最近一直有朋友問我同一個問題AI視頻生成用哪個模型做項目穩(wěn)說實話這個問題很難一兩句答清楚不同模型在不同場景下的表現(xiàn)差異太大了。正好這段時間我把手頭幾個短片素材全用Wan3.0重測了一遍攢下了4個相當有代表性的案例今天就挑出來做個完整復盤提示詞一并放上希望能幫到正在糾結選型或者卡在提示詞上的朋友。先說結論Wan3.0在動態(tài)鏡頭、材質物理和角色一致性上比我之前預期的要強不少但在某些高速邊緣形變、極限遠景角色穩(wěn)定上依舊存在老毛病。下面四個案例分別對應動畫短片、運動類廣告、產品宣傳、商業(yè)IP孵化四個真實需求場景每個案例我都會把提示詞、參數(shù)、踩坑記錄和最終效果全部拆開講清楚。1. 這次實測Wan3.0的前提評測維度怎么定案例怎么選1.1 我為什么把四個維度當成視頻生成模型的“基本功”在AI視頻生成的實戰(zhàn)里分辨率和畫質現(xiàn)在已經不是主要門檻了真正拉開差距的是四個軟性維度運動合理性、角色一致性、鏡頭調度能力、材質與光影的物理邏輯。這四個維度不是拍腦袋定的而是來自實際項目需求。我之前做過一段AI動畫短片的制作流程最常崩的就是快節(jié)奏動作和轉場給一個品牌做產品展示時材質質感不過關到了第二集起主角的臉都變了。這些都是商業(yè)項目直接會踩到的坑所以這次Wan3.0實測我直接把考察維度定在這四點。有了維度就得有對照實驗。我選了4個案例來覆蓋動物擬人微表情表演考察運動合理性、表情聯(lián)動、毛發(fā)細節(jié)第一人稱高速奔跑考察空間一致性、鏡頭調度、運動模糊玻璃碎裂慢鏡頭考察材質物理、光影折射、粒子運動IP角色多鏡頭一致性考察角色鎖定能力和風格統(tǒng)一。這樣選案例還有一個現(xiàn)實原因這四個場景在真實產線里對應的是動畫短片、運動類廣告、產品宣傳、商業(yè)IP孵化四種下游需求。測試如果只做“一只貓跑過草地”根本沒有參考價值測試用的畫面和提示詞要盡量貼近實際生產中會遇到的任務復雜度。1.2 我實測用的基礎配置與跑圖流程先說測試環(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檔位先跑了一遍分辨率1024×576幀數(shù)根據鏡頭運動程度調到24到48幀把運動幅度控制在默認區(qū)間然后逐項加負向提示詞。整個測試流程是先跑一個基線版本檢查是否有明顯形變再基于基線結果在提示詞里逐條加約束對比效果。這種“先基線后微調”的方法比一上來就堆大提示詞更容易定位問題。很多人在測模型時喜歡一次性把十幾個形容詞全塞進去結果畫面崩了根本不知道是哪句話導致的。所以這次每個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 為什么拿動物的臉來考AI視頻模型人類面部表情的生成現(xiàn)在已經很成熟了甚至有點內卷。動物則完全是另一回事因為模型在訓練數(shù)據里見到的動物素材大多是奔跑、進食、玩耍這類自然行為很少見到“擬人化情緒表演”的數(shù)據。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低頻動作時能不能穩(wěn)定輸出。動物微表情牽涉的細節(jié)非常多眼瞼開合、耳根轉動、嘴角上翹、胡須方向、毛發(fā)隨表情的輕微擠壓和恢復任何一環(huán)崩了整個畫面就會顯得很瘆人。我在項目里用動物擬人鏡頭的場景通常是給品牌吉祥物做短視頻、兒童繪本的動態(tài)化預覽、以及一些偏治愈系風格的廣告開場。這類鏡頭不需要復雜劇情但對“表演感”的要求非常高如果動物看起來像個提線木偶整個片子的質感就沒了。2.2 實測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色牛仔外套的柴犬坐在老城區(qū)便利店門口的木長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嘴角微微上揚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度側逆光背景虛化毛發(fā)細節(jié)清晰4K電影級畫面。英文版實測下來在“表情聯(lián)動”的理解上有時更細膩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.這里有幾個細節(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、嘴角上揚、閉眼、重新看鏡頭。