一句话总结
运动漂移是 AI 视频第一大失败模式：前 1-2 秒漂亮，然后脸开始变形、背景像湿油漆一样滑、半路冒出第三只手。本能反应是往 prompt 里堆字，结果往往更糟。真正的修法是先判断你遇到的是五种漂移里的哪一种，再只动控制它的那一个变量——通常就是片长、运动强度，或 text-to-video 换 image-to-video。这样做，你能在 4-6 次内拿到干净片段，而不是重生 20 次。
本文用的是当前这一代工具的控制项（截至 2026 年 6 月）：Runway Gen-4.5、Kling 3.0、Google Veo 3.1。
漂移为什么会发生（而且越往后越严重）
多数通用视频模型按顺序逐帧生成，每一新帧都以前面的帧为条件。微小误差会累积，所以大约到第 60 帧——24fps 下约 2.5 秒——累积漂移就肉眼可见了。这就是为什么开头干净、后半段散架。
2026 年这批模型比 2024 年那一波漂得少得多，因为它们训练时带了显式的一致性目标。Runway Gen-4 和 Gen-4.5 主打”世界一致性”和参考图角色锁定；Veo 3.1 自带角色与风格的参考控制；Kling 3.0 能做跨镜头保持主体的多镜头分镜。漂移现在更小了，但在长镜头或复杂镜头上并没有消失——“先诊断、只动一个变量”这套方法依然比闷头重生有效。
五种漂移类型及各自的唯一修法
先诊断。“看着差”不算一种类型。把失败片段按 100% 速度播一遍，准确说出到底哪里崩了。
| 漂移类型 | 你看到的现象 | 唯一对症的修法 |
|---|---|---|
| 主体身份漂 | 脸或身体逐帧变形 | 改用 image-to-video + 参考图；片长缩到 3-4 秒；运动强度调到默认的约 60% |
| 背景扭 | 背景滑、融化、长出不可能的几何 | prompt 里简化背景（“白色光墙”胜过”热闹市集”）；不要同时强前景 + 繁背景 |
| 镜头 glitch | 镜头猛抖、透视翻转、变焦方向反向 | 一片只给一种镜头运动（“slow dolly forward”，不是”dolly 然后 orbit”）；运动应当极小时加 “static camera, fixed frame” |
| 物体复制 | 多手、双脸、半路冒出第二个角色 | 主体描述精确（“一位 30 多岁女性、深发、黑大衣”）；用 image-to-video；避开”people”等复数暗示词 |
| 运动卡住 | 主体片中停下，场景其余还在动 | 提高运动强度；prompt 加显式持续运动表述（“walking smoothly for the entire shot”）；片长缩短 |
铁律：每次只改一个变量。 如果你同时缩短片长又降低运动强度，就分不清是哪个改动修好的，这份糊涂会一直跟着你。
跨工具通用的设置（2026 年 6 月）
下面是具体的旋钮，附上各工具里的叫法：
- 片长。 短片就是漂得少，没有例外。同一个 prompt，4 秒比 10 秒稳得多。把片长当预算用：角色镜头默认 3-4 秒，多切几刀。Runway Gen-4.5 单镜头约 8-10 秒，再用 Extend Video 接长；Kling 3.0 能做到 15 秒多镜头序列；Veo 3.1 更长——但单次生成越长，越容易招漂移。
- 运动强度。 运动强度高 = 帧间变化大 = 漂得多。身份敏感的镜头（脸、近景）把运动调到中等，大约工具默认值的 60%。在暴露运动/denoise 数值的 image-to-video 工具里，护脸区间大约在 0.18 到 0.32；从 0.25 起步，只有主体看着卡死时才往上调。
- 优先 image-to-video，少用 text-to-video。 参考图锁住第一帧，主体身份漂得就少得多。任何角色驱动的镜头，都锁一张参考图、待在 image-to-video 里。text-to-video 换来的是自由度，但对持续角色工作来说，这点漂移成本几乎不划算。
