MODEL FIELD NOTES · Workflow
首帧精修为什么会导致 AI 视频换脸与动作漂移？三步级联工作流排障
许多创作者在分镜草图后加入「全图精修」步骤以提升画质，却发现后续生成的视频出现了换脸、站位偏移或动作断裂。本文拆解精修重绘如何破坏跨镜头连续性，以及如何隔离身份锚点与动作驱动。
Read in English · 黄果制片镜像为什么「越精修，视频越不像同一个人」
在三步清理流水线（分镜草图 → 图像模型首帧精修 → H3/Wan 参考图生视频）的实验中，我们发现全图生成式精修不仅修改了面部微特征，还会重绘背景透视、肩颈角度和手部位置。
更重要的是，参考图生视频（Reference-to-Video, R2V）并不会把参考图硬锁定为第 1 帧像素，而是将其作为软性的身份与风格提示。当三个镜头的首帧分别经过一次独立的生成式精修后，微小的五官与光影偏移会在视频采样阶段被进一步放大，导致拼成短片时像三个不同演员。
| 链路方案 | 像素修改范围 | 跨三镜头角色一致性 | 动作与站位保持度 |
|---|---|---|---|
| 分镜图直接送入 I2V | 0% 额外重绘 | 高（共用同一原图分布） | 受原图清晰度限制 |
| 全图生成式精修 → R2V | >70% 非遮罩像素被重写 | 低（逐镜独立重绘导致身份漂移） | 容易改变肩线、眼神方向与手部接触点 |
| 固定角色锚点 + 3D 动作驱动 | 仅局部或锁定同一角色资产 | 高（三镜头共享同一Script/Cast锚点） | 由 3D 骨架与 Motion Driver 独立控制 |
区分「首帧锁定（I2V）」与「软身份参考（R2V）」
在实测记录中，另一个高频误区是把 R2V 当成严格的「第 1 帧锁死」。在 R2V 模式下，模型允许在首帧就重新安排人物构图以迁就文本提示词中的动作描述；如果你需要镜头从精确的起始走位开始，必须使用首帧约束或绑定明确的三维动作驱动。
此外，在排查早期实验报告时，我们曾发现部分“精修后动作失效”实际上源于客户端请求 Schema 字段映射错误，而非模型本身退化。因此每次对比实验都必须同时保留请求负载与输出哈希。
保持三镜头角色一致的工程规范
在 Porncut 的三镜头工作流中，我们通过分离「角色身份」「分镜构图」与「动作轨迹」来避免级联漂移。
- 在 ScriptVersion 阶段冻结合成角色外观描述与锚点，不对每个镜头单独跑全图随机重绘。
- 若需局部修复手部或道具，必须使用带严格 Mask 的局部重绘并校验 Mask 外像素零改动。
- 将双人距离与手部接触交由 3D 动作驱动（pc_humanoid@1）控制，不靠首帧修图硬改人物姿态。