提示词指南

形变:从 A 到 B,怎么让这次转换站得住

形变,是一个主体在同一个连续画面里变成另一个主体。从一帧开始,描述这次变化走的路径,再检查那几帧——它们决定观众读到的是转化,还是失误。

可选

JPG / PNG / WebP

这是 Ottermind 的输入框。先附上起始帧,再发送需求——填文字和发送是两个动作,在你到 Studio 里继续之前,什么都不会生成。

2026年11月12日 · 阅读约 12 分钟

形变,是一个主体在同一个连续镜头里变成另一个主体。 马克杯的把手折成一只翅膀,釉面变成折好的纸,影子留在原地,镜头一次都没眨。它不是两张图之间的淡入淡出:画面始终是同一个画面,变的是画面里的东西。

这条唯一的条件,就决定了什么时候该用它。当变化本身就是信息,形变才配得上这些帧——一种材料变成另一种材料、产品变成它的包装、一张脸老去、一段演示里「之前」不靠剪切直接变成「之后」。反过来,两个状态本来无关、读者需要并排比较,或者两张图是在不同光线下拍的,那你要的是硬切、分屏或叠化:因为形变会替你补出中间那一段,而它坏就坏在补出来的那段上。

这篇指南是怎么准备的: 官方页面均读取于 2026年11月12日:Dreamina 的变形动画资源页(发布于 2026年10月24日),其中写明了首帧加尾帧的工作流、时长设置和五个示例类别;以及 Ottermind 自己的 Image to Video 和 Image Effects 页面,它们的步骤是选一张参考图、描述运动、查看结果再重新生成。这里的帧数是按帧率算出来的,不是实测的渲染耗时。每一张图都有交代:那条序列是两张剪影之间的计算插值,时间轴和锚点图是按正文里的数字等比例画的示意图,封面是用同一批样帧排的版,输入框那张是本页的真实截图,需求已经填在里面。本文没有在 Ottermind 里提交任何生成,所以这里没有保证的产出,也没有一张图是产品渲染的结果。

什么算形变,什么只是看着像

两个操作同时发生,而它们就是你手上仅有的两个抓手。几何变形挪动几何:起始帧里的各个部分,走到它们在结束帧里的位置。融合改表面:颜色、质感、光泽和边缘的软硬在这里换手。几何那一步做对、融合做短,读起来就是一个物体在转化。融合做错——太长、太早——你得到的是两个物体叠在一起,那是一次穿着形变外衣的叠化。

好用的测试是暂停。把片段停在中间。数得出一件物体,是形变。数得出两件,哪怕只是隐约两件,就是交叉叠化,提示词写多长都盖不住。

人们常说的形变它实际做的事为什么不是形变该用什么
硬切或划像在一帧之内把 A 换成 B,或者把一条边界推过去没有任何东西在移动,几何从没动过两个状态无关时,用硬切
交叉叠化A 淡出的同时 B 淡入两个物体同时出现在画面上变化是换场时,用叠化
风格迁移或滤镜保留几何,只改表面只做了形变的一半:有融合,没有几何形状该留着时,用图像特效
变速或旋转同一个物体动得更快身份从没变过写在视频提示词里的镜头或运动方向
每秒 24 帧下并排的六个剪影:一只粗陶马克杯、四个还没定形的中间状态,和一只翅膀后掠的纸鹤

24 fps 下 20 帧的变化,每四帧取一个样。这条序列是本文用两张剪影计算插值得到的,它展示了形变必须完成的两个操作——几何先移位,表面再跟上。第 8 帧值得细看:把手已经和杯身分开,观众能数出两件物体。下面的数字,防的正是这个。

决定它读不读得出来的五个数字

大多数弱形变不是渲染的问题,而是一个被甩给模型的节奏与对应关系问题。五个数字就能覆盖它,而且每一个都能靠暂停来查。

数字它固定住什么目标值怎么查
变化的长度几何那一步拿到多少时间24 fps 下 12–17 帧(0.5–0.7 秒);只有变化本身就是整个镜头时,才用 24–36 帧(1–1.5 秒)数第一个和最后一个变化帧之间的帧数
两端的停留眼睛到底有没有看清 A 和 B24 fps 下两端各至少 6 帧停留(0.25 秒)停在第 1 帧和最后一帧;两帧都必须静止、完整
锚点对有多少特征在承诺「这是同一件东西」4–6 组锚点,在写提示词之前就选好念出来:杯口中心、把手根部、影子边缘、布上的褶
锚点偏移一个固定特征允许漂多远不超过画面宽度的 8%;缩放 10% 以内把 A 和 B 调成同一尺寸并排放,量那道缝
路径变化这次转换有没有一个方向一条路径;最多一次折返数变化里的方向反转

