如何告诉 AI 视频模型什么不能变：图片生成视频的保持句

你让一张产品图动起来，到第三秒标签就糊成一团。你让一张人像动起来，到结尾已经变成了一个略有不同的人。通常的反应是改写动作：更慢、更顺、更有电影感。这很少有用，因为问题从来不在动作上。提示词里根本没有说什么必须保留。

这篇文章讲的就是缺失的那一半：保持句，一句简短的话，告诉模型必须从起始帧保留什么。如何挑选动作词见图片生成视频的动作提示词一文，从静态图到视频片段的完整流程见如何把静态图变成视频。这里只讨论保持清单。

为什么动作词越多越糟

视频提示词里的每个动词都在要求模型重画某样东西：环绕镜头要重画一个它从没见过的物体侧面，一阵风要重画头发和布料，光线变化要重画每一个表面。每次重画都是细节漂移的机会。叠上六个动作短语，你就要求了六种变化，却没给出任何保护某样东西的理由。

保持句的作用正相反：它点名固定点，让变化去别的地方发生。一个动作加一份清楚的保持清单，比五个动作没有清单更稳定。

保持清单里该放什么

• 身份： 脸、发型、服装。从头到尾同一张脸、同一套衣服。
• 印刷内容： 标签、杯子上的标志、招牌。点名承载印刷的物体，并要求它保持清晰。
• 形状： 不能被拉长的瓶子、墙面笔直的建筑。
• 构图： 主体在画面中的位置、地平线。固定镜头是最有力的构图保持手段。
• 背景与观感： 房间或天空、调色、光线方向、静态图的风格。

清单控制在两三项，也就是那些一旦出错你就会弃用这条片段的东西。十项的清单会像任何长提示词一样被对待：少数几个词起作用，其余的被随机丢掉。

好提示词的结构：动一样，保其余

先用一句话写动作，再用第二句话写保持句，以明确的动词开头：保持、不变、维持原样。具体名词胜过笼统名词。“一切保持不变”太模糊，模型无从执行；“标签和瓶子形状保持不变”则是模型可以对照起始帧检查的内容。

选择不触碰保持对象的动作

保持句只是一个请求，当动作与它矛盾时，请求就会输。“环绕瓶子”和“标签正对镜头”不可能同时成立。“她转身回头看”和“从头到尾同一张脸”也互相冲突，因为模型必须凭空画出它从没见过的头部侧面。所以要围绕保持清单来设计动作：如果标签重要，就让镜头向前推而不是环绕；如果脸重要，就让头发、光线或背景动起来，头部大致保持原位。

保持清单的起点：画面本身

模型只能保留它看得见的东西。起始帧里很小、倾斜或略微模糊的标签，动起来也不会变清晰。先把静态图做好：重要的印刷内容要大、清晰、正对镜头。要在动画之前修正静态图，可以用带有自己保持句的编辑提示词，参见如何写图片编辑提示词一文。

然后再做动画。在工作室里，对动态或图库中的任意图片点击 Animate，就会打开视频编辑器，并把这张图片作为起始帧附上；你也可以附上自己的图片。有些模型还会在 高级 下方显示 Negative prompt（负面提示词）字段。正如负面提示词一文所说，那里适合写不应出现的东西（闪烁、扭曲、多余的手指）；必须保留的东西要写进主提示词，用正面的措辞。

先低成本测试，再正式投入

漂移出现得很早，所以一段简短的草稿就能告诉你大部分需要知道的信息。用 Motion Lite 以低分辨率渲染一段 5 秒的测试，每段 €2.00 起，然后逐帧查看保持清单上的东西。如果它们保住了，再换成你想用于成片的模型和时长。不同模型保持起始帧的忠实程度各不相同；模型页面列出了所有模型，如何选择 AI 视频模型一文说明了哪个适合做什么。每次运行的价格在你点击生成按钮之前就会显示在按钮上。

保持句做不到的事

• 它不是锁。 它能提高细节保留下来的概率，但不能保证。移动物体上的小字是当今每个视频模型最薄弱的环节，一长行小字常常会糊掉。
• 片段越长漂移越多。 有些模型的片段最长可达 30 秒，但每多一秒就多一些要重画的帧。对必须精确的标签或脸，短片段更安全。
• 它找不回被遮住的东西。 如果动作露出了物体的背面或脸的侧面，模型就会自己编造。
• 它不会修复画面。 静态图里扭曲的字母在片段里依然扭曲，而且往往更严重。

如果片段仍然漂移，先删掉一个动作，再考虑增加保持项。更少的变化、点名的固定点、更短的片段：这就是全部方法。