# 08 · 避坑 12 问

> 火山方舟官方 PDF 收录的 12 类高频问题。每个问题按"**典型现象 → 根因 → 解决方案**"组织，需要时按问题名搜索即可。

---

## 1. 人物 ID 漂移

**典型现象**：生成的角色形象与参考图不一致，或在视频中途发生"换脸"（ID 漂移），导致视频中人物撞脸明星被审核拦截。

**根因**：人脸参考图的有效性不足。
- 参考图混用：将人脸参考图与全身/半身姿态图、服装参考图、细节图等合并在同一张图片中提供给模型
- 人脸占比过小：在混用参考图中，人脸区域占整张图的比例过小，模型在提取人脸特征时权重不够，容易被背景或其他元素干扰

**解决方案**（强化人脸参考的独立性和权重）：

1. **准备人脸特写图**：在原有全身照之外，额外准备一张**只包含角色头部的人脸特写图**（大头照，仅保留面部，无表情最佳，尽量减少肩颈、背景等干扰元素）
2. **提示词中主体定义清晰**：`<主体1> 的面部特征参考图片1（大头照），妆造参考图片2（全身照）`
3. **重要素材前置**：越需要精准参考的素材，放在提示词中越靠前的位置

> ⚠️ 人物参考使用**大头照 + 全身照**即可，**不建议使用人物多视图**。多视图素材包含同一人物的不同角度，模型易将其识别为多个不同主体，反而加剧 ID 漂移问题。

---

## 2. 视频中包含字幕

**典型现象**：提示词中未要求生成字幕，生成的视频中包含字幕。

**根因**：参考图/视频中包含文字。

**解决方案**：目前无法直接做到 100% 避免生成字幕，只能通过以下方法降低其出现概率、提升抽卡成功率。

1. 在提示词中加入明确的约束指令：`保持无字幕`、`避免生成任何文字或字幕`
2. 如果参考的图片/视频中包含的文字并非必要信息，建议先通过工具去除文字（例如使用 Seedream/Seedance 模型的图片/视频编辑能力），再使用无文字素材作为输入
3. 在业务允许的前提下，**优先选择横屏尺寸生成视频**（横屏生成字幕的概率明显低于竖屏），后续可通过剪辑软件裁剪为竖屏

---

## 3. 视频中有 Logo / 水印

**典型现象**：提示词中未提及水印相关内容，生成的视频包含其他视频平台的 Logo / 水印。

**解决方案**：在提示词中加入明确的约束指令：

```
不要生成水印
不要生成Logo
```

---

## 4. 风格漂移

**典型现象**：期望生成 2D 或者 3D 动漫风格，但输入的参考图片的风格比较写实，并且提示词中未强调视频风格，生成的视频有概率漂移成真人写实风格。

**解决方案**：

1. 在提示词中加入明确的风格约束词，例如 `2D 日漫风格`、`3D 国风漫画`
2. 如果需要更精准的风格控制，建议**将参考图先变为目标风格再进行生视频**

---

## 5. 延长视频衔接处跳变

**典型现象**：使用视频延长功能生成新视频后，将新视频与原视频进行拼接，在衔接处可能出现画面跳变、回退的问题。

**解决方案**（当前建议通过后期剪辑修补，对齐关键帧）：

1. 将待拼接的视频导入剪映或其他专业视频剪辑软件
2. 在第一个衔接处，将**前一段视频的末尾删减 6 帧**
3. 同时，将**后一段视频的开头删减 1 帧**
4. 对所有的拼接点重复以上操作
5. 导出并检查拼接后视频的流畅度

> 💡 视频帧对齐后，仍可能存在细微跳变，建议在续写生成视频的时候**以转场切镜的时刻结尾**，下一段视频以结尾切镜后的新场景为起始。

---

## 6. 双胞胎问题

**典型现象**：在画面人物较多且传入人物三视图作为参考素材的场景下，生成视频同一画面中易出现两个完全相同的人物。

**根因**：
- 提示词中对人物主体的定义不清晰，模型无法精准区分不同人物角色
- 以人物三视图 / 多视图作为参考素材时，易造成模型人物识别混淆，从而生成重复同款人物

**解决方案**：

1. **明确人物主体关联**：在提示词中清晰定义每个人物角色，明确角色与参考图的对应关系。建议在人物名称后标注对应参考图，并保持格式统一。
   - 示例：`张三（对应图片 1）将绿色存折扔向站立的李四（对应图片 2）`

2. **添加全局约束指令**：在提示词末尾增加固定约束：
   ```
   视频全程禁止出现外形、着装、配饰完全一致的人物，
   禁止生成同款分身、双胞胎效果，
   同一画面中仅保留单个对应人物，不出现人物重复复刻。
   ```

