文生视频出问题，大多逃不出几种固定的样子。每一种都能说清成因，也都有对应的改法。这篇排错指南讲你最常撞上的五类。它们是手部变形、人脸漂移、画面抖动、提示词被忽略，以及风格前后不一。每一类都先讲为什么，再讲怎么改。
不管是做带货短视频、口播素材还是 AI短剧，这些问题都会反复出现。先认出是哪一类，通常只需要改一处，不用推倒重来。
手部变形、手指变多
手是最容易翻车的部位。它小，动得快，还会折成各种复杂的形状，模型有太多出错的机会。手在做精细动作时，或者在画面里占得很小、可参考的细节很少时，变形最明显。
修法是少给手派活。提示词里多写简单、清楚的手部姿势，比如“双手放在桌上”“双手捧着一杯热茶”，少写半空中的快速手势。手不是重点时，干脆构图把它切掉，或者让它保持不动。
手部动作确实重要时，一张姿势参考图或一段参考视频，比任何形容词都管用。因为模型是在照着真手复制，而不是凭空编一只。另外，镜头也别拉太长。时间越长，手部错误越容易累积。
人脸在片段中途漂移
第一帧看着没问题，之后慢慢不像本人了，这就是身份漂移。模型手里没有锚点来固定这张脸，生成越长，脸就越容易跑偏。特写镜头和需要反复出场的角色，漂移最明显。
最稳的办法是用参考。先建好角色参考，再把它传入每一次生成，让模型有一张脸可以对照，而不是每一帧重新推断。在 Morphic 里，这就是设定图的做法：用一组图像定义角色，再带进每个需要这个角色的镜头。一致性本来就是这个产品的核心机制，比文字描述更能守住一张脸。
镜头短一点也有帮助。还没来得及漂移，就已经切走了。
画面抖动或卡顿
画面闪烁、卡顿、帧间跳变，通常是因为动作要求太多，或者动作描述不够具体。提示词里的动作又快又含糊，模型就没有稳定的目标，各帧之间互相打架。
把动作放慢
加一个节奏词。“缓慢”“轻柔”“平稳”比快速、大幅度的运动更容易生成流畅的画面，因为每一帧要协调的变化更少。只要要求更从容的运动，大部分抖动就会消失。
只描述一个清晰的动作
一个看得清的动作，比如“镜头缓慢横移，扫过房间”，比同时堆好几个动作更流畅。需要多个动作时，分成几个镜头分别生成，再剪在一起，别硬塞进同一个片段。
锚定镜头和主体
写明什么是不动的。“主体静止，镜头缓慢推近”，就是在告诉模型画面里哪一部分是稳定的。所有东西同时在动，才是闪烁的来源。把锚点写出来，往往就够了。
模型忽略了提示词的一部分
你明明写了的细节没有出现，多半是提示词太满、太乱。模型的注意力有限，一长串同等权重的子句，会把你真正在意的那一条淹没。
办法是排序，再删减。把最重要的放前面，先写主体和动作，再写场景，最后写风格，并删掉没起作用的子句。某个细节总是被漏掉，就给它单独写一句简短直接的话，别夹在长句里。
文字描述不够用时，就别再描述了。直接附上一张参考图，让图来承载文字一再丢失的细节。你也可以把整个需求交给 Copilot，让它来规划镜头。一条过载的提示词，往往因此变成模型真正能照做的版本。
多个镜头之间风格不一致
每个镜头的风格、色彩、世界观都略有不同，原因是每次生成都从零开始，和上一个镜头没有任何联系。一条提示词，保证不了跨多次独立生成的一致性。
办法是让每个镜头用同样的参考和同样的固定设置。共用同一个角色参考和场景参考，再固定不该变的设置：画幅、模型和提示词里的核心风格词。
同一套流程要反复跑的话，就存成 Workflow。固定好的模型和设置会跟着每一次运行走。第十个镜头和第一个镜头保持一致，没人需要重新输入。
接下来做什么
上面几乎所有修法，都归结为三步：放慢动作、精简提示词、加参考。知道自己碰上的是哪一类问题之后，改动通常只有一处，不用重做。
想先试试这些提示词改法，可以从 AI视频生成器开始。调好的流程存进 Morphic Workflows 库，下次直接复用，调对一次的风格就能一直保持。
常见问题
先改一处，再重新生成。每次生成都是一次新的采样，同一条提示词的结果本来就会有差异，所以盲目反复重来，只会得到同一个问题的另一个版本。大多数问题只有一个根源：提示词过载、动作太多，或者缺少参考。先判断你碰上的是哪一种，再做对应的修改。想要稳定，就固定参考图、画幅、模型和核心风格词，并且每次只改一个变量。
手小、动得快，又会折成复杂的形状，模型有很多出错的机会，在画面里占得越小越容易错。办法是要求更简单、更清楚的手部姿势，手不是重点时把它切出画面。需要特定手部动作时，用参考图或参考视频，照着真手复制比描述一只手靠谱。片段短一点也有帮助，手部错误会随时间累积。
脸会变，是因为模型没有锚点来固定各帧的人脸。最稳的办法是角色参考。用一组图像定义角色，再传入每一次需要它的生成，模型就有脸可以对照，不必重新推断。这种设定图的做法，比文字描述更能守住身份。镜头短一些，漂移累积的时间也更少。
通常是动作太多，或者动作描述不够具体，导致各帧互相矛盾。用“轻柔”“平稳”这类节奏词放慢动作。只描述一个清晰的动作，并写明什么保持不动，比如静止的主体加缓慢推近的镜头。把稳定的部分锚定下来，大部分闪烁就没了。
提示词过载又没有顺序时，你在意的细节会被淹没。模型的注意力要分给太多同等权重的子句。把最重要的放前面，先写主体和动作，再写场景和风格，并删掉没起作用的子句。顽固的细节给它单独一句，或者附一张参考图，让文字少承担一点。
让每个镜头都使用同样的参考和同样的固定设置。共享镜头之间用同一个角色参考和场景参考，并固定画幅、模型和核心风格词。同一套流程经常重复时，存成 Workflow。固定好的模型和设置会跟着每次运行走，后面的镜头自然和前面对得上。
常常可以改。镜头只有一处不对时，对现有视频做基于提示词的编辑，就能把改动贯穿整个片段，不必整段重新生成。这相当于批注和重拍的区别。遇到人体变形、身份漂移这类结构性问题，先修输入通常更快。换一张更干净的参考图，或者换一个更简单的姿势，再重新生成。