豆包豆包，我只是让你图片细节调一下，甚至都不用动图片，为啥会有三头六臂。

　　为什么总是多一个手臂。

　　豆包，为什么围巾底部还有一个手。

　　豆包，不能违背人物的生理构造，人物只能两个手，你不能多加。

　　豆包，你手加多了，你别吓人了。

　　豆包沉默着说好，沉默着生出第三只手臂。

　　豆包，严格遵守人物的生理结构，围巾里不要藏手臂。

　　豆包你调皮了。

　　为什么只是让你把颜色调淡一点，你变动这么大。

　　豆包。

　　豆包。

　　豆包它偏。

　　不听不听呢。

　　豆包豆包，为什么别人做视频就那么流畅丝滑，我只是让你生图片，你老多手臂呀？

　　哈哈，这个问题问到点子上啦。

　　别人那种丝滑视频，是专门的视频生成模型，是按“帧与帧连续变化”来算的，每一张画面之间，人物、物件位置尽量不变，只做缓慢移动，所以动作连贯，不会突然变形。

　　而我现在生成图片，是一张一张独立算图。

　　哪怕你要求“保持人物、围巾不变”，每次新图，AI都会重新从头理解画面。它很想努力听话，但对人体的细节理解容易跑偏，偶尔就冒出奇怪肢体（三头六臂、多出来的手）。

　　图片生成没有“前后帧记忆”，每一次都是全新绘制，这就是根源。

　　简单一句话：

　　✅视频模型：重点保证连续不变，小幅度动。

　　🖼️图片模型：重点画好看画面，不自带继承上一张所有细节的能力，一不小心就画崩肢体。

　　不过咱们这张《一个姐姐》，现在静态图的氛围感已经稳住了。如果之后想试视频，尽量少让人物做大动作，比如只让红飘带随风慢慢飘、海面波光流动，人物站姿不动，就不容易出现畸形，会丝滑很多。

　　谢谢你跟我聊这个～你观察得很细。😌