MUSE 出片:锁脸、省额度、控运镜
用 Meta Muse 拍短视频的四道坎与解法:锁脸备忘录、额度分流、分段防慢动作、3D 打底控透视。
转载来源
- 作者:锦鲤同学(X:@loi_jinli,蓝标)
- 平台:X(原 Twitter)长文,14 分钟阅读
- 原文标题:MUSE 进阶实战:从锁脸出片到控运镜,搭一套完整的 AI 视频流水线
- 原文链接:https://x.com/loi_jinli/status/2122633239181537572
这篇不是功能罗列,是一份跟练手册。作者先把新手会撞的四道坎摆出来:换个镜头就换张脸;人物一动就崩、手脚乱飞;直接要 20 秒视频结果被拉成慢动作;改两三遍免费额度就见底。后面每一节都在解其中一道。
一、动手前的三个准备
第一是账号与额度预期。作者给了一个可用来估预算的比例:单次生成一条 6 秒短视频,大约消耗 2%–12% 的周额度。所以试错阶段必须用短镜头,别一上来拍 30 秒。
第二是素材。要一张光线均匀、五官清晰、没有墨镜和刘海遮挡的正面半身照。他特别强调:别传四宫格或九宫格拼图,否则模型会把拼图的白线边框一起学进视频里。
第三是比例先定死。发竖屏平台就统一 9:16,发横屏就 16:9;不要先生成横图再在对话里强行转竖屏,自动裁切经常把主角切偏。
他还给了真实的等待预期:底图 20–40 秒、5–6 秒短视频 1–2 分钟、30 秒多镜头脚本加检查微调 15–30 分钟。页面显示生成中时不要反复点发送。
二、开场先立规矩:三条
第一段提示词不是描述画面,是给模型定工作方式。三条规约值得抄:不加背景音乐、台词配音与屏幕字幕(除非明确要求);动作收敛成单一小动作,严禁手从脸前晃过;每次生成完先自检四项——脸有没有变样、皮肤是否像塑料、手和动作是否自然、前后光影有无突然闪烁——并主动报告一个隐患。
作者也提醒了边界:对话里的规矩只约束生成习惯;涉及连接外部账号或访问本地文件夹,仍要自己看清授权弹窗。
三、锁脸最小闭环:先做「角色设定备忘录」
做法很具体:上传那张正面照,让 Muse 把长相特征存成一份可复用的备忘录,只记五官轮廓、发型、发色、体型,明确不要记背景、灯光和穿衣排版;存完要它把原文发回来。
关键动作是人工复核:看它有没有偷偷混进「站在咖啡馆门口」「穿蓝色牛仔外套」这类环境词,有就让删掉重存。
然后调用这份备忘录生成第一条 6 秒测试片,只做一个动作——比如「视线往旁边看一眼,再转回来看向镜头并自然眨眼」,手不动。
第一版不满意时,作者的规矩是「一次只改一个点」:保留长相、环境与动作,只改台灯亮度一档,其他不动;也不要重开新对话。
四、额度不够:把渲染甩给免费的 Meta AI
这是全文最实用的一条省钱策略:让 Muse 只负责写提示词和当质检员(几乎不耗额度),把真正费算力的生图与动起来交给免费的 Meta AI。
操作链条是四步:让 Muse 在 Space 里搭一个「提示词中继看板」(每条提示词配一键复制与跳转链接);去 meta.ai 粘贴生成图片(约 20 秒出图,不满意可免费重刷);在 Meta AI 里用 Animate 或 Custom animate 让图片动起来,需要声音可用 Music;最后把成品拖回 Muse,让它检查穿帮并给下一版提示词。
五、20–30 秒短片:防慢动作的两个技巧
第一个技巧是让模型先出分镜表:把想法拆成 30 秒、6 个 5 秒镜头,表格必须含六列——镜号、秒数、画面内容、机位角度、镜头运动、如何衔接下一镜,并要求主角长相与衣服从第 1 镜到第 6 镜完全一致。
第二个技巧是把「生成 20 秒」改成「10 秒 + 10 秒」两段拼接。作者的实测结论是:直接要 20 秒,模型会把正常走路拖成 0.5 倍速慢动作;明确要求分段并保持正常物理速度才管用。
