Luma图生视频的输出结果有时会呈现一种尴尬的静止状态：首帧图像清晰，后续画面几乎没有位移，角色像被定住，背景也没有任何变化。这通常不是模型能力不足，而是运动幅度参数没有匹配上动态描述词的引导。要解决画面静止，需要从参数和文本两个层面同时调整。
运动幅度参数（部分接口中写作 motion_strength 或 motion）决定生成过程中相邻帧之间的潜在向量偏移幅度。如果这个值设置得太低，时间维度的变化会被压缩到接近零，模型倾向于重复输入帧的内容，导致视频看起来只有轻微噪声而没有实际运动。动态描述词则负责告诉模型画面中应该发生什么样的运动，例如镜头推近、物体旋转或流体扩散。下面从三个角度详细拆解如何调整这两项设置。
运动幅度参数的调节逻辑与安全区间
Luma的图生视频模型在扩散过程中会将输入图片编码为初始潜在状态，然后根据时间步逐步去噪生成后续帧。运动幅度参数控制这些帧之间内容位移的强度。数值越低，帧与帧的差异越小，画面就越接近静态；数值越高，变化幅度越大，但过高的值会让模型难以维持物体形状和身份一致性，出现抖动、扭曲或背景闪烁。
实际调试时，如果你使用的接口参数范围是0到1，通常0.3以下容易产生静止画面，0.5到0.8是比较可靠的动态区间，而0.9以上则需要配合非常精确的描述词才能避免失真。如果参数范围是0到10，可以按比例映射。一个稳妥的起点是从0.6开始，观察输出结果中主体是否产生了预期的位移，再逐步微调。需要注意的是，输入图像本身也影响参数效果：如果图片中人物已经处于迈步或挥手的中间姿态，较低的运动幅度就足以延续动作；如果图片是静态肖像或风景，则需要更高的运动幅度才能推动画面变化。
下面是一段调用Luma API生成图生视频的Python示例，其中明确设置了运动幅度参数：
import requests
url = "https://api.lumalabs.ai/dream-machine/v1/generations"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
payload = {
"prompt": "人物缓慢转身面向镜头，背景轻微推近",
"keyframes": {
"frame0": {
"type": "image",
"url": "https://ipipp.com/start_frame.png"
}
},
"motion_strength": 0.65
}
response = requests.post(url, headers=headers, json=payload)
print(response.json())
在这个请求体中，motion_strength 设置为0.65，属于中等偏上的动态强度。如果输出依然接近静止，不要急着调到0.9，先检查下面的动态描述词是否提供了足够的运动指引。
动态描述词的构建方法与示例
动态描述词的作用是给模型一个明确的运动方向。很多图生视频模型并不是不能动，而是文本条件里没有告诉它要怎么动。如果提示词只写了“一个站在森林里的女人”，模型会认为画面内容是静态肖像，于是生成结果自然就没有位移。相反，如果写成“一个女人站在森林里，镜头缓慢推近，她的头发被风吹起，背景树叶摇晃”，运动信息就非常清晰。
构建动态描述词时，可以采用“主体动作 + 方向/幅度 + 镜头运动 + 环境变化”的结构。主体动作要使用具体动词，比如转身、挥手、奔跑、点头；方向或幅度可以用缓慢、轻微、大幅等词修饰；镜头运动可以写推近、拉远、平移、环绕；环境变化能增强整体动态氛围，比如云层漂移、水面波纹、窗帘飘动。避免使用过于抽象或静态的形容词，比如“美丽的”、“宁静的”、“壮观的”，这些词对运动没有贡献。
下表对比了常见错误写法与改进写法：
| 错误写法 | 问题 | 改进写法 |
|---|---|---|
| 一只猫坐在椅子上 | 没有动作，模型倾向于输出静态图 | 一只猫从椅子上跳下，镜头跟随下移，尾巴摆动 |
| 城市夜景 | 完全静态描述 | 城市夜景，镜头缓慢横移，车流灯光流动，云层漂移 |
| a beautiful landscape | 只有形容词，无运动指令 | camera slowly zooms in, clouds drift across the sky, trees sway gently |
你可以在提示词中同时使用中文和英文动作词，但最好保持整体语言一致性。下面是一个完整的提示词示例，适合用于图生视频生成动态画面：
人物站在海边，海风吹动头发和衣服，镜头缓慢推近到半身景别，背景海浪持续拍打沙滩，云层向右侧漂移
这段描述包含了主体动作、镜头运动和环境变化，配合中等运动幅度参数，通常能显著改善画面静止的问题。
组合调优流程与异常排查
运动幅度参数和动态描述词不是独立生效的，它们之间需要匹配。一个常见的调试顺序是：先把运动幅度固定在0.6左右，只调整描述词，直到画面中出现了你想要的运动类型；然后再逐步改变运动幅度来调节动作的剧烈程度。这样可以避免两个变量同时变化导致无法判断是哪个因素影响了结果。
如果调整后画面仍然静止，优先检查描述词中是否包含明确的动作动词和对镜头运动的描述。很多创作者只关注了主体外观，却忘了镜头本身也可以运动。加入“镜头缓慢推近”或“相机轻微右移”这类表述，往往能立即激活模型的运动能力。如果描述词已经足够动态，再考虑提高运动幅度参数。
当画面开始出现抖动、形变或背景闪烁时，说明运动幅度偏高或者描述词中的动作过于剧烈。此时应该先降低运动幅度0.1到0.2个点，同时简化描述词中的动作，例如把“人物快速奔跑并大幅挥手”改成“人物缓慢行走，手臂自然摆动”。另一个常见问题是人物面部在运动过程中扭曲，这通常是因为大幅度运动与身份保持产生了冲突，可以在描述词中追加约束，比如“保持人物面部特征稳定不变”。
下面给出一个调优后的完整请求参数示例，用于解决静止问题同时控制失真：
import requests
url = "https://api.lumalabs.ai/dream-machine/v1/generations"
headers = {
"Authorization": "Bearer YOUR_API_KEY",
"Content-Type": "application/json"
}
payload = {
"prompt": "人物缓慢转身面向镜头，镜头轻微推近，背景窗帘被风吹动，保持人物面部特征稳定",
"keyframes": {
"frame0": {
"type": "image",
"url": "https://ipipp.com/start_frame.png"
}
},
"motion_strength": 0.55
}
response = requests.post(url, headers=headers, json=payload)
print(response.json())
通过这种“先描述后调参”的组合方式，大部分Luma图生视频画面静止的问题都能得到解决。关键在于理解参数控制的是变化强度，而描述词控制的是变化方向，两者缺一不可。