图生视频：把关键静帧直接喂给模型
做法很直接：先在 Midjourney 或即梦出好一张构图完整的静帧，分辨率不低于 1280×720，人物占画面 1/3 以上，再上传到可灵、Vidu 或 Runway 的图生视频入口。提示词只写运动，不写画面内容，例如“镜头缓慢推近，人物轻微呼吸，发丝飘动”，时长设 5 秒，运动幅度调到中低档。适合动的镜头是：人物站立说话、风吹衣角、背景云层流动、镜头推拉。这类画面主体清晰、层次简单，模型不容易乱改结构。一动就崩的镜头包括：多人同框、手部特写、快速转身、复杂透视的室内场景，模型会在 3 秒后开始融化五官或让手指增殖。经验数字：单张图生成 5 秒片段，抽 3 次挑 1 条可用，废片率约 60%。
首尾帧：用两张图锁住起止动作
首尾帧适合有明确起止状态的镜头，比如人物从低头到抬头、从门口走到桌前、从闭眼到睁眼。做法是同一角色、同一场景出两张图，构图和光线保持一致，只改动作状态，然后分别作为首帧和尾帧输入，中间帧交给模型补。可灵和 Vidu 都支持这个模式，时长设 4 到 6 秒最稳，超过 8 秒中间段容易糊。关键数字：两张图的角色面部位置偏差控制在 5% 以内，否则模型会做出“换脸”式过渡。适合的首尾帧镜头是单人、半身、背景虚化；不适合的是全景大调度和多人互动，因为中间帧没有约束，模型会自由发挥。口型不要靠首尾帧做，它只解决身体动作。
局部动效：只让该动的地方动
局部动效是动态漫最稳的一条路。做法是把静帧拆层：人物、前景、背景各一层，用剪映或 AE 给背景加缓慢平移，给人物加 2 到 4 像素的上下浮动，给眼睛和嘴单独做循环。眼睛每 3 秒眨一次，眨眼用两张图交替，每张停留 0.1 秒。口型按台词音节切，一句 5 字的话配 5 个口型帧，每帧 0.12 到 0.15 秒，只做张嘴、半张、闭合三种状态就够用。表情变化用 2 到 3 张关键表情图交叉淡化，淡化时长 0.3 秒。这条路线崩的概率最低，因为画面结构没交给模型重算。适合所有对话镜头和特写，缺点是动作幅度小，不能做打斗和奔跑。
成本对比：动态漫和真视频差多少
按 1 分钟成片算。动态漫：静帧 20 到 30 张，每张出图成本约 0.3 到 1 元；图生视频片段约 15 条，每条 5 秒，按可灵标准档约 3 到 5 元一条，合计 50 到 80 元；局部动效不额外花钱，只花剪辑时间。总现金成本 100 元以内，人工 1 到 2 天。真视频：实拍 1 分钟至少半天场地加 2 名演员，成本 2000 元起；纯 AI 真视频要 60 条 5 秒片段，按高质量档 10 元一条算 600 元，废片重抽翻倍到 1200 元，人工 3 到 5 天。差距主要在废片率和重抽次数：动态漫靠局部动效把废片率压到 20% 以下，真视频路线废片率常在 50% 以上。