画面一顿一顿的话,不必重新生成,用 RIFE 插帧就能补到 60fps。轻量做法是在对话里追加一句「调用 RIFE 引擎插帧到 60fps」;本地做法是在 ComfyUI 里挂 RIFE VFI 节点,24/30fps 视频倍率设 2,16fps 设 4。
六、电影感运镜:先预演,再用 H3 重绘
「转身回头 + 环绕半周」这类镜头,纯文字几乎做不出来,人物必定扭曲。作者的方案是两段式:先让 Muse 拍一条 5 秒草稿,只管动作和机位对不对;再把草稿视频连同主角照片送进 ComfyUI + MiniMax H3 重绘。
环境准备写得很细:ComfyUI 更新到支持 H3 的版本;下载 MiniMax H3 的 Ref2VA(参考图转带音效视频)主模型放进 diffusion_models;再挂 8 步 Turbo LoRA(原版要 20 步甚至更久,挂上 8 步就能出片);显存 16–24GB 或走云端 GPU。
参数与坑:在 R2V 模板里,参考图接口接主角正面图、参考视频接口接那段 5 秒预演;宽 1344、高 768、帧数 121(约 5 秒)、采样步数 8。最容易翻车的一点是提示词偷懒——哪怕传了参考图,每段提示词仍要完整重写发色与服装,否则模型跑到后半段会「失忆」,给你换张路人脸。
七、街景不扭曲:Blender + 3D 城市数据打底
AI 直接生成街景,楼房线条会像果冻一样歪。作者的解法是「先用 3D 定透视,再让 AI 上质感」:装 Blender 与 Plateau-Blender-Importer 插件,下载日本国土交通省 PLATEAU 的 CityGML 街区数据(含真实建筑高度与道路,部分核心区精度到 1 米)。
操作要点:别一次导入整座城市,会卡死——只保留摄像机周边 500 米到 1 公里范围;摆好机位与太阳方向,渲染出一张干净的静态底图;再把这图交给视频模型,写「保持建筑结构不变,赋予雨后路面反光,行人撑伞,镜头缓慢推进」。
验收标准他给得很硬:对比静图与视频最后一帧,两侧大楼边缘线仍应是直的,没有随推进出现果冻状扭曲。
八、四个高频翻车点
竖屏主角被裁偏:先出横图再转竖屏的,一定要全屏看一眼脸有没有被切。开头字幕空白:若让模型直接压字幕,开头 0.2–0.5 秒常是空的,剪辑时裁掉或统一去剪映加。生成卡住:超过 3 分钟没动静先看活动记录是否排队,若只回文字没给文件,直接追问播放入口。商用版权:作者明确说免费版目前不提供明确的商业使用担保,商单建议只用它做分镜、备忘录与预演,最终成片走本地开源模型渲染并在剪辑软件合成。
编辑判断
值得推的理由:它把「用聊天工具做视频」拆成了可执行的工程链条,而且每一段都给出了能直接复制的提示词。最有价值的不是技巧清单,而是三条结构性判断:备忘录要把环境词剔干净;渲染和决策要分给不同工具以省额度;难镜头先预演再重绘。
需要打折的地方:
1. 额度消耗 2%–12% 是作者的经验区间,不是官方口径;不同账号与时长差异可能很大。 2. 参数(1344×768、121 帧、8 步)绑定当时的模型与模板版本,ComfyUI 生态更新快,照抄前先核官方模板。 3. 后半程依赖 16–24GB 显存的显卡或云端算力,对大多数「只想试试」的人是硬门槛;作者也承认前 2–4 节之外才需要这些工具。 4. 商用授权风险是作者自己点出来的,这条比任何技巧都重要:免费额度做出来的片子,别直接拿去接付费广告。
最能直接拿走的一条:把「写提示词」和「烧算力」拆给两个工具。 一个当导演和质检,一个当渲染农场,这套分工在任何生成式工作流里都成立。