Spark Robin 真人图生视频工作流

真人图生视频不只是模型能力问题，更重要的是：你能不能把一张人像、商品图或活动静帧变成足够稳定、可审核、能帮助团队做判断的动态草稿。

Spark Robin 把它当成工作流问题。图片是视觉锚点，动作说明是导演笔记，生成片段是制作前的判断工具，而不是最终成片。视觉身份已经确定时，可以从 /image-to-video 开始。

快速结论

当你拥有图片使用权、明确审核目标，并且动作要求足够克制时，Spark Robin 更适合做真人图生视频测试。第一版草稿通常只需要一张清晰参考图、一个镜头行为和一个主体动作。

真人图生视频从人像或人物参考帧开始，再添加运动、镜头、表情变化或环境氛围。它适合创作者简报预览、口播概念、UGC 广告开场规划、美妆穿搭测试、内部提案短片和分镜连续性检查。

它的目的不是伪装成最终制作，而是在投入拍摄、剪辑或 campaign 之前先看到方向是否成立。

弱参考图会带来弱动态。生成前先检查主体是否清楚、脸部或产品边缘是否锐利、光线是否稳定、分辨率是否足够。

更好的参考图通常具备一个明确主体、清晰眼睛或产品边缘、自然光线、必要时可见肩部或产品形状，并且构图已经接近目标渠道。

尽量避免多人合照、极端裁切、重滤镜、压缩截图，以及脸部、服装或产品形状不明确的图片。

图片已经承载身份。提示词应该描述时间里发生什么。

弱提示词：

一个很漂亮很真实的人，完美脸，高级电影感，高细节，很棒的光线。

更好的提示词：

使用上传人像作为身份锚点。主体轻微看向左侧，再自然看回镜头，有自然眨眼和平静表情。镜头缓慢推进，柔和日光，脸部结构稳定，不要突然变焦。

第二种写法说明了要动什么、要保护什么，以及该如何判断结果。

这样可以让草稿更有用，也减少积分浪费。

使用上传图片作为身份锚点。主体只做一个轻微动作：[动作]。镜头：[镜头行为]。保持脸部、服装和主要轮廓稳定。[光线/情绪]。避免夸张表情变化。

适合第一轮测试的动作包括轻微转头、自然眨眼和微笑、肩部轻微移动、产品轻轻靠近镜头、微风带动头发或布料，以及慢速镜头推进。

只有当第二张图能解决具体问题时再添加。

更多参考图不一定更好。冲突参考图会降低稳定性。

在 Spark Robin 里，图生视频更适合被当成发布审核工作流：清晰参考、克制动作、可见积分成本、每个草稿只回答一个问题。这样才能得到有价值的视频方向，而不是把第一版渲染误当成最终广告资产。