昨晚把“先出高质量静帧、再把静帧喂给视频模型做动态延展”这套从头到尾跑了一遍，顺手把过程理一下。
一句话直接出完美视频的想法我是彻底放下了，画面质感和运动全压在一个模型上，哪头都不好调。拆开之后，图只管画面质感，视频只管运动和转场，每一步该调什么心里有数，可控性明显好了很多。
栽得最狠的一个坑在构图。静帧里主体放得太满、几乎贴着画框边，单看挺好，一进视频做推拉摇移就穿帮，镜头一动画外没东西能接上。所以出静帧时一定要在主体周围留够空间，给后面的运镜预留余地。
提示词也分层：静帧那段只写画面、光线、质感，视频那段只写动作和镜头，图和视频各写各的，不往一起塞。这么跑下来，出片率比一把梭高太多。
外网刷屏的那几套玩法，拆开看其实都是同一个逻辑：先把关键帧的审美锁死，视频模型只负责让它动起来。
想跟着复现的话，先拿单主体、简单运镜练手，别一上来就堆复杂镜头。