视频生成的关键帧是怎么定的？锚点

AI 视频生成的第一步，是先定下少数几个锚点时刻，把画面钉死，再补齐中间的过渡。这些锚点就是关键帧。生成一段十秒的视频，模型并不会把三千多个时刻一视同仁，围着锚点展开才稳得住。

先把结论放前面：锚点是视频生成里性价比很高的控制手段，不加算力不加参数，一张图就能改写成片走向。

锚点的作用在哪

没有锚点，模型每一帧都即兴发挥，动作轨迹容易漂：人物走着走着换件衣服，杯子在桌上自己挪位置。锚点相当于旅途中订下的驿站，后续帧都朝驿站行进，长镜头才不至于走散。

锚点数量和视频时长有个粗略的经验比例：五秒内一两个锚点够用，十秒以上建议三到四个，动作复杂的段落再加密。这不是精确公式，但按这个量级起步，返工次数会少很多。

类比：写长文先列提纲，段落大意定了，句子再发挥也不会跑题。

关键帧怎么选怎么定

来源有三类：用户直接给图——首帧、尾帧或中途插图，控制力强；模型按文本推演，在动作转折处自动落锚；分段生成时把上一段的末帧当作下一段的首帧，保证接得上。即梦AI 支持首尾帧控制，豆包相关的视频能力也在往这个方向补齐。

首尾帧控制的流行不是偶然：它把最难的「从无到有」交给人定，模型只负责中间的「从有到有」，出错空间被压缩了一大截。

类比失效处：提纲是文字概括，关键帧是完整画面——它不概括内容，它就是内容本身的一瞬。

这也带来选锚点的标准：选「信息量大的一瞬」——动作转折、场景切换、构图定型，而不是随便截图。一张平庸的锚点图，会把平庸传染给整段视频。

锚点之间的过渡

两个锚点之间，模型要生成符合常识的中间过程：速度先慢后快还是匀速、镜头推近还是拉远。过渡质量决定成片的顺滑度。过渡生硬的典型表现是快进感和抽动，根源是锚点间距太大或锚点间动作约束不足。专业创作者宁可多给锚点：控制点密一点，即兴空间小一点，成片稳一点。

过渡段的运动曲线也有讲究：缓入缓出比匀速自然，物体启动和停止都有加减速。模型通常会学出类似曲线，但锚点附近给足约束，曲线才不会飘。镜头运动同理，推拉摇移都该在锚点处交代清楚方向。

两张图之间发生了什么

以首尾帧生成为例，模型把两张图都编码成条件信息，逐帧生成时同时向两端「看齐」。扩散类模型里，这个过程与加噪去噪交织进行，见扩散模型的加噪训练；帧与帧之间的关系处理则交给时间层，见文生视频的时间层。

两张差异大的图之间，模型实际在求解一条「视觉上说得通」的路径：颜色渐变、位置移动、遮挡变化都要连续。路径越说得通，成片越像一段真实拍摄的运镜。

分段接力的思想不只在视频里，语音合成的两段式也是类似分工，见语音合成的两段式。

锚点设置速查表

• 首帧定开场：构图、光线、主体位置
• 尾帧定落点：动作终点或场景切换
• 中段插帧：大动作转折处加锚

末句：锚点越少越自由，越稳越要密。

换个问法再问关键帧三句

• 锚点必须是模型自己生成的图吗？：不用，外部图片、历史成片截图都可以当锚点。
• 首尾帧差异太大会怎样？：过渡会硬掰，中间容易出现变形和闪帧，差异大就加中间锚。
• 锚点越多生成越慢吗？：条件多了计算量上升，但换来的是可控性，属于值得的交换。

带走的判断：关键帧是把「自由发挥」改成「命题创作」的手段。你给的锚点越明确，成片离你的设想越近。