算术是大家最容易跳过的那部分。帧不是秒:18 帧在 24 fps 下是 0.75 秒,在 30 fps 下是 0.6 秒,同一个片段在一种帧率下显得慢,在另一种下就显得赶。先定帧数,再定帧率,然后把时间写进提示词,用这个镜头自己的单位。

30 帧形变在 24 fps 下的时间轴示意图:起始帧停留六帧、十八帧变化,结束帧再停留六帧,标出了帧与秒两种刻度

24 fps 下的一个 30 帧镜头,也就是 1.25 秒:开头停留六帧,中间十八帧变化,结尾停留六帧。按上表的数字等比例画出;这是示意图,不是渲染结果。

还有两个更小的数字,值得为你自己的镜头另设,因为它们让评审有据可依。把主体高度占画面的百分比写下来,再把它底边距画面底部的百分比写下来。如果 A 和 B 在这两项上差了几个点以上,哪怕几何本身干净,形变也会看起来像被抬起或被平移。

五段提示词,每段只动一个变量

下面每段提示词只改一件事,所以结果不好时,你能指到该改的那一行。它们共用一个例子——亚麻布上的一只粗陶马克杯,变成一只折纸鹤——因为它有一个明显的对应关系(把手对翅膀),也有一个明显的失败模式(陶瓷的光泽活到了纸上)。Ottermind 的输入框收一张参考图和一段文字指令,所以时间是作为「停留多少帧」写在提示词里的,而不是放在公开页面上的时长控件里。

提示词它控制的变量之后该看什么
1. 终点结束状态必须和起始状态共享什么首帧和末帧调成同一尺寸并排看
2. 锚点哪些点不许动你点名的那四五个特征,逐帧看
3. 路径各个部分变化的先后顺序中间三分之一,暂停着看
4. 时间变化落在片段的哪一段两端的帧数
5. 拒绝项告诉模型要避开的失败清单画面里多出来的任何东西

提示词 1——终点。 控制结束状态和起始状态的匹配:尺寸、位置、光的方向,以及主体允许占满画面的多少。 几何那一步大致对了、结果却漂出了那块布的时候,用它。

提示词
从附上的这一帧开始,把这只粗陶马克杯变成一只折纸鹤,并保持住最后一帧。主体的尺寸不变、在画面里的位置不变,亚麻布、桌沿和窗光都不变,镜头完全不动。纸鹤要留在马克杯原来那块布上,高度一样,朝向一样。画面里其他东西不动,也不多出任何东西。不要文字,不要标志,不要多余物体。

这个按钮会把第一段需求填进页面顶部的输入框。它只负责填:什么都没发出去,在你到 Studio 里继续之前,也不会生成任何东西。做形变时这层空隙值得留着,因为起始帧得先附上、措辞得先改对,一次渲染才值得花。

提示词 2——锚点。 控制对应关系:那少数几个必须待在原地的特征,正是它们让观众相信这只纸鹤就是那只马克杯,而不是第二件物体。

提示词
整个变化过程中固定住五个点:杯口中心、把手和杯身相接的那一点、影子的前缘、杯后那道布褶,以及桌面的上沿。纸鹤的脖子从杯口中心升起,折出来的翅膀从把手长出来,尾巴始终在影子前缘以内。镜头不动,光的方向不变,布和桌面连几个像素都不许漂。

提示词 3——路径。 控制中间三分之一:哪一部分先动、哪一部分后动,以及物体在变化过程中允不允许缩小、旋转或抬起。

提示词
让物体朝一个方向连续变化:先是把手向下折叠、收窄成一只翅膀;接着杯口合拢,杯壁压出折痕变成平的纸面;最后釉面转为哑光,成为折好的纸。变化过程中不许物体缩小、漂浮、旋转或弹跳。每一刻,物体底部都要贴着布。

提示词 4——时间。 控制停留,按帧来,这样变化会落在你规划的位置,而不是从第一帧就开始。

提示词
前六帧让第一帧完全静止。接下来十八帧,让物体匀速地持续变化,中间不歇一口气,也不加速。最后六帧,让成形的纸鹤完全静止,不许漂,不许闪。整段镜头里机位锁死。

