生成結果不理想的時候，最直覺的反應是「再生一次」。但如果原因出在提示詞的寫法，重生十次也只是重複同一個錯誤十次。這篇整理平台上最常見的幾種失誤症狀，先幫你找到真正的原因，再告訴你怎麼修。
先看這張對照表
| 症狀 | 常見原因 | 怎麼修 |
|---|---|---|
| 主體幾乎不動，像一張照片 | 動作描述寫成了「狀態」而不是「動作」 | 改成動詞開頭的具體動作 |
| 動作混亂、畫面扭曲變形 | 鏡頭運動跟主體動作互相打架，或塞太多動作在太短時間 | 一顆鏡頭一個主意；動作減量，或拉長時長 |
| 同一個角色，換一顆鏡頭就變臉、換裝 | 靠文字描述硬撐角色一致性 | 用參考圖在圖片層先鎖住角色，再拿關鍵幀去生動畫 |
| 送出後直接出錯，訊息像是欄位衝突 | 同時用了兩種互斥的視覺輸入模式 | 第一幀模式和參考圖模式只能擇一 |
| 用真人照片生成直接失敗 | 內容安全／人臉政策擋下 | 平台部分情況會自動去識別化重試；不行就換成生成或風格化的參考圖 |
| 參考影片效果很怪，或直接被拒絕 | 參考影片的畫面解析度太低 | 換一段更大、更清楚的參考影片來源 |
| 影片生成直接報錯 | 動作欄位是空的 | 影片一定要有非空的動作描述，哪怕只有一句話 |
動作像照片：把「狀態」改寫成「動作」
這是最常見的落雷。「站在田野裡」是一個狀態，模型不知道要做什麼；「涉水穿過及腰的草叢，草桿隨著腳步彎折」是一個動作，有明確的起訖與過程。判斷方法很簡單：你寫的那句話，能不能拍成一張靜態照片？如果可以，它就是狀態，不是動作。
| 寫成狀態（容易變照片） | 改寫成動作 |
|---|---|
| stands in a field | wades forward through tall grass, stalks bending |
| sits at a desk | leans forward and starts typing, shoulders tensing |
| a cup on the table | steam slowly rises from the cup, curling upward |
動作混亂：鏡頭跟主體只能有一個在「搶戲」
「鏡頭快速橫搖」加上「主體同時原地不動」——這兩句話彼此矛盾，模型只能亂猜怎麼調和，結果通常是扭曲變形。同樣的問題也發生在「塞太多動作到太短的時長」：3 秒內要主體轉身、揮手、又要鏡頭環繞一圈，資訊量超過畫面能承受的範圍。
- 一顆鏡頭，一個運鏡主意：不要同時要求「靜止」又要「環繞」
- 動作別塞太滿：想放進兩個以上的動作，先確認時長是否足夠，或改用時間分段法拆開
- 時長不夠就加時長：比起硬塞進 3 秒，拉到 6 秒往往比較穩定
角色換臉：把一致性交給圖片層，不要靠文字硬撐
「同一個 20 歲女生，黑色長髮」這種文字描述，在多次生成之間會自然漂移——模型沒有記憶，每次都是重新想像一次。真正穩定的做法是用參考圖在圖片層先鎖住角色，再拿那張關鍵幀去生成動畫，細節見〈角色一致性〉。
模式衝突與真人照片：兩個容易踩的平台限制
視覺輸入模式互斥：第一幀模式（直接指定影片開始的畫面）跟參考圖模式（用圖片當風格/角色參考）目前只能擇一，同時使用會直接被擋下。送出前先確認自己要的是哪一種。
真人照片的人臉政策：上傳真實人物照片生成時，有些情況會直接失敗——這是內容安全機制在保護當事人肖像權，不是平台故障。部分場景平台會自動做去識別化處理再重試；如果還是失敗，改用生成或風格化過的參考圖會更穩定。
參考影片很怪：解析度是最容易被忽略的變數
拿一段畫質很差、解析度過低的影片當參考，平台會自動把它的像素「墊高」到可用的下限——但這個補償是有極限的，來源畫質太差，結果通常也不會理想。換一段更清楚、解析度更高的參考影片來源，往往比調整提示詞措辭更有效。
生成結果不對的時候，不要同時改運鏡、動作、時長、參考圖——一次只調整一個變數再重生，才看得出來是哪個改動真正解決了問題。這比「整句重寫再賭一次」有效率得多。
把這張對照表存起來，下次卡關的時候先對一遍——很多時候答案已經在表格裡了。