跳至主要內容

ai 影片怎麼做擁抱與親吻:效果原理與一次就做對的方法

ai 影片裡最多人指定要做的兩個動作,就是擁抱與親吻。這兩款特效的難點不在動作幅度,而在兩張臉必須在同一塊像素上共存:來源照片的角度、光線與裁切一旦對齊,成品就會乾淨。

作者:WowReel Team閱讀時間 20 分鐘
ai 影片怎麼做擁抱與親吻:效果原理與一次就做對的方法
本頁內容

# ai 影片怎麼做擁抱與親吻:效果原理與一次就做對的方法

ai 影片最常被指定做的兩個動作,就是擁抱與親吻。表面上看,這兩個效果比跳舞簡單得多:沒有大幅度位移、沒有快速運鏡,只是兩個人靠近、接觸、停住。

但難的地方不一樣。跳舞的難點是「位移很大」,擁抱的難點是「兩個身分必須貼在一起」。畫面裡只要有兩張臉同時存在於相鄰的像素上,模型就得決定哪個特徵屬於誰,而這個決定從第一格做到最後一格。

好消息是:這個難點幾乎完全由輸入決定,而不是由生成過程決定。照片對了,提示詞寫清楚了,成品就會穩。

「兩個人靠近」為什麼是 ai 影片 最難的一段

模型的工作並不是「把兩個人搬在一起」,而是逐格推測畫面。單人鏡頭裡,它只要維持一張臉;雙人接觸的鏡頭裡,它每一格都要維持兩張臉,而且這兩張臉會隨時間互相靠近、重疊、最後佔用同一塊區域。

重疊一旦發生,模型看到的是一塊混合的影像,它必須從這塊混合影像裡分離出兩個身分。分離得準,畫面就是一張自然的合照;分離得不準,五官就會開始互換。

這也是為什麼同樣的提示詞,換一組照片結果會差很多。模型不是不聽話,而是它拿到的幾何資訊不足。

兩種輸入方式,先選路線

項目單張照片兩張照片
身分一致性較弱,重疊後容易互換特徵較強,各自有獨立來源
場景一致性較好,背景本來就是同一個較弱,需要合成與補背景
前置作業幾乎不用準備要對齊角度、光線與比例
適合情況已經有合照,想讓它動起來沒有合照,或想指定特定人物
最常見的狀況臉部融合、五官漂移其中一人看起來像貼上去的

單張照片是最常見的路線,因為多數人手機裡本來就有合照。模型必須在同一個畫面裡為兩個身分各自發明動作,所以它對輸入品質最敏感:兩個人一重疊,照片裡就沒有任何資訊告訴它「哪張臉是誰」。

兩張照片是每個人各給一張。身分一致性好得多,因為每一張臉都來自自己的來源;但模型必須先把兩張合成同一個場景,再讓它動起來,而這一步會帶來光線不一致、比例不一致、背景必須被憑空補出來等問題。

還有一種是範本動作:工具內建一段預錄的擁抱或親吻片段,把你的主體對應上去。真實動作意味著真實的接觸幾何——肩膀怎麼疊、頭偏幾度、手放多高,都是拍攝時就存在的資訊,所以結果最連貫;代價是你只能用範本庫裡的角度與景別,照片也必須跟範本相容。

如果一個工具沒告訴你它屬於哪一種,那它幾乎肯定是第一種。

來源照片的三個檢核

這一節決定成品上限。與其研究提示詞,不如先把照片對齊。

檢核一,角度。 兩張臉都接近正面,拍攝高度相近。角度差太多,模型會把其中一張臉旋轉去配合另一張,身分就在旋轉的過程裡流失。

檢核二,光線。 兩張照片的色溫與亮度要接近。一邊是窗邊自然光、一邊是室內黃光,合成之後其中一個人會像被貼上去的。

檢核三,裁切。 上半身完整入鏡,肩膀與手都要在畫面內。肩膀被裁掉,模型就得自己發明手臂,位置通常不對。擁抱不需要全身入鏡,但肩膀與手一定要在框內;如果你手上是全身照,反而要先裁成上半身,讓模型把解析度集中在要用的區域。

