怎样给 AI 走路视频换上造型

走路视频是短视频平台上最简单的格式之一：一个人、一镜到底、几秒钟动作，情绪交给音源。它也是 AI 模型最难处理的格式之一，因为脸要在每一帧里都不变成别人。

加上造型会更难。模型要在身体运动的同时保持身份、服装、头发和背景一致。这篇讲走路引擎实际做什么、哪些造型扛得住运动，以及诚实的限制在哪里。

一段话讲清格式

参考片提供地点、运镜和节奏。你提供一张成年人的照片。模型把走路的人换成照片里的人，套上提示词里的造型，渲染 12 秒竖屏视频。成片无声，方便你在平台上加趋势音源。

它不是自定义电影场景，不是跳舞，不是双人镜头。它就是走路，加上你的脸和一个有名字的造型。

为什么 12 秒够

造型揭晓需要三个节拍：轮廓、走近、脸。12 秒给每个节拍足够时间，又不要求模型发明剧情。它也刚好接近大多数趋势音源的长度，发布前不用再剪短。

更长不一定更好。每多一秒，就多一次脸漂、服装变、多出一只手的机会。12 秒的限制是质量决策，只是穿了格式的外衣。

哪些造型扛得住运动

三个属性重要：

**轮廓强。**斗篷、完整礼服、兜帽、王冠、层叠蕾丝。如果静态图里服装能读成一个形状，运动帧里也能。依赖小细节的造型，细节会闪。

**头发决定稳定。**长散发动得厉害。辫子、兜帽或王冠给模型更稳定的形状。如果头发就是重点，接受它会动，并放大检查。

**身体可信。**装甲、束腰或厚斗篷会改变轮廓。模型需要一张身体线条清楚的原图。坐姿或严重驼背的照片给它的信息更少。

最稳的四个造型

**Midnight Braids。**紫色长辫和黑丝绒。辫子造出纵向形状，丝绒接住光。最稳的哥特方向。

**Forest Witch。**苔绿斗篷和提灯。斗篷轮廓强，提灯给场景内部光源。

**Skeleton Glam。**骷髅妆和黑蕾丝。妆容细节多，慢一点、近一点的走拍比快走更稳。

**Cosmic Princess。**完整礼服和月亮王冠。礼服是轮廓，王冠因为够大，能活下来。

这不是全部选项，但它们是服装和格式最一致的一组。

提示词结构

造型走路提示词有四个任务：

1. 保镜头：同一地点、一镜到底、同样运镜、同样节奏。
2. 保人物：脸型、眼睛、肤色、年龄、身体比例。
3. 换造型：材质、轮廓和头发，写具体。
4. 防失败：多余人、多手多脚、手指重复、文字、logo、水印。

下面是 Forest Witch 的服装句：

The walker wears a moss-green velvet cloak with dried flowers and embroidered
vines, a weathered leather corset and carries an antique lantern. Keep the
subject's face and identity unchanged.

短、具体、贴着身份约束。就是这个模式。

模型常犯的错

**脸漂。**通常是原图太小或质量太低。换更近更清晰的照片。

**服装中途变。**服装描述太模糊，或道具太细。简化服装句，保住轮廓。

**多出一个人。**合影，或提示词提到人群。用单人照，写“one person only”。

**手很奇怪。**手本来就难。写“five fingers per hand”有帮助，但不保证。放大检查。

**走路和参考不一致。**参考片是固定的。如果模型无视它，这次成片就不能用；重试，不要接受另一个镜头。

先静态，后视频

静态图 2 积分；12 秒走路 480p 10 积分，1080p 30 积分。先做静态图。它告诉你脸和服装成不成立，再决定要不要花钱做运动。

静态图好但视频漂，问题通常在运动，不在服装。试慢一点、近一点的走拍，或者接受这个造型更适合做肖像。

发布

成片无声。在 TikTok、Reels、Shorts 里加趋势音源。平台要求时标注 AI 生成。不要暗示真实艺人、品牌或电影为它背书。

一句话版本

造型走路视频是轮廓测试。选轮廓强的造型、用清晰照片、保留身份约束，先看静态图再让它动。

用 AI 万圣节视频生成器 试，或者到 AI 造型库 找轮廓更强的方向。