AI生成的视频动作总变形，先把复杂动作拆小、把镜头拆短，再重生成出问题的单镜头。多数变形不是换一句提示词就能修好的，动作越复杂、镜头越长，模型越难保持身体结构稳定。先把目标定在能稳定出片的难度上，再一点点加复杂动作。
变形多半出在四种场面
多人同框时，模型容易把手臂、腿和面部分配错位。快速转身时，身体朝向变化太快，关节和衣物容易扭曲。打斗和大幅度动作涉及连续发力，中间帧最容易断裂。长镜头信息太多，动作、表情和场景变化挤在一起，模型难以同时兼顾。背景里出现多个人走动时，主体动作也更容易被带偏。
降难度：让动作变简单
改成单人出镜，减少人物之间的遮挡和干扰。把快动作改成慢动作，给模型留出过渡空间。用近景或中景代替全身远景，减少需要同时生成的肢体细节。人物外貌、服装和场景的描述每次保持一致，避免同一人在不同镜头里变样。场景里会动的元素越少，模型越能把注意力留在人物身上。
分镜头：一个镜头只做一个动作
把一段复杂表演拆成抬手、转身、落座等独立镜头，每个镜头只完成一个动作。先出关键帧或参考图确认造型，再由图转视频。出问题的镜头单独重生成，好的镜头保留不动。拼接时注意动作的起止姿态衔接，避免跳变。每个镜头开头和结尾留半秒静止，拼接时更容易对上姿态。
复杂群戏先换拍法
复杂群戏和高速动作目前不要硬拼，改用剪辑和镜头语言绕过去。用特写、反应镜头和空镜衔接，暗示动作结果而不必完整呈现。把精力放在故事节奏上，观众记住的是情节，不是每一帧的动作完整度。先保证每个镜头都看得过去，再谈整体的流畅和气势。