模型對動詞的響應遠強于對情緒的響應把情緒拆解成可觀察的肢體動作輸出穩(wěn)定很多。第二我把鏡頭語言也寫進了提示詞“中景推近到特寫”這讓模型在生成時會為構圖留出推鏡空間畫面節(jié)奏更接近導演分鏡而不是一個固定機位。第三我把鏡頭運動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 實測效果逐幀復盤這一條我總共跑了5版第1版就出了不錯的效果后面4版主要是在調構圖和表情幅度。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豎起來并抖動結束了體感上像是“耳朵搶戲”。這個問題的本質是模型對“耳朵抖動”這個動作的執(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時間順序詞“耳朵在眼神聚焦之后緩慢豎起”并且把“抖動”改成“輕微抖動”。改完之后表情聯(lián)動明顯舒服了很多。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”同時在負面提示詞里加了“hand deformation, cup distortion”這兩個詞這一版就干凈了。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嘴部和毛發(fā)的輕微聯(lián)動也沒有崩。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。提示如果你想讓動物微表情更接近“表演級”效果建議把表情拆成3個狀態(tài)節(jié)點——起始狀態(tài)、情緒轉折點、結束狀態(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”模型的視頻生成機制會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物類視頻可以直接套動物微表情提示詞 身份場景裝備道具 分階段狀態(tài)描述順序 生理細節(jié)動作 鏡頭運動 畫質關鍵詞。身份和場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)描述是核心生理細節(jié)動作決定“像不像真的”鏡頭運動提升臨場感畫質關鍵詞兜底。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、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上一個臺階。3. 案例二第一人稱高速奔跑空間連續(xù)性是最大考驗3.1 高速運動為什么是“照妖鏡”我一直覺得評價一個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。因為高速運動會同時考驗模型的三個能力空間位置的連續(xù)性鏡頭往前沖兩側物體應該如何退出畫面、如何改變大小和遮擋關系運動模糊的合理性速度感不只是靠“物體跑得快”來表達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動狀態(tài)下很多模型會把街道兩側的路燈、窗框、招牌直接生成成扭曲的奇怪形狀。所以這個案例在4個維度里重點關注的是“運動合理性”和“鏡頭調度能力”。這個測試對實際項目的價值也很直接。現(xiàn)在不少運動品牌、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項目的可行性都要打個問號。3.2 第一版提示詞與翻車現(xiàn)場我的第一版提示詞很簡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感畫面有運動模糊4K寫實電影鏡頭。這一版跑出來的畫面前2秒相當驚艷透視和后退速度都很真實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了。這種“物體周期性扭曲”是很多模型在高速運動下的典型問題原因是短時間內的畫面變化量太大模型在逐幀預測時對高頻空間細節(jié)的約束不夠。3.3 穩(wěn)定輸出的關鍵修正分段節(jié)奏空間錨點發(fā)現(xiàn)問題后我沒有盲目地加形容詞而是做了兩個關鍵修改。第一個修改是把“高速奔跑”拆成兩段節(jié)奏“穿過巷子”作為一個整體再加上“兩側墻壁快速向兩側滑出畫面”來幫助模型理解透視的邊界。