大家好啊，我是瑞斯白。
生成视频时，AI 的算力是有限的。
生成一张图，AI 只要处理一个静止画面。但生成一段视频，它要同时兼顾连续画面、人物动作、镜头运动、光影变化，还有前后帧的一致性。计算量比生成一张图高得多。
所以，模型在一次生成里，能同时稳定处理的信息是有限的。
喂进去的每一样东西——分镜细节、线稿、画面上的文字——都会占掉这份有限的处理能力。喂得越满，留给「把动作做顺、把画面做稳」的余量就越少。
所以，某些时候，一个反直觉的结论是：要求越多，提示词写得越细，视频反而越差。
两种喂法，两个结果
放一起看更直观，左边是方法一，右边是方法二。
方法二那条，人物更灵动、人物质感、光线打光也更自然，模特与场景的匹配也更高；
方法一那条相对僵，人物看着也更假一点。
这两条是怎么来的？
第一条，方法一，是九宫格图直接出的。一张九宫格分镜图丢给 Seedance，让它照着生成。
方法一用的九宫格直出图
第二条，方法二，多走了几步：先把九宫格转成线稿图，再配上服装参考图、人物参考图，一起喂给 Seedance。
方法二：九宫格线稿图
方法二：服装参考图
方法二：人物参考图
方法二的好处，在于分镜图只锁住了构图。
这样生成的视频里，更多元素是 AI 自己生成的，所以人物更灵动，动作更飘逸，场景也更多变。
特别适合裂变视频——同一套参考能批量反复生成，每次的场景和动作都不一样，很适合矩阵测款、测模版。
方法一因为给了具体的分镜，Seedance 生成时要去拟合那张已有的画面，算力就浪费在了一些没用的地方，导致整体视频不够灵动，质感也不够好。
写在最后
生成视频时，AI 一次能稳定处理的信息是有限的。这一条想清楚了，怎么喂图就有了准绳。
模型还在迭代，单次能处理的量早晚会越来越大。但「算力有限、需要取舍」这个判断，短期内不会过时。
把它当成一份能复用的经验沉淀下来——什么时候该锁构图、什么时候该转线稿、什么时候该留白，比单纯某一条提示词要值钱得多。