- 锁镜头。 镜头不需要运动时，就明说：用 “static camera, fixed frame” 或 “locked-down tripod shot” 告诉模型别乱引入会破坏稳定的移动。确实需要运动时，只给一种。
- 分区控制。 Runway 的 Motion Brush 能在源图上涂出最多 6 个区域、各指定一个运动方向，让背景保持静止、只动主体。光这一招就能干掉 image-to-video 镜头上大部分背景扭和镜头 glitch。
应用对症修法后，重生 4-6 次。漂移部分是随机的，所以同一修法下多跑几次，能挑出最值得用的那一个。重生时换 seed；同 seed 同 prompt 可重现性更高，但并不更不漂。
一个 15 分钟的诊断练习
- 挑一条最近漂坏的片段。先别改 prompt。
- 把漂移归到上表五种里的某一种。
- 只应用对应那一条修法。
- 重生 4 次。
- 把新四条和原来四条并排放。多数情况下新四里有一条明显更干净——这就证明：一次对症变更胜过 5 次盲目重生。
再做第二遍：拿一条干净的片故意拉长到 5 秒以上，看哪种漂移最先出现。那就是你这个模型的招牌失败模式，你可以围着它排镜头表。
出片前的验收
- 修之前就先点名了漂移类型。
- 只改了一个变量。
- 修后至少生了 4 个 variant；第一个很少是最好的。
- 选中的 variant 和参考图并排能站住——比例、脸、调色都对得上。
- 100% 速度播放干净。慢放会掩盖漂移，一定按原速看。
- 这次修法没引入新问题（降低运动强度有时会导致 freeze；过度简化背景会丢气氛）。
容易踩的坑
- 加更多 prompt 文字来”修”漂移。 token 越多，模型越偏重新词、越忽略连续性。要做减法，不是加法。
- 什么都开最高运动强度。 这是最该避开的单一漂移成因。
- 长片配复杂主体。 4 秒片的漂移率大约是同主体 8 秒片的一半。
- 把漂当工具问题。 它多半是 prompt、片长、参考图的问题。同一个在某工具漂的镜头，在 10 秒长度下基本所有工具都会漂。
- 不改任何参数纯重生。 随机性帮助有限，配置才是关键。
- 忽视剪辑层的修法。 一个放对位置的切镜头能藏住 1 秒漂移开端，观众察觉不到 1 秒内的切。漂一开始就切到下一镜头，并在时间线上标记这一刻。
什么情况下这套方法不适用
- 单帧工作属于图像生成，是另一条排查路径。见AI 图像风格一致性。
- 漂移本身就是想要的效果（vaporwave、梦境、body horror），别动它。
- 实拍叠 AI：漂在叠加层，不在底片。
- 已锁运动的存量素材风格迁移。
FAQ
- 为什么片子越长漂得越厉害？: 逐帧顺序生成让每一帧都以前帧为条件，微误差不断累积。到大约第 60 帧（24fps 约 2.5 秒）累积漂移就可见了。所以缩短片长是最便宜的修法。
- image-to-video 还是 text-to-video 更稳？: 主体身份层面 image-to-video 更稳，参考图锁住第一帧。text-to-video 创作自由度更高，但漂移成本更大。角色工作默认用 image-to-video。
- seed 重要吗？: 有时重要。同 seed 同 prompt 可重现性更高，但不一定更不漂。重生时换 seed 去采样不同结果。
- 新模型是不是直接就修好了？: 每一代都漂得更少——Runway Gen-4.5、Kling 3.0、Veo 3.1 明显比 2024 年那批稳——但截至 2026 年 6 月，长镜头或复杂镜头上仍有残漂，而且新版本偶尔会在主体身份上回退。生产用前先测。
- 分辨率高能减漂吗？: 不能。从 1080p 升到 4K 只增加每帧算力，不改变时序一致性。按交付需求选分辨率就好。
- 后期能救回漂掉的片子吗？: 只能救一部分。脸部修复工具能稳近景的身份漂，放大工具能补细节，但背景扭在后期很难处理。更便宜的做法是重新干净地生一条，或在剪辑层切一刀。