键近景生成 contact strip 和差分视图，标记可用起止。短暂错误若位于可剪区外可接受；穿过主要动作或表情峰值则阻断。插帧、慢放和稳定处理后必须重新审查，中间帧可能引入新融合。

36.23 失败后的运动降级梯#

按顺序尝试缩短时长、减少同时运动、固定摄影机、拆成两镜、用插入与声音省略、分层合成或改为静态动态化。每次降级保留叙事目标，不把失败镜头无声删除。

英雄动作可投入更高成本，普通过场优先简化。三次相同根因失败后停止抽卡，返回关键帧、动作设计或模型路由。降级决定写入 Shot Ledger，后续复盘知道成片为何采用该语法。

研究依据说明#

实践中稳定的 2–5 秒片段、单一动作和时间轴描述，通常比“一镜完成一场戏”更可靠。剪辑负责把短运动组织成连续表演。