3. **优化参考素材**：人物参考图优先使用单人独立照片，**不建议使用三视图、多视图素材**

4. **精简优化提示词**：请勿直接将完整剧本作为提示词使用，文案内容过度冗余易造成模型理解混乱，需精简无关表述、保证指令清晰聚焦

---

## 7. 视频延长画质劣化

**典型现象**：将模型生成的视频作为输入素材进行延长续写时，会出现画质劣化。多次续写会叠加劣化效果，尤其人物人脸区域易出现斑驳色块。

**解决方案**（当前可通过以下方式缓解画质劣化）：

1. **将原始视频通过 Seedance 2.0 转为白模视频，再作为续写输入素材**
   - 参考提示词：`将视频转为白色 3D 模型，人物统一为纯白 3D 模型，无色彩、无纹理、无阴影，纯白背景，结构稳定、运动流畅`
2. 优先选用高清图片作为参考素材
3. 合理控制视频续写次数，避免多次叠加续写

---

## 8. 特效效果不符合预期

**典型现象**：通过提示词文字描述特定特效时，可能会出现特效效果与预期不符的情况，例如：提示词指定"数字'2999'以倒计时动画出场"，实际生成的数字滚动特效出现无序跳变，不符合标准倒计时逻辑。

**解决方案**：建议采用**参考视频**定义特效——将目标特效视频作为参考素材输入模型，让模型精准理解特效形态与运动逻辑，生成效果更贴合预期。

例如：`数字"2999"出场方式参考视频1`

---

## 9. 参考人物过多

**典型现象**：当参考人物数量超过 4 人时，模型输出稳定性下降，生成的视频可能出现人物数量不符（如少人、多人）或人物重复等问题。

**解决方案**：

1. **分步生成图片**：将人物分组，确保每组生成的图片中人物数量不超过 4 人。例如，6 个人可分成 2 组，每组 3 人，分别生成图片
2. **图片生成视频**：使用第一步生成的多张分组图片作为参考素材，再生成最终视频

---

## 10. 视频结尾有噪音

**典型现象**：视频中包含旁白时，视频片尾容易出现突兀咔哒声、截断杂音。

**解决方案**：重新生成视频，或使用剪映等剪辑工具，对片尾音轨通过**音量包络线**做音频淡出处理，消除截断噪音。

**剪映具体步骤**：

1. 将生成的视频导入剪映
2. 在时间轴上选中视频轨道，点击工具栏中的**音频**
3. 选择**音量包络线**功能（部分版本位于基础/调节菜单内），并选择关键点
4. 在视频临近结尾处，将末尾音量关键点下拉至音量为 0，形成一个向下的斜坡
5. 预览确认片尾音频自然淡出，无突然截断与杂音即可

---

## 11. 中文发音不准

**典型现象**：模型对多音字、生僻字、形近字容易读错。

**解决方案**：可将易读错文字替换为**发音一致的常用同音字**，规避发音偏差，还原预期音频效果。

- 示例：可将提示词中"鳞龙山"改写为同音字"吃龙山"

> ⚠️ 注意该方案仅为优化手段，无法完全规避所有发音问题。

---

## 12. 音色参考不准

**典型现象**：使用参考音频指定音色时，最终生成视频的音频音色与参考音色存在明显偏差。

**解决方案**：

1. 在提示词中补充细致的音色特征描述
   - 示例：`使用@音频1低厚温润带细碎颗粒感中年男声的音色说"……"`
2. 保持视频台词风格与参考音频的语气、表述风格相近，有助于提升音色还原度与稳定性

---

## 速查索引

| 现象关键词 | 跳转 |
|---|---|
| 换脸、ID 漂移、撞脸明星 | [1. 人物 ID 漂移](#1-人物-id-漂移) |
| 莫名出现字幕 | [2. 视频中包含字幕](#2-视频中包含字幕) |
| 莫名出现 Logo / 水印 | [3. 视频中有-logo--水印](#3-视频中有-logo--水印) |
| 动漫风格变写实 | [4. 风格漂移](#4-风格漂移) |
| 拼接处跳帧 | [5. 延长视频衔接处跳变](#5-延长视频衔接处跳变) |
| 同款双胞胎 | [6. 双胞胎问题](#6-双胞胎问题) |
| 延长后画质变糊 | [7. 视频延长画质劣化](#7-视频延长画质劣化) |
| 特效不对劲 | [8. 特效效果不符合预期](#8-特效效果不符合预期) |
| 人物多了少了 | [9. 参考人物过多](#9-参考人物过多) |
| 结尾咔哒声 | [10. 视频结尾有噪音](#10-视频结尾有噪音) |
| 中文读错 | [11. 中文发音不准](#11-中文发音不准) |
| 音色不像 | [12. 音色参考不准](#12-音色参考不准) |