這個表述等于給了模型兩個錨點鏡頭前進的主方向和畫面邊緣的滑出路徑。第二個修改是加了空間參照物“每隔幾米出現(xiàn)一個木質電線桿”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會更容易維持空間尺度感相當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)石板巷子兩側灰色老磚墻快速向畫面兩側滑出墻上偶爾出現(xiàn)水泥電線桿和木質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光斑整體有輕微手持晃動和徑向運動模糊寫實電影鏡頭4K細膩噪點色彩偏冷。這一版跑出來的空間連續(xù)性強了很多。最讓我滿意的是“陽光在路面上形成流動光斑”這個細節(jié)光斑跟著鏡頭移動的速度在石板上流暢地滑動速度和地面后退的速度基本匹配。整體運動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動鏡頭里Wan3.0的邊緣物體偶爾還是會出現(xiàn)短時形變比如第3秒左側窗框有輕微彎曲但持續(xù)時間不到半秒不細看很難發(fā)現(xiàn)。如果對畫面純凈度有硬性要求建議把片段控制在4秒以內或者后期做輕微裁剪。3.4 實測數(shù)據記錄我把這次測試的關鍵產出列一下指標第一版修正版畫面穩(wěn)定時長約2秒約4秒物體形變出現(xiàn)時間第2.1秒第3.4秒且幅度更輕運動模糊合理性部分過糊能看出層次空間透視錯誤右側招牌扭曲左側窗框輕微彎曲可用度較低可進入后期流程這個表我每版都記錄方便對比。關于“運動模糊合理性”這一項我補充一下好的運動模糊不是整屏均勻模糊而是鏡頭中心相對清晰、四周逐漸模糊同時前景物體比背景物體拖影更長。Wan3.0修正版在這點上基本符合物理直覺。4. 案例三玻璃碎裂慢鏡頭材質物理與光折射的極限測試4.1 為什么選玻璃這個材質材質表現(xiàn)里玻璃是最難啃的骨頭之一因為它同時涉及三個層次第一個是幾何形態(tài)杯子摔碎后的碎片形狀應該是大小不一、棱角分明的不規(guī)則塊面第二個是物理運動碎片落地后應該反彈、滑動、二次碎裂而不是像水一樣流開第三個是光學屬性透明材質在光線下會產生折射、反射、邊緣高光。這三個層次疊在一起任何一個環(huán)節(jié)出錯都會讓畫面顯得很“假”。廣告行業(yè)對這類鏡頭的需求量很大酒水飲料、美妝護膚、奢侈品包袋幾乎都會用到玻璃和液體慢鏡頭。所以這個案例的測試價值不只是“好看”而是非常接近真實商業(yè)需求。我之前幫一個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時間這次用Wan3.0就是想看看能不能走一條捷徑。4.2 實測提示詞與效果對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生明顯折射和日光色散慢動作高速攝影感細節(jié)豐富4K電影級畫面。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、飛濺軌跡已經相當穩(wěn)定。讓我印象最深的不是碎片的數(shù)量而是碎片的“運動和光影關系”。在頂光照射下部分碎片翻轉時邊緣會有明顯的折射高光并且高光的位置隨碎片的角度實時變化這是材質物理測試里最難模擬的點。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 玻璃材質的通用提示詞公式針對玻璃、液體、金屬這類材質我總結了一個通用公式材質鏡頭提示詞 主體初始狀態(tài) 運動方式觸發(fā)動作 結果狀態(tài)碎裂/濺開的具體描述 光環(huán)境 材質高光描述 鏡頭速度 畫質關鍵詞。關鍵點有兩個一個是“結果狀態(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”?！按笮〔灰弧边@四個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生成的碎片都差不多大畫面會顯得像“玻璃紙碎屑”而不是玻璃。另一個是“光環(huán)境”。