AI视频生成中如何用关键词控制人物动作连贯性？
我跟你说
说真得，玩AI视频生成这一年多，我最大的感悟就是…… 指望一句话让AI乖乖听话，不如指望我家猫自己洗澡，哦， （这，个我真没想到） 但你要是摸到那个窍门，动作连贯性这事，真能给你省下大半包烟。
身边五六个朋友都踩了这一步，被家人念叨好久（摊手）
上个月18号，我在某剪映里折腾一个“人物转身坐下”的镜头……
好家伙，每回生成都是衣服变了个人，脸也换了亲妈都认不出。
后来我才反应过来，不是AI笨，是我压根没给它“锁住人”的指令。
现在先说结论，控制动作连贯性的核心不是写“作了什么”，而是写“谁在什么状态下一气呵成做了什么”。
关键词里必须包含三样东西：人物特征锁定、动作时间线、还有环境关系 少了任何一个，画面就放飞自我。
那条微博我发了五遍，最后加了个“全程保持同款发型、同色外套、面部特征不变”…… 立马就稳了八成。
你看，这就是关键词的“锚点”作用。
核心结论
先把最直白的道理扔这儿：动作连贯性 = 人物锚点 + 动作链路 + 运动幅度控速。人物锚点就是上面说的“谁”，动作链路就是“先A接着B再C”，运动幅度控速就是少用“快速”“猛跑”这类词。
你写“女人从椅子上站起，转身，走向窗外”——AI大概率会给你玩出三个分身。
但如果你写“同一女人，扎着马尾，穿蓝色围裙，保持面部一致，从椅子，上缓缓站起，转身，朝窗外迈两步停下”…… 连贯性立刻提升一个量级。
这里面有个坑，我差点摔死：千万别把动作写成“先……然后……最后……”，AI对顺序词的理解其实很弱。
它更吃“A动作，接着B动作”这种隐性的推进感。
或者用“from A to B”的英文结构，比如“from stand，ing to sitting”，很多底模对这个更敏感。
没错，有时候英文关键词反而比中文更好使，绝绝子。
那天我在杭州转机，闲着没事拿手机试了试“跑”这个动作…… 不加任何限制，生成二十秒直接变成丧尸出笼。 加了“步幅均匀、手臂自然摆动、身体轻微上下起伏”之后…… 他娘的，终于像个正常人了。
具体方法
给你套我用了半年的笨办法，目前还没翻过车（至少没翻得那么惨）。在关键词里分段式输入，用逗号加空格隔开，每一段控制一个层面。
先写人物锚点：“纯正中国男子，三十岁左右，短发，穿灰色连帽卫衣，黑色裤子，全身无变化”。
再写背景：固定场景，不要换。
然后写动作链路：“身体先向前倾，双手扶膝，然后缓慢蹲下，拿起地上的绿色瓶子，再站起来，把瓶子放在桌面”。
注意，我写“然后”但是AI这个蠢萌的东西其实是靠上下文，猜的…… 所以聪明人会把“然后”改成“保持上述动作顺序，人物不出现任何形变”。
再教你一个杀招，把关键帧的长宽比调成1:1或者3:4，别老用几十:9。
竖屏横屏的动作预测难度真的不一样，我拍脑袋猜的，但实测就是16:9容易抽风。
还有，在负面提示词里写“变形、闪烁、闪烁、衣服突变、手部扭曲、脸部错误”，能挡掉一半低级事故。
真的，某runway gen2我都快用吐了，正面提示词写得再好，负面不写等于裸奔。
还有个更进阶的玩法，把一句话拆成两段关键词，用“然后”连接不同镜头。
比如镜头一：特写脸部，保持表情不变；镜头二：中景全身，继续上一步动作。
这样AI会把每个镜头当作“连续过程的一部分”，而不是重新生成的独立片段。
但你要注意，每段之间加个“动作衔接，过渡自然”…… 不然它还是能给你玩出瞬移。
对了，昨天买菜路过小区门口，看到一大爷用手机拍树上的鸟…… 突然想到其实拍，视频也是同一个道理，你摁住一个焦点不动，鸟飞走再飞回来，画面依然连贯。
AI生成也一样，你得给它一个“焦点”——就是那件灰卫衣，那根马尾，那条围裙。
焦点不动，动作再乱也能拉回来。
最后分享个我自己经常用的句式，“slowly transition from [动作A] to [动作B], keep the same clothing, hairstyle and face throughout”。
这串词在好几个工具里都灵，比中文成功率高出差不多三成。
如果你用的是某国产工具，那就在后面再加一句“画面稳定，不要重新绘制角色”…… 虽然它不一定认，但心里踏实。
哦对了，运动幅度这块，控制在“小范围移动”优先级大于“剧烈动作”。
你让角色从左边走到右边，连贯性崩一半；但让角色从坐在椅子上到站起来，几乎完美。
所以初期可以多安排那种“原地起身”“原地转身”“原地抬手”的动作。
等这些都稳了，再慢慢加位移…… 别一上来就飞檐走壁，AI真的会谢。
今天就聊到这儿吧，我得去给我的某云盘续费了…… 刚看了一下上个月的账单，又超了一百多，绝了。
反正记住，关键词不是写作文，是往模子里浇水泥。
水泥的形状，你得给得够细，够油滑，才能脱模出好东西。
祝你生成的动作，一个镜头能干到底。