提示词 5——拒绝项。 控制失败清单:那些明确不许发生的事,写成禁令,而不是愿望。

提示词
保持画面干净:不许推镜、摇镜、变焦或抖动;背景、布、桌面和光都不许变;不许出现多余物体;纸鹤上不许留下马克杯的残影;布不许扭曲;不许添加任何文字或符号。如果这次变化做不完,就把物体停在一个可信的半折状态,不要让它同时出现两件物体。

第六段提示词其实不算形变提示词:它先让光对齐,修补的是两个片段之间的接缝。它属于 Image Effects 页面而不是视频页面,因为它改的是一张静帧。

提示词
把我上传的这张照片的色相、对比度和光的方向,对齐到参考画面的布光:同样是左侧偏暖的窗光,同样的影子方向和柔和度,同样中性的亚麻色,不要偏色。主体和构图完全保持原样,只换光。
两个剪影,一只马克杯和一只纸鹤,各自标着五个编号锚点,并用细线把必须对应的那一对连起来

两端的五个锚点,以及它们之间的配对线。这是一张对应关系示意图,不是渲染出来的形变:它要说明的是哪些特征可以动、哪些是承诺。写提示词之前先把配对定下来,之后再用「占画面宽度的百分比」去量两端的偏移。

AI 形变会断在哪里

下面这些失败是生成视频特有的,不是动画的通病,而且大多数停在一帧上就看得见。按这个顺序查,因为一个扛过了其他所有修法的残影,通常是节奏问题,不是贴图问题。

你看到的通常正在发生什么怎么修
中间一路隐约有重影融合在几何还没结束时就开始了缩短变化,并把表面变化放到提示词的最后
硬边物体边缘发软、像化了模型在平均贴图,而不是移动几何在提示词里点明硬边和材质;把变化控制在 0.7 秒以内
主体没动,墙或布却在起伏模型把整幅画面都当成可以形变的要求背景、布和桌面保持不变,镜头锁死
多出一片翻片、一个尖角或一条肢体模型凭空造了一只像样的翅膀,而不是把把手折过去把对应关系写明确:哪个部位变成哪个部位,按顺序
文字变成看着像字的胡话文字没有可供变形的稳定几何别让字形进入形变;事后再在编辑器里加真字
主体朝镜头漂过来推镜或变焦被读成了变化的一部分写「机位锁死」「不推、不摇、不变焦」;比较首尾两帧里主体的高度
两段接缝处有明显跳帧中间的静帧和第二段的头一帧对不上先把两段一起调色,再在共用的那一帧上切,或者用一段短叠化藏住接缝
快速运动处细节糊成一片变化太多,像素太少放慢变化、缩短变化,或者渲染得更大再裁

有一条失败值得单独拎出来,因为它最贵:落错终点的形变,看起来像一段坏素材;落错终点却运动完美的形变,看起来像一个坏主意。 在把一次渲染花在中间那段转化之前,先把两端当成静帧批掉。

形变、补间,和夹在中间的叠化

这三个词经常被互相借用,但它们的区别是实用的,不是学术的:它告诉你该去够哪个控件。

补间填的是同一个主体两个姿势之间的帧。姿势由绑定或者一对关键帧定义,工作是插值——主体还是它自己,问题在于节奏和缓动。形变改的则是主体本身,从一张静帧到另一张静帧,工作是建立对应关系——A 的哪一部分变成 B 的哪一部分,表面在哪里换手。形变没有绑定可以信,这正是为什么锚点清单比缓动曲线更重要。如果你的片段里只有一个主体,问题只是它怎么动,你要的是补间工作流;如果主体本身换了身份,你要的是这一页。

交叉叠化是两者都便宜的版本:A 淡出,B 出现,没有任何几何在移动。两个镜头本来无关时,它是诚实的;两个镜头本该是同一个物体时,它是不诚实的,因为观众会把叠化读成换场。本页开头那个暂停测试,就是全部的界线所在。

风格迁移保留几何、改表面,正好是形变的一半。Ottermind 的 Image Effects 是放这一半的地方:它把一套视觉方向应用到你拥有授权的照片上,并保护主体和构图。在形变流程里,它是你让两端先在光上达成一致用的工具,不是让任何东西动起来的工具。

还有一个相邻的变量是机位。如果起始帧是斜的、结束帧是正的,模型常常去转整个世界而不是转主体,读起来就是一次荷兰角被纠正,而不是一次形变。如果你有意在某一端用了倾斜的画面,先读荷兰角,两端保持同样的倾斜;不然就得接受倾斜本身会变成形变的一部分。