輸入的狀況畫面上會看到什麼怎麼處理
兩張臉角度差很多一張臉旋轉去配合另一張兩張都選接近正面的照片
光線或白平衡不同其中一人像被貼上去先調成同一色調再生成
肩膀被裁掉手臂位置不對、比例怪上半身完整入鏡
背景太雜身體重疊時背景扭曲閃爍素色牆、天空或重度模糊
手靠近臉部手指融合、多出指節選手放低或手不在畫面內
解析度太低臉部糊,沒有細節可以留住短邊至少 1,000 像素

檢查的方法很簡單:把兩張照片並排,看眼睛的水平線是否大致對齊、下巴到頭頂的高度是否接近、受光方向是否相同。三項都接近就可以直接用;差很多就先裁切、調色,把頭部大小調到相近,再進行生成。

提示詞:寫幾何與結束狀態

目標提示詞寫法
輕輕靠近兩個人向彼此傾身並抱住,手臂環過肩膀,機位固定,兩人都完整入鏡
重逢一個人從畫面左側走入並抱住另一個人,機位固定,整段都看得到兩個人
額頭相抵兩個人把頭靠在一起直到額頭接觸,停住,機位固定,近景
親吻(點到為止)兩個人靠近並短暫接觸嘴唇,然後分開,機位固定,兩張臉都在畫面內
抱住不動兩個人維持擁抱,只有細微的呼吸起伏,機位固定

兩個人靠近到額頭相抵,背後打光

表格裡「額頭相抵」那一列的成品長這樣:兩顆頭靠在一起、視線往下、機位不動。把這個距離寫進提示詞,比寫「深情」有效。

三條規則做掉大部分的工作。

寫出結束狀態。 「直到額頭接觸」比「深情地」可靠得多。前者是一個可以被檢查的位置,後者是一個無法被驗證的感覺。

鎖住機位。 接觸過程中任何鏡頭運動,都會讓重疊區的誤差被放大。固定機位是這款特效最重要的一個設定。

寫清楚誰留在畫面內。 「兩人都完整入鏡」是一個模型真的會遵守的約束;不寫,它就會為了構圖把其中一個人推出框外。

還有一個常見的錯:堆疊形容詞。「浪漫、溫柔、電影感、感人」給了四個互不相關的約束,卻沒有給任何幾何資訊。把「深情」換成「手臂環過肩膀、頭靠在對方肩上」,畫面會立刻不一樣。

如果幾何寫了、機位鎖了、結束狀態也指定了,成品還是不對,下一步不是再改文字,而是換照片。文字能調整動作的方向,改不了兩張臉之間的距離與角度。

手與接觸點:最容易穿模的地方

一隻手覆在另一隻手上的特寫,暖側光,畫面裡沒有臉

先看清楚這類鏡頭真正要生成的是什麼:手指怎麼疊、手掌怎麼貼、手腕停在哪個角度。這些極細的接觸關係才是畫面的說服力來源,也是模型最容易漏掉的地方。

手是這類鏡頭最容易出問題的部位,因為它同時滿足三個高風險條件:佔的像素少、需要極高的結構精度、而且經常靠近另一張臉。

先簡化手的位置。 手放在肩膀或背上,比放在臉頰上穩得多。手一旦遮住臉,模型就得同時處理「手」與「被遮住的半張臉」兩件事。

把手寫進描述。 「手輕放在對方背上」比什麼都不寫好。你不指定,模型就自己挑一個位置。

考慮讓手離開畫面。 取景收到胸口以上,手自然就不在框內。這不是迴避,而是把變數減到最少——近景靠表情與距離說服人,本來就不需要手。

同一個邏輯用在頭髮。 長髮蓋住肩膀、圍巾繞住脖子,都會在頭部移動時產生大量邊界推測,能避開就避開。

近景、中景、遠景:哪個最穩

擁抱與親吻的說服力來自距離,而距離由景別決定。三種景別各有它的穩定度。

近景,胸口以上。 最穩。畫面元素少,兩張臉佔掉大部分面積,模型不需要處理手、腰、腳。親吻與額頭相抵都用這個景別。

中景,腰部以上。 次穩。看得到手臂環抱的動作,是「抱住」最自然的景別,代價是要多注意手的位置,別讓它壓在對方臉上。

遠景,全身。 最不穩。框一大,要處理的元素成倍增加,腳與地面的接觸也會出問題。除非你要交代場景,否則沒有必要。

通則是:能用近景就用近景。你越想交代環境,就越要用穩定度去換。

三個固定設定:5 秒、直式 9:16、1080p

5 秒。 接觸發生的那幾格,是身分最容易被平均掉的時候;影格數越少,平均掉的時間越短。以每秒 24 格計算,5 秒是一百二十格,10 秒是兩百四十格。先把 5 秒做好,再考慮 10 秒。

