人物越往后越不像，通常不是「参考图」和「提示词」二选一的问题：参考图决定起始长相有多确定，提示词决定后面几帧模型被允许往哪个方向飘。多数情况下两者同时起作用，只是权重不同。判断顺序建议是先把提示词、比例、时长固定，只换参考图跑一遍；再固定参考图，只把提示词中的人物描述删减跑一遍。两轮对照下来，走形出现的位置和表现如果几乎一样，问题更可能在参考图；如果换图后立刻稳定，就该回头收敛提示词。

先分离变量，再决定改素材还是改文案。固定提示词、比例、时长，只换参考图跑两段短镜头：走形位置不变，优先重做参考图的取景、朝向、背景与光线；换图后明显变稳，再把提示词里的人物描述压到最少可辨识字段。若同一镜头反复在同一处崩，且换图也压不住，说明这类动作图生视频本来就不适合，改用首尾帧或分段短镜头更可控。

用同一张参考图跑两段短镜头做对照

这一步的目的是把变量压到只剩参考图一个。固定项包括：完全相同的提示词文本、相同的画面比例、相同的时长（建议先取 2–4 秒，短镜头更容易看清漂移发生在哪一段）、相同的随机种子或至少在记录里记下种子、以及相同的模型与版本参数。变量只留参考图，或者只留提示词，一次只动一个。

结果记录不要只看「像不像」这种主观结论，按帧留存更可靠。每段镜头导出三张图：首帧、约中段一帧、末帧，并把参数快照一起存下来，第二次对照时才能确认自己没顺手改到别的参数。

镜头编号: A1
参考图:   ref_A.png（半身 / 正面 / 均匀光）
提示词:   （与 A2 逐字一致）
比例:     9:16   时长: 4s   种子: 固定或记录
导出帧:   first.png / mid.png / last.png
走形位置: 首帧 / 中段 / 尾帧
走形表现: 脸型 / 发际线 / 服装主色 / 其他

注意一个容易被忽略的前提：确认当前配置里首帧参考图确实被用上了。有些工作流把参考图放在图像输入位，有些放在首帧位，放错位置时表现就是「提示词拼命描述也不像」，此时换多少张图都没用，需要结合环境确认输入位置后再做对照。

检查参考图里人物的取景与光线是否一致

参考图本身带进来的人物漂移，靠提示词是压不住的。可以按下面几个判断点逐项看：

• 主体占比：人物在画面里过小时，模型能用的面部像素有限，后续越走越糊。半身或近景构图通常更稳，全身远景适合做环境镜头，不适合做需要保持长相的镜头。
• 朝向：参考图是侧脸或大角度低头，而目标镜头需要正脸，模型只能自己「补」一份正面五官，补出来的东西和原角色是两回事。参考图朝向应尽量贴近目标镜头的机位。
• 背景干扰：背景里出现第二个人脸、海报、镜子反光、AI 生成图常见的杂乱纹理时，这些特征有可能被混进角色。换一张背景干净、或背景与角色明暗分离明显的图，往往比改提示词有效。
• 明暗差异：参考图是强逆光、低照度或面部大面积阴影时，五官解析本身就不充分。同一角色尽量用同一组灯光条件下的图，前后镜头不要一张棚拍一张夜景。

如果对照实验里走形位置在两轮中保持不变，说明参考图这条线没有排除掉，先解决取景和光线，再谈提示词。

把提示词里的人物描述压到最少可辨识字段

描述越多，互相打架的机会越大。建议只保留三类可辨识字段：发型（长度＋颜色＋是否刘海这类结构信息）、服装主色（主色加单件类型，例如「酒红针织上衣」）、体型与年龄段。其余修饰词可以先删。

• 保留：短发的长度与颜色、上衣主色、体型、必要的机位与光线。
• 删掉：情绪形容词堆叠（「忧郁又坚定」这类）、多套服装描述、多个配饰、互相矛盾的发型描述（同时写短发和长发及腰）、把镜头运动与人脸描述混写在同一句。

短发深棕、酒红色针织上衣、中等偏瘦体型，正面半身，室内均匀光，镜头固定。

删减时一次只删一类，跑完再看走形是否变化。全删一次跑，很难判断是哪一类描述在拖后腿。

在生成记录里比对走形出现的位置

把首帧、中段、末帧三张图并排放，只看三个最稳的锚点：脸型轮廓、发际线与发色分界、服装主色块。不要拿眼睫毛、手指这类细节当判断依据，它们在任何图生视频里都容易崩。

• 首帧就不像：问题在起始条件，先检查参考图是否真的被使用、输入位置对不对，再检查提示词里是否出现了和参考图矛盾的人物描述。
• 中段开始不像：通常是动作跨度大、人物被遮挡、或镜头方向发生变化，属于过程性漂移，优先缩短单镜头时长。
• 末帧才不像，且逐帧渐变：典型的累积漂移，先尝试把镜头拆短、或在提示词中保留字段再收敛一轮，看看能否把漂移起点往后推。

如果三段镜头在同一位置、同一表现上重复崩，基本可以判定这条路径对当前素材不适用。

什么时候该放弃图生视频改做首尾帧

出现下列场景时，继续调参考图和提示词的收益通常有限：动作幅度大（转身、跑动、大幅度手势）、遮挡多（手挡脸、道具从面部前穿过）、需要换角度（参考图是正面，镜头要侧面或背面）。判断依据可以用最小成本试：同参数连跑两三次，每次都在同一处崩，且换一张更干净的参考图也没改善，就不要再加描述词了。

替代路径建议改成首尾帧——给出同一角色的首帧与尾帧两张图，让中间过渡由模型补；或者拆成两到三段短镜头分别生成再拼接，每段只做一个小动作，让角色在同一朝向、同一光线下完成有限位移。需要注意的是，首尾帧方案把一致性压力转移到了两张起止图上：如果首帧和尾帧本身就不像同一个人，问题会原样出现在结尾，所以这两张图仍然要按前面几节的取景、光线标准来做。