Kling 3.0 动作控制，让角色跟随参考视频运动

动作说不清楚时，直接给角色一段参考视频

当展示动作比用文字解释更直接时，AI 动作控制就很适合。一小段视频能说明手势的先后、转身的节奏，以及人物怎样移动重心。不必把每个动作拆成冗长描述，而是把你想要的表演作为视觉参考，让生成围绕这段动作展开。

两份输入分别回答不同问题：图片回答“谁来出镜”，参考视频回答“要做什么”。挑选素材时，最好始终想着同一个最终镜头。单独看很好看的人像，加上一段与它无关的动作，并不一定能形成合适的组合。

做跳舞视频时，真正需要参考的是舞者和舞步，而不是音乐短片周围的包装风格。做角色问候时，一个清楚的挥手或简单手势可能就足够。先从容易辨认的单一动作开始，判断角色是否跟得上，再尝试更复杂的连续表演。

先让角色图片和动作范围匹配

看一看参考动作会用到哪些身体部位。全身舞蹈需要清楚的手臂、腿部和活动空间，只有头肩的人像能提供的信息就少得多。相反，如果只做近景手势，较近的动作参考和相应的人像构图可能更适合。图片的身体覆盖范围，应服务于这次要生成的动作。

起始姿势不必每个细节都一样，但两份素材应该相互兼容。如果视频中的人一开始正对镜头，一张身体方向清楚的正面角色图，会比大幅扭转的姿势更容易形成明确起点。构图和身体可见范围差异越大，生成过程中需要推断的部分就越多。

检查参考片段中有没有打断动作的因素：表演者走出画面、其他人从前面经过、突然切镜头，或镜头本身大幅移动。优先使用主体持续可见的连续片段。动作涉及手臂穿过躯干、转成侧身等情况时，这一点尤其值得留意。

服装和轮廓也会影响动作呈现。穿长外套、带大型饰品或比例特殊的角色，可能不会像穿简单衣服的真人一样表现同一个动作。选择符合角色体型的运动方式，将视频视为生成表演的参考，而不是能保证每个像素和肢体位置完全一致的机械骨架。

朝向跟随图片，还是跟随视频？

角色朝向决定以哪份输入引导人物面对的方向。它与输出分辨率是两项不同设置，应根据参考视频在这次创作中的作用来选择，而不是把它当作清晰度选项。

例如，角色插画正对观众，你希望沿用这个视觉起点，生成一个简短的表情或手势，可以考虑“跟随图片”。同时要选择与这个方向相容的参考动作，而不是指望一个朝向选项解决完全不同的拍摄视角。设置和素材应朝着同一目标配合。

如果表演重点是参考人物的转身和方向变化，“跟随视频”通常是更相关的起点。此时动作片段对角色朝向的引导作用更强。仍要检查完整结果：朝向选择是在引导生成，并不代表每次转身都能完整保留所有服装细节。

先选模式，再准备最终上传的参考片段，因为两者支持的时长不同。20 秒的视频符合“跟随视频”的范围，却不适合“跟随图片”。只需要一个短动作时，选最清楚的片段即可，不必因为模式支持更长时长，就把无关部分也放进去。

如何生成动作控制视频

1. 1上传角色图片，确保构图覆盖动作需要的身体部位。
2. 2添加参考视频，其中应包含希望角色跟随的动作。
3. 3根据目标朝向，选择“跟随图片”或“跟随视频”。
4. 4按需补充场景描述，再选择 720p 或 1080p 输出。
5. 5生成后看完整段视频，与参考动作比较，确认后下载。

可选文字描述应保持聚焦。参考视频已经提供动作，再写一套与它矛盾的动作说明，反而会让意图不清楚。文字更适合补充相关场景和画面风格，不需要逐帧说明每个关节如何移动。缺少的动作信息，应先从参考视频本身寻找改进空间。

再次生成前，先明确要改善什么。手脚出画，就检查构图；动作重点不对，就换更清楚的参考片段；角色初始方向不合适，就检查朝向设置和图片视频搭配。一次调整一个主要因素，比同时换图片、视频和描述更容易判断哪项变化有效。

从 AI 跳舞视频到角色表演片段

制作 AI 跳舞视频，先把舞蹈当成需要看清的表演。参考片段应展示关键脚步和上半身动作，角色图片也应有相应的全身信息。判断结果时看舞步在整段视频中是否清楚，而不是只看开头一帧的角色是否漂亮。

角色动画不一定需要大幅运动。问候、转向观众或庆祝手势，都可以支撑一个简短场景。当静态角色设定需要先有一段可见表演，再放进完整剪辑时，这类片段很实用。动作最好与角色在内容中的职责相关，不必为了画面热闹而不断增加运动。

以人物为视觉中心的动态海报也可以沿用这条路径：先生成角色表演，再在设计流程中安排文字和版式。动作控制输出的是动画片段，不是海报排版编辑器。重要信息应在后续设计中清楚呈现，不要让输入图片里的小字承担核心传达任务。

动作、外观和连贯性，要分开检查

第一遍先看动作本身：角色是否按可辨认的顺序完成了关键运动？留意有没有缺失的手势、别扭的停顿，或让观众分心的身体运动。先确认表演能看懂，再检查细节，避免被某张好看的画面掩盖整段动作的问题。

第二遍看外观是否在运动中保持稳定。比较开头、转身时和接近结尾处的脸部、服装、饰品和轮廓。角色在静止截图中可能很像原图，但手臂穿过身体或头部转开时出现明显变化。这些转换时刻比单张漂亮缩略图更值得仔细检查。

最后看构图和连贯性，确认人物始终处于最终需要的裁切范围内。参考视频有严重遮挡或突然运镜时，可以尝试更简单的动作片段。如果问题来自角色图片缺少身体信息，则应换更合适的角色图，而不是一味调整视频参考。

要把多个独立片段组成序列时，在视频编辑器里挑选每段真正可用的部分。不要只凭长视频中最好看的瞬间判断整段质量。最终要的是能服务场景的素材：在实际采用的那一段里，角色外观足够连贯，动作也始终清楚。

有动作参考用动作控制，只有文字想法用图生视频

手头已有值得跟随的动作参考时，选择动作迁移。如果只有静态图片，希望用文字描述它如何运动，则选择图生视频。两者的区别在于动作指令来自哪里：一段实际展示的表演，还是文字描述。

如果角色的主要任务是说话，使用 AI 数字人口播工具，它围绕人像和旁白工作。跳舞参考、口播脚本和场景动画描述不能互相替代。先确定想要什么成片，再选对应工具，素材准备和生成目标都会更清楚。