动作控制不是普通的“让图片动起来”
普通图片转视频由模型根据提示词发明动作。动作控制则加入参考视频，让模型有一条可以遵循的运动路径。
可以把输入理解为：图片决定主体外观，参考视频决定动作和节奏，提示词负责说明要保留什么以及重点跟随什么。
它能控制哪些内容
参考视频可以提供舞蹈、手势、步伐、姿态变化、身体节奏或部分镜头运动。但“参考”不等于逐帧复制，模型仍会重建人物、肢体和背景。
动作越快、遮挡越多、视角变化越大，身份和结构漂移的风险越高。
什么时候值得使用
已经有明确动作样片
当团队能够指出“就按这条视频的节奏”，动作控制比用文字解释每个动作更直接。
需要姿态顺序
舞蹈、健身动作、角色表演和产品操作往往包含顺序。参考视频可以提供时间结构。
需要比较不同主体
可以用同一条动作参考测试不同已授权人物或角色图片，但每个主体仍需要单独检查。
什么时候不必使用
如果只需要眨眼、呼吸、产品缓慢旋转或环境轻微运动，普通 图片转视频 输入更少，也更容易迭代。
如果需要精确复现专业舞蹈、工程操作或安全动作，生成式动作控制不应替代真实拍摄、动作捕捉或人工动画。
输入匹配决定难度
全身参考视频最好搭配全身主体图，正面动作最好搭配正面或相近角度。源图中看不到的肢体和背面只能由模型推断。
参考视频应尽量单镜头、主体明确、动作连续，并裁掉无关部分。复杂剪辑会让模型难以判断真正需要迁移的路径。
发布前需要检查
检查人脸、身体结构、手脚、遮挡、动作含义、背景和可能造成误导的内容。只使用已获授权的图片与参考视频，不要用生成结果冒充真实人物行为。
准备好输入后，可以打开 AI 动作控制工具，也可以阅读 一张图片加一条参考视频的操作指南。
结论
AI 动作控制适合“运动方向已经明确”的任务。它用参考视频减少文字描述的歧义，但不会消除生成差异。匹配输入、缩短动作范围和人工检查仍是流程核心。