可以靠一套正确的导演工程把它压到可用

可以靠一套正确的导演工程把它压到可用。AI 视频里“人物和场景位置来回动”，本质不是模型笨一点点，而是它没有真正的三维片场记忆。它不是在一个真实房间里连续拍摄，而是每一小段、每一帧、每个动作节点都在重新猜“这个人应该在哪、门窗在哪、镜头在哪”。所以解决方向不是继续堆“keep consistent”，而是把它当成电影调度问题：先建立空间账本，再限制运动自由度，再用锚点把人物、镜头、背景三者锁死最有效的方向就一句话：AI 视频必须从“描述画面”升级成“描述片场调度”。你以前写提示词可能是“一个女人在房间里走向窗边，镜头缓慢推进，阳光照进来”，这对图片够了，对视频不够。视频需要写成“房间左侧是床，右侧是窗，人物起点在床尾左前方，面向右侧窗户，向右前方走两步，最后停在窗边，镜头固定在门口，不跟随人物，只轻微推近”。这个差别非常大。前者让模型自由想象，后者是在给它画地形图。