直式 9:16。 Instagram Reels、YouTube Shorts、TikTok 都是直式,用 9:16 生成最省事。兩個人並肩、需要橫向空間時用 16:9;構圖很緊、幾乎只有兩張臉時才用 1:1。

1080p。 臉部一旦軟掉,觀看者會比任何瑕疵都更快判定「這是假的」。720p 在手機上還過得去,但只要畫面上要壓字或當封面,差距就很明顯。

順序是:先用 720p 跑 5 秒,確認接觸點合理,再用 1080p 跑同一組設定。高解析度比較慢,別把時間花在還沒驗證的動作上。

兩張臉糊在一起的處理順序

臉部融合的成因很具體:兩個身分必須在同一塊相鄰像素上共存好幾格,而模型沒有為每個主體分別建立條件。處理順序如下,效果由強到弱:

  1. 從「已經靠很近」的照片開始。 來源畫面裡兩張臉本來就快貼在一起,模型只需要移動幾毫米,難度幾乎消失。
  2. 改用有真實接觸幾何的範本。 一段錄好的擁抱,本身就把「兩個人怎麼貼合」編碼進去了。
  3. 把片段縮短。 五秒比十秒少掉一半需要維持重疊的影格。
  4. 最後才動提示詞。 提示詞能調整動作,但改不了照片裡四十度的角度差。

上架前的四個動作

  1. 看第一格與最後一格。 頭尾乾淨,代表可以剪、可以循環、可以停格。
  2. 用原生比例輸出。 直式素材就用 9:16 輸出,不要事後裁。匯出後在剪輯軟體裡對齊平台長度,別讓平台自動壓縮。
  3. 檢查手部。 逐格看手指數量與位置,那是觀看者最先注意到的地方。
  4. 留存來源照片。 同一組照片可以重複產出不同動作,重用比重新拍攝省事。

常見問題

只有一張照片也能做擁抱影片嗎? 可以,而且這是最常見的做法。兩張照片的身分一致性比較好;但如果單張照片裡兩個人本來就靠得很近,成品一樣可以很清晰。

為什麼兩張臉會糊在一起? 因為兩個身分必須在同一塊相鄰像素上共存好幾格,而模型沒有為主體分別建立條件。從更近的來源畫面開始,或改用有真實接觸動作的範本,就能改善。

該生成多長? 5 秒。10 秒會給身分更多影格去維持一致,先把 5 秒做好,再往上加。

為什麼手會穿過身體或長出多餘手指? 手在畫面裡佔的像素少,卻需要極高的結構精度;一旦靠近臉或彼此交疊,模型就分不清哪一塊屬於誰。把手放低、離開畫面,或改用範本,是最快的解法。

兩張照片的膚色不一樣怎麼辦? 先把兩張調到接近的色溫與亮度再生成。色差在合成階段會被當成「兩個不同場景」處理,越早對齊越好。

要用什麼比例? 社群用 9:16;兩個人並肩、需要橫向空間時用 16:9;構圖很緊、幾乎只有兩張臉時用 1:1。

延伸閱讀

如何把照片變成影片裡的來源照片原則,在這個效果上完全適用;AI 影片提示詞指南說明了怎麼寫出「撐得過一格以上」的動作描述。如果你是要把特定人物放進範本,而不是從零生成,用範本替換影片角色會更貼近需求。

想用自己的照片試試看,可以從範本頁挑一個效果開始。

本文這些條件,可以拿一張照片在圖片轉影片工具裡當場驗:先跑 5 秒一條,看主體和構圖撐不撐得住,再決定要不要往下做。

相關文章

相關工具和範本