暗背景單束頂光是拍這類鏡頭的最穩(wěn)搭配因為在暗背景下透明材質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”暗背景會讓這些光學效果自動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“白色半透明物體”透明感和厚度感都會弱很多。4.4 這個案例的實際拍攝成本對比最后說一個很現(xiàn)實的點。同樣一段玻璃碎裂慢鏡頭如果用實拍就算不考慮場地和道具成本單是高速攝影機的設備成本和燈光調試至少也要一整天如果用CG做一個合格的剛體破碎加流體模擬從解算到渲染需要懂技術的三維設計師投入兩三天是常事。而用Wan3.0生成我的耗時大概是30分鐘包括6次生成、挑選、局部調整。雖然生成結果在物理精確度上和真實模擬還有差距比如碎片數(shù)量遠不如流體解算那么海量但作為創(chuàng)意預覽、概念驗證、甚至一些不需要特寫的產品廣告鏡頭這個效率優(yōu)勢是碾壓級的。5. 案例四IP角色一致性——三視圖加多鏡頭商業(yè)項目最剛需的能力5.1 為什么要專門測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入商業(yè)項目尤其是短劇、動漫、游戲宣傳片角色一致性就是第一道門檻。觀眾能接受AI視頻畫面有一點瑕疵但絕對接受不了主角上一秒穿紅色衛(wèi)衣、下一秒變藍色夾克或者第1集是圓臉、第2集變瓜子臉。所以第四組測試我專門做了IP角色的“三視圖多鏡頭一致”實驗。這個測試的背景來自最近接的一個短劇項目導演對AI生成的最大顧慮就是“主角能不能認出來”。如果Wan3.0能做到多鏡頭穩(wěn)定那前期分鏡和概念驗證的效率會大幅提升。測試前我給自己的標準是同一角色的6個鏡頭里至少有5個鏡頭能讓人一眼認出是同一個人并且服裝、發(fā)色、臉型沒有明顯的跳躍變化才算達到可用的及格線。5.2 測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角色的“三視圖”定妝照讓角色特征固定下來一個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)衣和淺藍色牛仔褲白色帆布鞋。正面、側面、背面三視圖純灰色背景全身照統(tǒng)一光照角色設計參考高細節(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)衣胸口有一個小小的橙色太陽刺繡淺藍色直筒牛仔褲白色帆布鞋長相圓臉杏仁眼鼻尖有一點雀斑第三步用“角色卡新場景動作”的結構去生成新鏡頭。比如角色卡保持不變。鏡頭傍晚的城市天臺女孩靠在欄桿上風吹起她的短發(fā)她望向遠方露出淺淺的微笑。電影感冷色調淺景深4K。這里有一個非常重要的操作細節(jié)千萬不要在第二個鏡頭里重新描述角色。角色不一致問題的源頭很多時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)”模型當然會跟著改。把角色描述做成固定角色卡每段視頻完全復用是成本最低的一致性保障方案。5.3 實測結果一致性到什么程度算“可用”實際跑了6個鏡頭我的結論是正面和半側面的角色一致性相當能打發(fā)色、劉海走向、衛(wèi)衣顏色和刺繡圖案基本都能鎖住三個鏡頭之間的臉型差異很小肉眼不容易察覺。但兩個極限場景仍然會翻車第一個是背面轉身女孩轉身后的側臉和正臉特征偶爾會出現(xiàn)輕微漂移第二個是遠景全身因為臉在畫面中占比太小模型會把臉“腦補”成一張新臉。這兩個問題在目前AI視頻模型里普遍存在Wan3.0也不例外。我的補救方案是將“轉身鏡頭”和“遠景鏡頭”降級使用正臉鏡頭作為主鏡頭背面或遠景鏡頭在成片里只保留一到兩秒避免觀眾注意力長時間停留在角色面部。如果項目對遠景的臉有嚴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去再生成。注意角色卡里的“每一個形容詞”都可能在后續(xù)鏡頭中被模型當成特征去放大。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讓模型自由發(fā)揮。只寫客觀可量化的特征發(fā)色、長度、形狀、顏色、印花、臉型、五官細節(jié)。越客觀越穩(wěn)定。5.4 多鏡頭風格統(tǒng)一的另一個隱藏變量最后說個容易忽略的變量色彩風格和光照描述。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”模型的整體風格也會漂移看起來像兩部片子。所以我在一致性測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”。