照片 跳舞:誰在照片裡,決定他能跳什麼
照片 跳舞,成品八成在你選照片那一刻就決定了:裁切決定哪些身體部位存在,姿勢決定動作能往哪個方向走,人數決定身分撐不撐得住。提示詞只決定動作的風格。

本頁內容
# 照片 跳舞:誰在照片裡,決定他能跳什麼
照片 跳舞,多數人以為是提示詞的問題;但它幾乎從來不是。你選完照片的當下,結果就大致定了:裁切決定哪些身體部位存在,姿勢決定動作能往哪個方向走,人數決定身分能不能維持。提示詞決定的是動作的風格;照片決定的是「有沒有動作」。
這篇處理六種人真的會拿去餵跳舞效果的照片,說明各自能跳什麼、不能跳什麼,以及成品不對時該按什麼順序重來。
跳舞是一條動作鏈,不是一個動作
看一段街舞的定點動作就知道:重心先落到左腳、髖跟著轉、肩膀往反方向帶、頭保持水平、手臂最後才到位。五個環節有先後,少一個,動作就散掉。
這條鏈的每一環,都要求某個身體部位在畫面裡、某個姿勢讀得出來。所以半身照跳不出有腳步的舞:畫面裡沒有腳,模型只能二選一——忽略指令,或自己發明一雙腿,而發明的腿就是效果崩掉的地方。
低角度拍的全身照也跳得比正面差,理由同一個:透視已經先把比例拉變形了,而模型要維持的正是那個比例。
實務上的規則只有一句:裁切就是編舞。 畫面外的部位不可能參與動作,而畫面邊緣的東西一定最先變形。
六類照片 × 能跳什麼
| 照片類型 | 能跳什麼 | 不能跳什麼 | 主要狀況 |
|---|---|---|---|
| 全身正拍、腳在框內 | 完整短段落、重心轉移、轉身 | 地板動作、跳出框的跳躍 | 腳滑、離地 |
| 全身但仰角或俯角 | 只有上半身可強調 | 任何依賴比例的動作 | 身體被拉長 |
| 半身照 | 肩膀與頭部、左右擺動 | 踏步、旋轉、任何腿部動作 | 裁切線以下長出腿 |
| 合影二到四人 | 一人主跳、其他人靜止 | 整組同步編舞 | 臉互換 |
| 寵物全身 | 轉頭、抖耳、小幅彈跳 | 雙足動作、手勢 | 腿變成人腿 |
| 嬰兒或幼童 | 彈跳、揮手、轉頭 | 任何需要平衡的動作 | 比例往成人漂移 |
| 插畫或動漫 | 局部動作、衣角與髮絲 | 大幅位移、複雜關節 | 線條抖動 |
右欄的「不能」全部是同一個原因:你要求模型去動一件照片沒有提供的東西。
重試順序:先換照片,最後才改提示詞
成品不對時,多數人第一件事是重寫提示詞。但那其實是第五順位。
| 順序 | 改什麼 | 為什麼 |
|---|---|---|
| 1 | 換照片 | 身體變形通常來自姿勢與裁切,不是文字 |
| 2 | 把舞步砍短 | 5 秒的舞已經很有野心;先跳一個八拍,站穩了再加 |
| 3 | 減小幅度 | 半步比一整步好看 |
| 4 | 鎖定機位 | 會動的機位把預算花在畫面框上,而壞掉的通常是框 |
| 5 | 改提示詞 | 把形容詞換成部位、方向、幅度 |
照這個順序走,多數情況在第二步就會穩定下來:三種最常見的狀況裡,有兩種是來源問題穿著提示詞的外衣。
重試之前,把同一組設定記下來:來源照片、句子、時長、比例。你會很快看出哪一張照片特別好用,而那一張就值得重複使用——一張乾淨的全身照可以撐幾十次不同的動作,這比每次重新找照片省事得多。
全身正拍:唯一能跳完整段的構圖
腳在框內、機位大約在胸口高度、正面拍攝——只有這種來源能撐起一段真正的舞步。其他構圖都是局部表演。
三個條件讓全身照變得可用:
- 雙腳完整入框,腳下看得到地面。 沒有地面可以參考,模型不知道腳該踩在哪裡,人物看起來會浮著。
- 機位在胸口高度、正面拍。 低角度會把腿拉長、身體壓短;模型照著這個變形去動,只會更糟。
- 手臂離開軀幹。 雙手抱胸或插口袋,等於把這個效果最需要的部位藏起來。
如果你有一張好的全身照,就重複用它。一張乾淨的來源可以撐幾十次嘗試;一張勉強的來源,每次都會在同一個地方出問題。

半身照:改拍「上半身表演」
最常見的錯誤,是拿一張半身照要求它跳一支舞。半身照裡只有頭、肩、手,這就是它全部的詞彙量;你要求的是它沒有的東西,模型只能自己想辦法。
它能做好的是舞蹈的上半段,具體就這三類:
- 左右擺動。 重心在兩腳之間來回,肩膀跟著走。
- 繞肩與抬手。 肩膀畫一個小圓,手臂抬到肩膀高度。
- 跟著節拍偏頭。 頭往一側倒,配一次眨眼。
它不能做的是任何需要換重心的動作。要求旋轉,模型只會給你兩種結果:忽略指令(看起來像慢速搖擺),或在裁切線下發明一雙腿(下半身像橡膠)。
換一個說法會更好用:半身照不是「跳不了舞」,而是「只能跳上半身」。社群上大量的舞蹈短片本來就是腰部以上取景,這個類型半身照完全撐得住。
合影:先數人頭,再指定主角
家族合照、畢業照、尾牙合照,這類照片最容易被拿來試「一起跳」。規則是:兩個人可以,四個人勉強,八個人不必試。
原因不是畫面空間不夠,是身分不夠分。多一個主體,就多一張要在重疊中撐住的臉,而重疊正是生成模型資訊最少的地方。四個人的照片,到第三秒至少會有一張臉換掉或糊掉。
照片裡超過兩個人,就指定一個人當主角,其餘描述成靜止:
左邊的人踏一步並轉身,其他人保持不動,機位固定,全部都在框內
在合影裡,「指定誰在動」是價值最高的一句話。不指定,模型會把動作平均分配到整個畫面,然後每個人都在漂。

