同一条提示词跑两次结果差别很大,先别急着把它归因成「模型随机」。在 Vidu Q4 Preview 这类视频生成里,采样随机性、参数、输入素材是叠在一起的三层变量,可操作的判断顺序是:先锁提示词,再锁参数,最后只放种子或等效随机设置。跑偏本身说明不了太多,跑偏的稳定程度和方向才有信息量——每次都漂向同一种形态,通常是某个固定条件在起作用;漂的方向和起始位置每次都不同,才更像采样随机性在主导。
先把「生成中途画面跑偏」拆成主体变形、动作错位、场景漂移三类,再按提示词、参数、种子(或平台上的等效随机设置)逐层锁变量:每轮只放一个变量,把提示词版本、参考图、种子、参数快照、跑偏起始位置和漂移方向都记录下来。同一条件下漂移方向随机,说明随机性占比大,优先收窄提示词、缩短时长或降低动作复杂度;多次生成仍在相近位置漂向同一形态,更像某个条件被触发,需要继续用单变量替换去定位。复现结论只对当前模型版本和当前参数组合成立,换版本或换素材要重跑。
先把跑偏现象分类:主体变形、动作错位、场景漂移
三类现象对应的可疑变量不同,混在一起调会越调越乱。建议先把出问题的这条结果按画面特征归到其中一类,再去动对应的变量。
主体变形
- 画面特征:开头几秒主体还稳定,中后段脸部、手部、服饰纹理逐渐糊掉,或者轮廓先抖动再变成另一个形态,看起来像主体被「重画」了一遍。
- 可疑变量:参考图的质量与权重、主体描述词之间的冲突(比如同时写了写实和动漫风格)、分辨率与时长超过模型能稳住的区间、运动幅度描述过大。
动作错位
- 画面特征:主体没变,但动作方向、顺序或节奏和提示词对不上,比如该转身变成原地摆动,手部与物体的接触点对不齐。
- 可疑变量:动作词的粒度太粗或太抽象、动作词与镜头词互相冲突、一条提示词里塞的动作数量超过时长能承载的量、缺少排除类的反向描述。
场景漂移
- 画面特征:主体还在,背景却换了房间、换了光线、换了季节,或者镜头缓慢推拉之后场景被重构成另一处地方。
- 可疑变量:背景描述词太泛、参考图只给了主体没给环境、镜头运动词与场景词不匹配、风格词与写实词混用。
归类之后再动手,能省掉大量无效试跑。需要结合环境确认的是:你的账号或工作台里哪些是真正可调的输入,哪些只是展示项。
锁住提示词,只调整随机种子或等效设置
这一步只回答一个问题:随机性占了多大比重。前提是提示词做到逐字一致,包括标点、空格、换行、大小写、中英混排和权重符号。建议把提示词存成文本文件,每次从文件读取,而不是手动重敲。
# 把提示词当作版本化的一次性输入
cat prompt.v1.txt
# 确认两次用的是同一个文件,而不是你以为一样
sha256sum prompt.v1.txt
校验和只能证明你这边喂进去的文本一致,不能证明平台侧的解析完全一致,这一点要在记录里写清楚。
每次生成都要记下种子值;有些产品没有暴露 seed 字段,就用等效锚点代替:固定首帧图或参考图、固定重试次数、固定采样步数与引导强度这类界面可见项,并把它们的当前取值原样抄进记录。下面这个骨架只是记录模板,字段名需要按你实际使用的平台替换。
{
"prompt_file": "prompt.v1.txt",
"seed": "本次实际值",
"resolution": "与上一次保持一致",
"duration": "与上一次保持一致",
"reference_image": "ref_subject_v1.png",
"note": "本轮只改 seed,其余字段逐项对照上一次"
}
判断方式:同一提示词、同一参数,只换种子或只重新生成,如果跑偏出现的帧位置和漂移方向没有规律,随机性占比就大,接下来应该去收窄提示词、缩短时长、降低动作复杂度;如果换了种子仍然在相近位置漂向同一种形态,就更像条件触发,进入下一节的单变量替换。
锁住参数,只替换提示词里的一个词
这一步判断哪个词对画面影响最大。做法是每轮跑两条:A 为基线,B 只替换一个词,其余输入、种子、参数、参考图全部相同。同类替换,不要一次既换词又改语序;权重符号也当成「一个词」看待,改权重就是一次变量变更。
| 轮次 | 基线用词 | 替换用词 | 本轮唯一改动 | 跑偏起始位置 | 跑偏类型 | 同设置复跑一次是否同样跑偏 |
|---|---|---|---|---|---|---|
| 1 | 场景词(填空) | 场景词(填空) | 仅换这一个词 | 第几秒 / 第几帧 | 三类之一 | 是 / 否 / 部分 |
| 2 | 动作词(填空) | 动作词(填空) | 仅换这一个词 | 第几秒 / 第几帧 | 三类之一 | 是 / 否 / 部分 |
| 3 | 风格词(填空) | 风格词(填空) | 仅换这一个词 | 第几秒 / 第几帧 | 三类之一 | 是 / 否 / 部分 |
表格里不要写「好像更稳」这类感受,只写方向和位置。跑完几轮后,如果某一类词一换,跑偏位置就明显前移或后移,这一类词就是主因;如果换什么都不变,问题更可能在参数或参考素材层。
把多次结果并排比对找出共性
单条结果容易看走眼,把几轮结果摆在一起看,规律才浮出来。并排比对时建议固定这几个观察维度:跑偏起始位置、跑偏类型、漂移方向是否一致、主体是否还能和参考图对上、背景元素变化、镜头是否按提示词运动、画面连贯性是否有跳变或重影。
记录字段可以照下面这样留,逐条填,不追求一次填满:
| 批次 | 提示词版本 | 种子/等效设置 | 参数快照 | 参考图 | 跑偏起始 | 类型与方向 | 复现次数 |
|---|---|---|---|---|---|---|---|
| A | v1 | 填写 | 填写 | 文件名 | 填写 | 填写 | 填写 |
| B | v1 | 填写 | 填写 | 文件名 | 填写 | 填写 | 填写 |
共性判断可以这样落地:只有出现某一类词时才稳定出现同一个漂移方向,提示词是主因;不同提示词下都在相近时长处开始漂,时长、分辨率、动作强度这一层参数更可疑;换成另一张参考图后同一条提示词变稳,素材是主因。做完这几轮,你手里应该有一张能回溯的记录表,而不是一句「它就是随机」。后续换模型版本或换素材,建议按同样顺序重跑一遍,不要直接沿用旧结论。