两种成片，你都见过。
一种，猫披着一件小小的绿斗篷，坐在石厅的阴影里。肩甲压在毛上，火盆从侧面照过来，把耳尖和斗篷的边缘染成暖色。它转过头看你，动作很慢，像电影里的一帧。
另一种，猫站起来了。两条后腿撑着地，前爪举着一把剑，肩膀从斗篷里顶出来，脸介于猫和人之间。你说不清具体哪里不对，但一眼就知道：这不是猫。
差别不在模型版本，也不在运气。差别只有一个——有没有人明确告诉模型：这只动物，不能变。
翻车是怎么发生的
视频模型看过大量人类素材。
你说"骑士"，它最强的关联是盔甲里的人：直立、有肩、有能握剑的手。你再给它一张猫的照片，它同时要满足两个条件——画面里得有骑士，主体得来自这张照片。
冲突的时候，它不会停下来问，而是折中：把身体拉长，让肩胛变成肩膀，把前爪改造成能握东西的形状。于是就有了那张介于猫和人之间的脸。
还有一层：每套模板都带一段参考片段，用来告诉模型镜头怎么运动。参考片段有自己的轮廓，照片里的动物越模糊，模型越容易借错轮廓。
所以"翻车"不是随机故障。它是模型在信息不足时做出的合理猜测。要修，就得把缺的信息补上。
我们做的第一件事：把"不能变"写死
每个模板的提示词里，都有一段固定文本。它出现在场景描述之前，不负责氛围，只负责禁止。
大意是：
主体是一只宠物，不是别的。保留物种与品种、毛色与花纹（包括不对称的色块、条纹、眼周的斑）、脸型、眼睛颜色、耳朵形状、身体比例和尾巴。四条腿着地；不允许两条腿站立，不允许出现人手、人的四肢或人的脸。
这段话的作用，是把"像不像"从审美问题变成约束问题。
模型仍然可以决定光线怎么打、斗篷怎么垂、动作快还是慢，但它没有空间把动物改造成人形。
锁住之后，放开的是什么
身份锁只管"不能变"的部分。剩下的，全部交给场景。
古堡骑士。 拉丝钢肩甲、深绿羊毛斗篷、做旧的青铜搭扣，额前一枚细铁环。高窗漏进冷蓝的月光，火盆从另一侧补暖色，背景是褪色的家徽旗。
书房魔法师。 靛蓝丝绒长袍，领口有磨旧的金线，软软的尖帽微微歪着。烛光、旧书、悬在空中的纸页，一点青色的光从翻开的书里浮起来。
王座上的它。 褪色绒垫的石王座，做旧的小金冠，深红披风，毛边已经磨薄。彩窗在背后发亮，长影子铺过石板。
三个场景有一个共同点：衣服是"搭在身上"的，不是长进身体里。动作也是动物会做的动作——坐着、转头、耳朵动一下、斗篷被风带起来一点。
这也是判断成片的依据：衣服可以夸张，身体不能。
怎么挑场景
不用按"哪个好看"挑，按照片里它的状态挑。
它平时坐得稳、表情淡定，适合王座。它喜欢歪头看东西，适合书房。如果照片里是正脸、花纹清楚，适合骑士——那个镜头最依赖脸。
拿不准就先做骑士。它基本坐着不动，光线稳定，最容易判断成片和照片对不对得上。
看成片时，按这个顺序检查
从上往下看，能省时间。
- 着地点。 四只脚在地上，或者一个自然的坐姿。出现"两条腿站着"，不用往下看了。
- 花纹。 对一下照片：眼周、胸口、腿上的色块还在不在。不是"一只橘猫"，是"你家那只橘猫"。
- 衣服和身体的关系。 斗篷应该压在毛上，有厚度、有阴影。衣服和身体融成一片，说明模型没分清两者。
- 手。 画面里不该有手。前爪可以搭在书上，但不能出现手指。
- 动作。 呼吸、耳朵、尾巴的幅度对不对。太顺、太像人，通常也可疑。
还是不对，先换照片
如果轮廓对了，但花纹不对、脸不像，问题通常在照片：太暗、太糊、耳朵被裁掉、画面里有两只动物。
先换一张更清楚的，再考虑换风格。这是成本最低的顺序，但不保证一定改善——有时候是模型或服务那边的问题，通常重跑一次就好。
生成失败，或者照片没通过审核，积分会自动退回，不用申请。这一点和照片好坏无关，是机制。
最后
宠物骑士视频好看的地方，不是"猫变成了骑士"，而是"猫还是猫，只是恰好穿着骑士的衣服"。
前者是特效。后者是幽默。
我们做的是后者。