寵物與嬰兒:比例決定範圍
寵物。 全身的寵物照可以撐轉頭、抖耳、擺尾、小幅彈跳。不能撐任何雙足動作——要求一隻狗揮手,你會得到人類的手臂。陷阱在於「跳舞」這個詞會把模型拉向人類動作,所以描述動作,不要描述類型:「狗的頭轉向側面、耳朵抬起,身體不動」。
嬰兒與幼童。 動作預算小,比例又精細。彈跳、揮手、轉頭可以;任何牽涉平衡的動作——站起來、踏步、旋轉——會在一兩秒內往成人比例漂移,結果不是可愛,是詭異。動作小、片段短,是這一類唯一的做法。
插畫與動漫:最寬容,也最挑剔
手繪來源寬容,因為沒有攝影真實可以去對照——一個風格化的角色輕輕動一下,還是同一個角色,觀眾不會拿「真人應該長怎樣」去比對它。
但它同時挑剔,原因正好相反:強烈的畫風對「身體怎麼變形」有自己的規矩,頭髮怎麼分束、外套怎麼飄、關節該鈍還是該尖,都是作者定下來的,而生成的動作很少遵守。
兩個做法能提高表現。第一,選一張四肢與軀幹分得開的圖——手臂貼著身體的剪影,模型沒有東西可以抓。第二,用那個畫風自己的詞彙描述動作:「角色的外套揚起、頭髮飄動」,而不是「他在跳舞」。
還有一個容易忽略的細節:插畫的線條通常比照片銳利,動作一動,線條抖動會比真人素材明顯。把片段壓在 5 秒、動作寫小,比換一套工具有效。
三種「拍了但跳不動」的處置
| 狀況 | 真正的原因 | 處置 |
|---|---|---|
| 下半身像橡膠 | 半身照被要求做腿部動作 | 裁更緊,讓畫面在身體結束處結束 |
| 腳一直滑 | 腳下沒有地面,或機位太低 | 換一張看得到地面的全身照 |
| 臉在第二秒換人 | 人數太多,或頭轉幅太大 | 指定一人主跳,頭部動作減半 |
輸出設定:比例、解析度與時長
跳舞類的成品幾乎都去 Instagram Reels、YouTube Shorts、TikTok 或 Threads,這些以直式 9:16 為主,所以從生成就選 9:16,不要先做 16:9 再裁。全身入框的題材裁成直式時,腳很容易掉出框外,取景要在下方多留一成空間——這也是前面強調「腳要在框內」的另一個理由。
解析度方面,720p 適合在手機上快速確認動作,1080p(1920×1080 畫素)才是要發布的版本。720p 在二十七吋螢幕上檢視時,臉部與手部的邊緣會先糊掉,品質落差比在手機上明顯得多。成品要放進簡報或網站首屏,就直接以 1080p 生成,不要事後放大。
時長與比例要一起決定:全身段落用 5 秒、直式 9:16;半身擺動也用 5 秒,只是動作更小。需要更長的段落,做兩段 5 秒再進剪輯軟體接起來,比一次生成 10 秒可控得多。方形貼文用 1:1,但 1:1 會把動作的左右幅度切掉,拍攝時就要往中間收;橫式 16:9 只在成品要嵌進網頁播放器或 YouTube 長片時使用。
常見問題
只有半身照,能讓照片跳舞嗎? 可以讓上半身動——擺動、繞肩、偏頭。拿不到腳步,因為畫面裡沒有腳。如果段子本身重要,去拍或找一張全身照。
為什麼半身照一動,腿就怪? 因為那是模型發明的。把裁切收緊,讓畫面在身體結束的地方結束,或直接換全身來源。
照片裡可以幾個人? 兩個穩定。超過就指定一個人主跳,其餘描述成靜止。
仰角或俯角的照片可以用嗎? 它在動起來之前就已經把比例拉變形了。正面、胸口高度最安全。
片段該多長? 全身段落 5 秒;半身擺動 5 秒、動作再小一點。越長的片段,越多影格花在會漂的地方。
需要寫出舞名嗎? 不需要。同一個舞名對不同模型意義不同。描述身體:哪個部位動、往哪個方向、動多少。
同一個人可以做成系列嗎? 可以,但要用同一張來源照片。換一張同一個人的照片,等於換了一個身分起點,兩段放在一起會像兩個人。
下一步
效果的機制(來源構圖、鎖定機位、動作指令怎麼被讀)在AI 舞蹈影片生成器。照片裡不是人的話,把照片變成影片有材質對照表;先選路線再選工具,ai 影片製作是入口。
拿一張全身照,從範本頁挑一個效果開始試。
想拿自己的照片先把這套規則驗一遍,可以打開舞蹈範本工具:上傳一張全身照、跑一條 5 秒,看你的照片到底過不過關。


