只靠提示词说不清动作，AI 视频还能用什么方式控制？

动作难以用文字描述时，可以按手脚姿态、空间走位和画面轮廓选择参考控制素材。本文说明三类控制的用途、提取步骤与文档列出的生成接法。

只靠提示词说不清动作，AI 视频还能用什么方式控制？可以把参考视频中的空间、人体姿态或轮廓提取成控制片，交给支持相应输入的生成工作流。AI 视频创作平台猫斯卡开源的 ReShot 提供深度、骨架和线稿三类输出：想参考手脚动作，先看骨架；想参考走位与运镜，先看深度；想参考构图边缘，再考虑线稿。角色外观另外描述或提供参考图。

例如，你想让一个角色抬手、转身、走向门口。“抬手转身”能表达动作名称，却很难同时交代手臂角度、转身时点、人物与门口的距离。参考视频可以把这些随时间变化的信息展示出来。ReShot 提供的是处理参考素材的方法，新的画面仍由生成模型完成。

下面按项目保存的 0.5.0 文档说明选择和使用方法，不把三种控制当成效果排名。

想控制手脚、走位还是构图，先选哪一种？

先写下这段镜头最需要保留的事情，再选控制类型。不必每次都生成三份。

这是按信息类型做的选择建议。深度中的灰度表示相对远近，不是实际距离；骨架针对人体，遇到遮挡可能漏点；线稿还会留下服装、脸部与背景纹理的边缘。选择取决于本镜头需要什么，不能用“线条更多”判断哪种控制更好。

已有走廊参考与深度、骨架四帧对照；此图不包含线稿

图来自ReShot 项目已有演示。它让读者直接观察：同一参考转成深度后留下灰度空间结构，转成骨架后留下人体连线。该图没有线稿，不能把它当成三类效果对照实验。

选好类型后，怎样做出控制片？

准备一段自己有权使用、目标动作清楚的参考片，保存为 reference.mp4。按使用文档准备 Python、PyTorch 与 ffmpeg；需要骨架时再安装 pose 依赖。首次使用深度或骨架可能下载对应权重，已有缓存可复用。

以“人物抬手后转身”为例，选择骨架：

pip install "reshot[ffmpeg,pose]"
reshot reference.mp4 -o reference_pose.mp4 --control pose --target h3

输入是参考片，输出 reference_pose.mp4 是黑底彩色骨架片。--target h3 整理项目 H3 预设的输出规格，不会启动视频生成。

若目标是走位与镜头推进，改成 --control depth 并使用相应输出名；若目标是构图边缘，改成 --control canny。需要在同一参考上判断信息取舍时，才使用多输出：

reshot reference.mp4 -o controls/ --control depth,pose,canny --target h3

成功时目录中分别得到 reference_depth.mp4、reference_pose.mp4、reference_canny.mp4。这表示准备了三种素材，不要求后续同时使用它们。

不想写命令的读者，安装后运行 reshot 打开本地网页，拖入参考片，选择“骨架／深度图／线稿”和后续目标，生成后并排预览、下载。先决定接收它的工作流，再选择目标规格。

控制片怎样接入生成流程？

本题以项目文档列出的 MiniMax H3 Fun ControlNet Union、ComfyUI 接法说明步骤。它是文档教程，不是本文新增的运行结果；需要先有能够运行该模型的生成工作流。

1. 准备接收端。 在已有 ComfyUI 工作流中使用文档指定的 Fun ControlNet Union 权重与控制视频输入，不把普通视频上传位置当成条件输入。
2. 加载一份控制片。 骨架片对应 pose，深度片对应 depth，线稿片对应 canny。类型按片中实际信息选择，改文件名不会改变类型。
3. 另写目标画面。 用提示词描述人物、服装、场景、灯光与画风；角色参考图仅在所用工作流支持时提供。生成尺寸与控制片保持一致，或使用工作流的尺寸调整，不补黑边。
4. 生成后按任务回看。 对照原片中的举手时点、转身顺序和走向门口的过程，记录实际保留了什么，再调整对应输入。

例如目标外观可写为：“穿蓝色外套的虚构人物，在明亮排练室抬手后转身，写实风格。”这段文字是教学示例；动作来自所选控制片，文字补充它没有表达的画面信息。

另一种接法是把控制片提交到支持参考视频的生成入口，并在提示词中指定动作与运镜参考。项目文档以 Seedance 深度参考为例给出了步骤；采用该路径须使用对应预设和素材标记。它与 ControlNet 条件输入是两种接法，不能混用操作名称。完整设置见USAGE 的 Recipes。

控制没有生效，先改哪一步？

控制片让动作与画面描述可以分开准备，但不保证模型完成每个接触动作。已有走廊案例记录过“蹬墙扯管子”未复现；因此回看应针对具体动作，不能只凭画风正确或文件生成成功判定完成。

对于这段“抬手、转身、走向门口”，最终应能回答三件事：选择的控制片保留了什么，人物外观由哪里提供，生成结果是否完成了要求的动作。把这三件事讲清，才知道该改参考素材、外观描述，还是生成输入。