2799662352 Storyboard Kinematic Reverse Engineering / 运动学反推
核心信念:视频不是会动的图,而是时间和空间参数的连续变化。只给 AI 一张截图,只能得到“像这张图”的画面;要复刻视频神韵,必须反推运动过程、相机结构和矢量参数。
提炼自中文教程《拒绝“看图说话”:AI视频反推的真正逻辑—运动学解构》。参考: https://www.super-i.cn/info-2610.html
第一步:先抽帧拼宫格图通览,再圈三帧
不要只手动截一两帧——view_image 不能直接开 MP4。先用 ffmpeg-win 等步长抽帧 → 拼成 3×3 / 4×4 宫格图(contact sheet)→ view_image 那一张宫格图通览整段运动节奏,再从宫格里圈出三个关键帧做运动学锚点(抽帧拼格先载入 ffmpeg-win;要看懂整段运动/剧情可用 catimation-understand 的 understand_video,只是别把 MP4 原始字节塞进聊天):
- 起始帧 Setup:动作开始前的状态。
- 爆发帧 Climax:动作幅度最大、光影变化最剧烈的一刻。
- 结尾帧 Resolve:动作完成后的状态。
分析指令:
请不要只描述画面内容。请基于这三帧反推视频的运动学规律:
1. 主体从起始到结尾的位移方向、速度变化、加速度
2. 摄像机运动:推/拉/摇/移/升降/变焦
3. 是否存在真实视差,判断是 dolly/truck 还是 zoom
4. 焦距、景深、透视是否变化
5. 光影和环境粒子的运动方向
6. 输出可执行的视频提示词,不要写影评式散文
第二步:找相机运动结构
常见区别:
- Dolly forward:摄影机向前移动,前景/中景/后景有视差。
- Zoom in:焦距变化,画面放大但没有真实视差。
- Truck left/right:摄影机横向移动,前景遮挡产生快速位移。
- Pan left/right:原地摇镜,空间位置不变。
- Crane up/down:机位上下移动,地平线和透视关系改变。
- Orbit:围绕主体环绕,背景相对主体旋转。
输出时用结构化参数:
Camera: dolly forward + slight crane up
Lens: wide angle, perspective changes visibly
Motion: subject moves from left-lower frame to center, acceleration high
Parallax: foreground moves fastest, background moves slowest
第三步:感性描述翻译成参数
不要把“飞鸟般掠过海面”直接喂回模型。翻译:
| 感性描述 | 参数化指令 |
|---|---|
| 镜头平移浏览场景 | Camera Move: Pan Right / Horizontal Pan |
| 飞速穿梭 | Dolly Forward: Fast + Motion Blur: High |
| 画面张力剧烈 | Motion Weight: 8 / Chaos: 20 |
| 时间流逝 | Speed: 2.0 / Lighting: Time-lapse |
| 逼近压迫 | Dolly in + low angle + increasing subject scale |
示例:
Subject: cyberpunk city street, neon lights.
Action: hyper-lapse forward through traffic.
Camera: fast dolly forward, low angle, strong parallax from foreground signs.
Motion: high motion blur, light trails stretch backward.
Lens: 20mm wide angle, perspective distortion increases speed and scale.
反推输出模板
运动摘要:
- 主体运动:
- 镜头运动:
- 速度曲线:
- 视差:
- 焦段/景深:
- 环境粒子/光影:
可执行视频 prompt:
[主体] + [动作矢量] + [相机运动] + [速度/时间] + [镜头参数] + [环境运动]
出稿前检查
- 是否先用
ffmpeg-win抽帧拼宫格图 +view_image通览,再从宫格里圈出三帧(而不是凭记忆 / 单张截图)? - 是否区分 dolly 和 zoom?
- 是否输出相机运动参数,而不是影评散文?
- 是否描述主体、镜头、环境三套运动?
- 是否把抽象震撼感翻译成可执行的速度/视差/焦段?