可灵的首尾帧，把视频生成从「一句话碰运气」变成「两点之间找路径」：你给一张首帧、一张尾帧，模型补中间的变化。它改的不是画质，是方向——起止画面定了，镜头往哪走、主体怎么变就有了边界。用得好不好，多半取决于两帧配得对不对，而不是描述写得多长。
首尾帧改的是约束条件，不是画质
纯文字生成视频，模型要在无数种可能里挑一种，同一句描述跑三次可能得到三个完全不同的场景。加入首帧，起点被固定；加入尾帧，终点被固定。中间那段由模型插值，可发挥的空间被压缩，结果自然更接近预期。
这也解释了为什么有人用完觉得「没变化」：两帧差别太小，模型没有可补的内容，成片就是一张图在轻微晃动。判断方法很直接——把两帧并排看，如果肉眼要花两秒才找出差别，这段视频不值得生成。
反过来，差别太大同样不行。首帧是室内近景、尾帧是室外全景，中间那段没有合理的运动可以连接，模型只能用渐变或溶解硬凑，看起来像转场特效。两帧之间的距离，要落在「一次连续运动能走完」的范围内。
两帧要同机位、同光位、同风格
跳变的根源通常不在描述，在两帧本身。同一台相机、同一个焦段、同一个光源方向拍出来的两张图，模型容易理解成一个连续场景；一张正面一张侧面、一张室内暖光一张室外冷光，模型只能猜，猜错就是人物变形、背景穿帮。
上传前按三条检查：主体在画面中的大小和位置是否一致、影子朝的方向是否一致、质感是写实还是插画是否一致。三条里有一条明显不同，先修图再生成，比反复改提示词省时间。
手头只有一张图时，可以先用图生图把它改成「结束状态」，让两帧天然同源：同一构图、同一光位，只改需要变化的部分。这一步多花五分钟，能省掉后面十次重生成。改的时候把背景锁住，只动主体。
中间过程写运动，不写形容词
描述里最没用的是「自然地」「流畅地」「高级感」，模型无法把它们翻译成画面变化。有用的是可执行的动作：镜头推近还是拉远、主体从画面左侧移到右侧、光线从窗口方向扫过来、盖子从闭合转到九十度。
一段合格的中间描述通常包含四项：运镜方式、主体动作、变化节奏、环境变化。比如「镜头缓慢推近，人物从低头到抬头，前三秒动作慢、后两秒停住，窗外光线由暗转亮」。这四句给的是轨迹，模型只需要照着走。
如果生成结果里主体动了但镜头没动，说明运镜那半句被忽略了。修改办法是把它提到句子最前面，并且只保留一种运镜——同时写推近和环绕，模型往往两个都不做。
四类场景的配帧与描述对照
| 场景 | 首尾帧怎么配 | 中间描述写什么 | 验收标准 |
|---|---|---|---|
| 产品开合 | 同角度同布光，只差开合状态 | 开合方向、速度、手是否入画 | 边缘不变形，标识不糊 |
| 日夜转换 | 同机位同构图，只差光线色温 | 光源移动方向、过渡节奏、影子变化 | 建筑轮廓前后一致 |
| 人物走位 | 同角色同景别，只差站位 | 行走方向、步频、镜头是否跟随 | 脸型与服装不跳 |
| 镜头推拉 | 同场景不同景别，中心点对齐 | 推拉速度、焦点落点 | 首尾构图中心不偏移 |
这张表的用法是先对号入座，再照第三列写描述，最后用第四列验收。验收不过，先回头改帧，不要先改描述——大部分失败是帧的问题，改描述只是在一个错的基础上加字。
变化幅度要和时长匹配
五秒的片段塞进「从白天到黑夜、人物从远到近、镜头再绕一圈」，结果多半是每一样都没做完。变化量和时长要成比例：单一变化配短时长，复合变化要么加时长，要么拆成两段。
拆分的好处是可返工。一段五秒拆成两个三秒，哪段不对就重生成哪段，成本减半。拼接时把上一段的尾帧当下一段的首帧，衔接会比重新选图自然。
还有一个常被忽略的变量：主体位移的距离。人物从画面边缘走到中心，五秒够用；从远景走到特写，五秒只能走出一个模糊的中间态。位移越大，越应该缩短镜头语言，把动作做完整而不是做满。
边界：模型管不住物理
首尾帧管得住起止，管不住物理。液体倾倒的形态、布料褶皱的走向、手指的数量，这些依赖模型对世界的理解，两帧给得再准也可能出错。涉及手部特写、复杂机械结构的镜头，生成十次挑一次是常态。
它也不理解镜头语言以外的叙事。你想要「先惊后喜」的情绪转折，只能靠表演和剪辑，提示词写不出情绪曲线。两帧差异过大时，模型会用渐变硬凑，这类结果不要指望靠调描述修好，只能重选帧或者拆段。
画质、时长、并发额度随版本和会员档位变化，具体以官方最新版本为准。试用额度够验证思路，出成片要提前确认额度。
首尾帧速查
- 两帧同机位、同光位、同风格，先修图再上传
- 中间描述写四项：运镜、动作、节奏、环境
- 首尾差别太小，成片只会轻微晃动
- 变化幅度和时长成比例，复合变化拆段做
- 验收不过先改帧，不要先改描述
三个常被问到的问题
- 只有一张图，怎么做出首尾帧？：用图生图把这张图改成结束状态，得到同源的第二帧，比另找一张图稳。改的时候锁住背景和光位，只动需要变化的部分，两帧的构图才不会漂。
- 中间突然糊了一下是什么原因？：多半是两帧构图差得太远，模型在过渡段找不到对应关系，只能用模糊遮盖。把主体位置对齐，或者把一段拆成两段，模糊通常会消失。
- 首尾帧用不同风格，能做风格转变吗？：可以试，但结果是渐变而不是转变。真要做风格切换，用剪辑硬切更干净，生成端只负责各自风格内部的运动。
首尾帧定的是单段视频的走向，要让多段连成一条片子，还得管住素材和配音。团队素材库的统一管理能避免同一项目里出现几个版本的参考图；成片需要口播时，长文本转语音的批量处理比逐句录制省事；中间描述总写不顺，可以先看通用提示词模板怎么改成自己的，把结构借过来再填内容。
