Genie 4 这类交互式场景生成，画面来源和可玩性来源不是一回事：你能看到什么，主要由输入图决定；你能不能继续走下去，主要由交互动作的幅度和节奏决定。所以遇到“第一眼不错、一动就走样”，先别急着换模型或改参数，而是把这两条链路拆开，各自记录一次，再判断问题出在哪里。

先把交互动作固定住，只更换输入图，观察首帧画面变化；再把输入图固定住，只更换动作幅度与节奏，观察画面能跟随多久。两步走完，通常能区分三种情况：输入图本身缺少可延展的空间信息、动作幅度超出画面能维持的范围、两者叠加。判断依据是失步出现的步数和失步的表现形式，而不是第一眼看起来好不好看。

换三张差异明显的输入图，只观察生成后的静态画面

这一轮不进行任何交互，只按下生成，看首帧。目的是确认输入图对首帧的决定程度有多高。选图时尽量让三张图在三个维度上拉开差距，其他条件尽量接近，否则差异无法归因。

• 视角远近：一张近景特写、一张中景、一张带明显纵深的全景。观察首帧是否保持原有透视，还是被“拉平”成一张平面图。
• 主体占比：主体分别占画面约三分之一、一半、接近铺满。观察首帧主体是否变形、被裁切，或与背景混在一起。
• 背景纹理密度：纯色墙面、规则重复纹理（瓷砖、格栅）、杂乱纹理（植被、杂物）。观察首帧是否出现纹理糊成一片、重复图案错位。

每次生成完成后只记录三件事：首帧构图与输入图是否一致、边缘和远景有没有明显瑕疵、连续生成三到五次首帧是否稳定（同一张图、不改动作、重复生成）。如果同一张图每次首帧差异很大，说明这张图本身处于模型输出的不稳定区间，后面再测动作跟随意义不大。可以先只保留首帧稳定的那张图进入下一轮。

{
  "image_id": "img_a",
  "view": "室内近景",
  "subject_ratio": "约一半",
  "bg_texture": "规则重复纹理",
  "first_frame_match": true,
  "first_frame_defect": "远景边缘轻微发糊",
  "repeat_stable": true
}

上面这个记录结构只是通用骨架，字段可以按你手上的日志格式替换，重点是每张图单独一行、可对比。

在首帧基础上做小幅连续操作，记录画面跟随情况

这一轮固定一张首帧稳定的图，只做小幅动作，把“能跟多久”量化出来。操作幅度建议从很小的单次步进开始：轻微转向、单次小幅前进、短促的视角平移，间隔放长到能看清每次画面变化。频率不要一上来就拉满，否则分不清是模型跟不上还是你输入太快。

• 跟随表现：画面是随动作方向连续推进、平滑过渡，还是出现跳变、回弹、方向反了。
• 失步位置：记录第几次操作开始出问题，以及出问题的具体形式——背景纹理漂移、主体与背景脱离、远景塌陷、视角绕回原处。
• 可逆性：失步后反向操作一次，画面是否能回到接近原来的状态。能回说明是累积误差，不能回通常意味着状态已经偏出可用范围。

操作时建议开一份简单日志，边操作边记步数，比事后凭印象可靠：

round=follow
image_id=img_a
step_size=small
interval=800ms
action=turn_left / move_forward
note: 记录首次异常出现的步数与表现

这里的参数名是示例，按你实际使用的控制方式替换即可。跑完一轮，你应该能写出“这张图在小幅、慢速操作下大约能跟到第几步，第一次异常表现为什么”。这句话就是下一轮对比的基线。

同一张图换不同操作节奏重复一次，对比结果

保持输入图不变，只改变节奏，做两轮对照。慢节奏：单次幅度小、间隔放长、连续操作次数少；快节奏：单次幅度仍然小、但间隔缩短、连续操作次数拉长。幅度尽量保持一致，这样变量只有节奏一个。

上面的表格是记录格式，单元格内容需要按你自己的观察结果填写。判断倾向时看两件事：如果慢节奏也在很靠前的步数失步，说明这张输入图本身可延展的空间信息不足，换节奏也救不回来；如果只有快节奏失步，优先考虑把单次幅度和操作频率压下来，再看是否还出问题。两种都失步且表现形式一致，通常是图和动作共同叠加，建议先换图再压节奏。

写出「这张图能不能用」的快速判断步骤

把上面的观察固化成一套前置检查，每次换图先跑一遍，比直接上手试玩省时间。

1. 看首帧是否对得上输入图：观察构图、透视、主体位置是否与原图一致。对不上或明显变形，直接放弃这张图。
2. 重复生成看首帧是否稳定：同一张图生成几次，首帧差异大就放弃，稳定性不足的图后面所有动作测试都不可信。
3. 小幅慢速操作跑一轮：观察画面是否随动作方向连续变化。前几步就出现跳变或方向错乱，放弃。
4. 记录首次失步的步数与表现：把这一步当作这张图的能力边界。边界太靠前（几乎一操作就崩），放弃；边界够用就先留着。
5. 快节奏再跑一轮：如果只在快节奏下失步，先限制操作节奏再试，不必立刻换图；如果两轮都在同一位置、同一形式失步，换图重来。

放弃条件可以写得很干脆：首帧不一致、首帧重复生成不稳定、小步操作前几步即失步，这三条命中任意一条，这张图就不值得继续投入调试。剩下的图再按边界远近排序，优先用边界最远的做交互演示。这套判断和你用哪种控制方式无关，换成手柄、键盘或页面按钮，观察点都一样。