图生视频的第一课：首帧决定服装

现象

给即梦喂一张「穿着豹皮」的图片当首帧，提示词里明明写了：

青年身穿旧靛蓝粗布单衣（没有兽皮）

生成出来的视频，肩上还是豹皮。

原因

图生视频是“照着首帧画”的：模型从首帧里读到的信息量，远大于文字提示词。 文字只能影响运动和氛围，改不了首帧里已经确定的服装。

正确做法

1. 先用文生图，生成一张服装正确的首帧（布衣就是布衣）
2. 拿这张图去图生视频
3. 提示词只描述动作、镜头、光线

一句话：衣服在首帧里定，动作在提示词里定。

顺手记下的经验

• 想省钱：先用 480P 试一条（约 60 积分），衣服对了再出 1080P（320 积分）
• 首帧要「景别匹配」：水下镜头别用山洞图当首帧，会“硬转”