在 Ottermind 里怎么做

先说边界。 Ottermind 的 Image to Video 页面从一张上传的图和一段用文字描述的运动开始,它自己写的步骤是:选参考、描述运动、看结果、重新生成。它不是有文档记载的「首帧加尾帧」工具,所以真正的双图形变,是你在它周围搭出来的,而不是从一个输入框里拿到的。下面所有内容都守着这条线。

路径 A——主体在一个镜头里变。 这是这个工具为它而造的情况,也是上面五段提示词描述的情况。

  1. 准备一张起始帧:主体要足够独立,剪影读得出来,光已经是你想在结尾看到的那种光。
  2. 先贴终点那段提示词,再贴锚点,再贴路径。时间那段提示词留给第二条,而不是第一条,这样你可以先看清模型拿这个形状怎么办,再去约束它的时钟。
  3. 生成,然后暂停三次:第一帧、中间帧、最后一帧。在中间帧上决定留不留,不要在播放时决定。
  4. 重新生成时一次只改一段提示词——路径或拒绝项,不要两个一起——把几条并排放着,直到有一条在暂停时站得住。

路径 B——两张不同的静帧,A 和 B。 这需要一个中间状态,因为模型必须被告知物体到一半时是什么样。先做出或者找到那张中间静帧,再把两半分开做。

  1. 让 B 共享 A 的取景:同样的机位高度、同样的焦段感、主体尺寸在 10% 以内、同样的光的方向。
  2. 在动任何东西之前,先用 Image Effects 把 B 调到 A 的色上,这样接缝就成了一件你已经解决过的打光问题。
  3. 做出中间静帧——以 A 为基础、用文字描述路径生成一个半折的物体——并把它当作整段序列的合页。
  4. 先 A 到中间,再中间到 B,做成两条。两半对得上就在共用的那一帧上切;对不上就重叠两到四帧。
  5. 按原尺寸看一遍接缝,再缩到缩略图看一遍——接缝在缩略图上会藏起来,跳帧不会。
本页 Ottermind 输入框的截图:马克杯变纸鹤那段需求已经填好,起始帧的附件控件可见

填好第一段需求之后,本页的输入框。附件控件是起始帧放的地方,发送控件只是把这段需求交给 Studio;这张截图展示的是一次准备好的请求,不是生成出来的形变。

留在工具之外的部分。 帧精确的端点控制、有保证的时长、固定的输出分辨率,以及清晰可读的文字,都不是这套流程承诺的事。它们在你的剪辑里:掐掉多余的停留、排上真正的字、把两半剪到你想要的那一帧。模型返回的任何东西,都是一条等你看的素材,不是做完的转场。

关于形变,几个值得回答的问题

形变和补间是一回事吗?

不是。补间在一个主体的两个姿势之间插值,所以主体的身份是固定的,工作是节奏。形变改的是主体本身,所以工作是判断 A 的哪一部分变成 B 的哪一部分。一个形变事后可以被补间,但锚点的决定在更前面。

一个形变该多长?

长到眼睛能跟着一条路径走完,短到任何一刻都不会同时看见两件物体。实际数字:变化发生在一个镜头里时,24 fps 下 12–17 帧;变化就是整个镜头时,24–36 帧。两端各停留至少六帧,让起止两个状态被看见。

为什么我的 AI 形变会糊成一团?

通常是因为该由几何干的活,被融合干了。模型找不到对应关系时,它就把两张贴图平均掉,结果读起来就是一次柔和的交叉淡入。缩短变化、点名对应的部位、让表面变化发生在最后。

能把两个不同人的照片做形变吗?

可以,这是最经典的用法,也是最严的:脸需要的锚点对比物体更多——眼睛、鼻根、嘴角、下颌、发际线——偏移的容差也更小,因为看脸的人都是专家。两张角度差很多的照片,会逼模型去虚构一个四分之三侧面,而身份就是在那里漂掉的。

能对文字或标志做形变吗?

不可靠。字形没有可供变形的稳定几何,生成的形变倾向于编出看着合理、其实不存在的字。让字形和标志完全留在形变之外,之后在编辑器里放进真正的素材,而且拿原始文件去量标志的比例,不要拿模型那一版去量。

形变是一门藏在大型视觉效果里的小手艺,而且是可以数的。把两端钉住、点名四五个锚点、选一条路径、把两端的帧数数清楚——然后在 Ottermind 里从一帧开始,剩下的交给模型真正擅长的那部分。

下载桌面端与移动端 App

随时随地访问 Ottermind。

电脑