把古诗词做成竖屏动态视频，难点并不在“生成一张好看的古画”。真正影响成片可信度的，是如何让诗句、画面、局部运动、字幕和声音在同一条生产链里彼此约束。本文以《钱塘湖春行》的八句诗为例，整理一套可复用的制作与验收方法。

古诗词中国画动态视频的竖屏画面示例
项目示例的本地化静态封面：最终判断对象应始终是编码后的成片，而不是单张效果图。

先定义交付目标：不是“会动的壁纸”

静态画面轻微推近，确实能制造运动感，却不会让水、鸟、柳枝、衣袍或马蹄产生可解释的变化。更稳妥的目标是：镜头保持稳定，只让画中已有物象以符合场景逻辑的方式做局部动作。这样既保留中国画的构图，又能显著降低图生视频重绘建筑、复制动物或改写人物肢体的风险。

可以把完整链路写成：古诗全文 → 意象与情绪分析 → 分镜 → 无字静帧 → 图生视频 → 抽帧检查 → 必要的局部修复 → 毛笔字幕 → 原环境声与 BGM 混音 → 交叉溶解 → 最终 MP4 QA。

1. 分镜：长诗默认两句一景

《钱塘湖春行》可按连续两句拆为四景，而不是把花、鸟、马、柳和白堤同时塞进第一张图：

  1. 湖寺与低云：“孤山寺北贾亭西，水面初平云脚低。”重点是湖面、亭寺、低云与平静水气。
  2. 早莺与新燕：“几处早莺争暖树，谁家新燕啄春泥。”重点是树上鸟、泥点与早春的细节。
  3. 乱花浅草与游春：“乱花渐欲迷人眼，浅草才能没马蹄。”重点是草地、花与马蹄尺度。
  4. 绿杨白堤：“最爱湖东行不足，绿杨阴里白沙堤。”重点是堤岸、杨柳、行旅与收束感。

每景先填一张约束卡：明确名词、一个主动作、前中远景与天空、情绪任务，以及本景禁止出现的其他场景物象。它比反复抽卡更有效，能避免模型把整首诗的元素混在同一画面。

2. 风格统一的是“系列 DNA”，不是同一张色卡

古诗视频很容易落进统一泛黄古绢色。更合适的做法，是统一文化可信度、时代细节、低饱和颜料关系和竖排题字安全区；不同分镜再选择不同的画法和光线。例如湖寺可用淡墨水气，花鸟可用细致工笔，人物鞍马可增强结构感，长堤可转为青绿或清雅的春日色调。观众看到的是同一支短片，而不是四张颜色完全一样的图。

3. 静帧提示词：先让诗推动画面

每张无字静帧至少应交代完整诗歌背景、当前两句、允许物象、一个主视觉事件、前景/中景/远景/天空、独立画法和光线、右侧两列题字安全区，并明确禁止文字、水印、现代物品和其他场景物象。参考图的角色只是锚定材质与笔触质量，不应复制其构图。

4. 图生视频提示词的四段式结构

静态锚点

把绝不能变化的对象逐项写出，例如寺庙屋顶、亭台、山体轮廓、树干、主枝、岸线、人物躯干、马体、传统红印和题字留白区。不要只写“保持一致”，而要指出对象与空间关系。

局部动作区

每景只设一个主动作，最多一到两个辅助动作。例如：主动作是水纹从既有芦苇接触点向外扩散两圈；辅助动作是芦苇弯曲一次、倒影只轻微闪动。动作越多，模型越可能重画整张图。

稳定收尾

每段结尾预留约一秒，让残余动作渐停。这样下一段交叉溶解时，画面不会一边剧烈摆动、一边突兀透明。

反幻觉禁令

禁令必须与分镜相匹配：禁止新增主体、改变鸟数、树枝生长、柳叶脱落、云雾变成装饰性图案、建筑重建、多腿或融合关节、身体替换、额外文字和印章。对“连接关系”写得越具体越有效，例如每片叶子必须仍连在原枝条上。

LOCKED CAMERA
no zoom, push, pan, tilt, roll, reframing, parallax or crop change

Only the specified local motion is allowed.
All structural anchors remain fixed; do not add subjects, text, marks, branches or limbs.

5. 三类常见失败，如何把提示词改得可执行

  • 低云动成了新天空：若建筑被重建，取消天空动画，把动效收窄到前景水纹或芦苇，并冻结水线以上的天空、云、山、树、寺庙和亭台。
  • 鸟越飞越多：避免跨画面飞行。可限制为围绕原身体中心振翅一次、位移极小；栖枝鸟只转头张嘴，燕子只在原泥点完成低头、啄泥、抬头；整棵树冻结。
  • 柳动成漫天落叶：明确每片叶、枝、花瓣都持续连接原枝条，禁止任何叶片、枝条、花瓣或碎屑脱离并飞入空中。

6. 星标、红印与字幕分别处理

画面上的白色模型覆盖标记与传统红色方印语义不同：前者如需处理，应只针对明确的局部区域；后者属于构图内容，应保留。局部处理后要重新抽取对应区域核验，不能用全画面自动抹除。

字幕宜后期合成，而不是让绘图模型写汉字。可使用毛笔风格字体，将两句诗排成两列竖排：第一句在右、第二句在左，标点不显示，逐字出现，每景末尾一起淡出，为转场留出余量。这样可保证字形、位置和修改能力。

7. 声画交接：环境声不丢，BGM 不重启

图生视频自带的水声、风声、鸟鸣、翅膀、草叶、衣袍或马蹄，属于画面因果的一部分。烧录字幕时要检查它们没有被意外丢弃；BGM 则应该作为整片连续轨道，而不是每个分镜从头播放一次。场景原声之间做交叉淡化，画面使用自然溶解，BGM 保持连续，再按项目需要控制混音增益。

画面：xfade=transition=fade
场景原声：acrossfade
连续 BGM：全片一条轨道
交叉溶解后显式转换：format=yuv420p

最后一行尤其重要：滤镜链可能改变像素格式。即使所有输入是 yuv420p，最终编码仍应重新检查，而不能从输入素材推断。

8. 最终 MP4 QA：只验最终编码文件

自动命令通过仅说明文件可播放，不能替代视觉关系的检查。对最终成片重新抽取每景主画面、三个转场中点、人物与马匹等高风险帧、最后一帧，以及标记与红印所在区域；同时使用媒体探测确认视频尺寸、帧率、视频/音频编码、持续时间与黑帧/静音风险。

  • 建筑是否复制、重构或漂移；
  • 鸟的数量是否恒定，马是否维持四肢与地面接触；
  • 题字安全区是否干净，字幕是否正确；
  • 需要清理的局部标记是否消失，而画面中的传统印记是否还在；
  • 转场有没有黑帧、损坏尾帧、环境声断裂或 BGM 重启；
  • 最终文件是否为目标发布规格，而不是只看中间素材。

9. 把项目经验变成可复用 Skill

可复用的不是某四张图，而是默认判断：短诗逐句成景、长诗两句一景；风格统一不等于色调一致；镜头默认锁定；每景一个主动作；静态锚点具体到建筑、树干、岸线和身体中心；收尾要稳定；字幕后期生成；保留原环境声；BGM 连续；最终 MP4 重新抽帧验收。公开的项目说明与安装材料可在 项目仓库 查阅；使用时仍应自行确认所接入图像、视频与音频服务的账户权限、授权与使用条款。

结语

让中国画“活起来”，不等于让整幅画不断运动。更可靠的方法，是让最该动的局部按照诗句中的原因自然发生，并通过锚点、禁令、声音和最终 QA 把变化控制在可解释的范围内。