這樣角色和風格的雙重一致性都有了一個統(tǒng)一錨點。這條經驗我后來也用在了另一個項目的多鏡頭素材里效果非常明顯。6. 從4個案例里提煉的提示詞工程實戰(zhàn)經驗總結6.1 一條不會出錯的萬能提示詞結構四個案例測下來我最大的感觸是視頻提示詞工程本質上是在做“結構化約束”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、道具場景Where明確地點、時間、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)變化關鍵是要有時間順序表現(xiàn)形式How指鏡頭運動、畫幅比例、拍攝手法、景別畫質與風格Look指分辨率、光效、色調、膠片感或電影感。按這個框架寫即使是一個完全不懂提示詞的初學者也能寫出至少70分的視頻提示詞。6.2 負面提示詞到底要不要寫、怎么寫很多人問負面提示詞的作用大不大。實測下來作用很明顯但要有的放矢。Wan3.0對負面提示詞的理解能力比我預期的要好。我在這四次測試里統(tǒng)一使用的基礎負面提示詞是模糊, 變形, 扭曲, 鬼影, 果凍效應, 水印, 文字, 低分辨率, 過曝, 異常肢體, 多指, 五官錯位這套基礎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充對應場景的專屬負面詞。比如玻璃材質測試里我臨時加上了“碎片漂浮水面”避免碎片像液體一樣流開動物微表情測試里加了“hand deformation, cup distortion”。這類場景專屬負面詞的效果往往比通用負面詞更立竿見影因為它們直接針對的是該場景的高發(fā)問題。6.3 抽卡不理想時先別急著改提示詞這次測試我記錄了每一版的改動原因發(fā)現(xiàn)一個規(guī)律當生成結果不理想時大約有60%的問題靠補充約束可以解決但還有40%的問題是“生成隨機性”導致的。同樣一段效果還行的提示詞換個seed重跑結果可能天差地別。所以我建議的排查順序是第一版失敗先原樣重跑2次排除隨機性連續(xù)3次都失敗開始改提示詞每次只改一個變量如果改了一個變量之后問題依舊馬上回滾換另一個變量確認提示詞沒問題但畫面始終不干凈再查負面提示詞和參數(shù)設置。這個“每次只改一個變量”的原則是排查提示詞的黃金法則。一次改三個詞你根本不知道是哪個詞起了作用、哪個詞拖了后腿整個調試過程會變得毫無復盤價值。6.4 參數(shù)細節(jié)和后期處理經驗最后分享幾個參數(shù)和后期上的零散經驗。第一個是片段長度。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而是超過5秒后出現(xiàn)累積形變的概率會明顯上升。如果需要長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動趨勢上接起來。第二個是運動幅度。如果你需要穩(wěn)定的角色表情運動幅度可以調低一檔如果你追求動態(tài)沖擊力比如奔跑、碎裂運動幅度再往上探但要有接受物體輕微形變的心理準備。第三個是后期降噪。很多AI視頻生成結果在暗部會出現(xiàn)顆粒噪點Wan3.0也有這個情況。拿到片段后我一般會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增強工具順便拉伸到2K或4K再做后續(xù)合成。第四個是畫幅設置。生成視頻的時候橫屏豎屏的比例直接在選擇輸出參數(shù)時確定不要依賴提示詞里的“vertical composition”或“16:9”描述直接選好目標畫幅提示詞只負責畫面內容這樣更穩(wěn)定。第五個是色調統(tǒng)一。所有片段用同一組光照描述后期合成時再統(tǒng)一加一個LUT讓各段素材的色調完全一致成片質感會立刻上幾個檔次。測完這4個案例我個人最大的體會是Wan3.0已經不是“玩具級”的AI視頻工具了在運動合理性、材質光影和角色鎖定這三點上它的表現(xiàn)足夠進入真實的商業(yè)制作流程。但要說完全替代傳統(tǒng)制作也不現(xiàn)實高速運動邊緣形變、極限遠景角色漂移這兩個短板還擺在那里。我的建議是把它當一個能力很強的前期預演和快速產出工具來用把提示詞當成工程來做每一次生成都記錄、每一次失敗都復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。