做了一个 Wan 3.0 在线工作台，也整理了一套可复现的 AI 视频测试方法

先说结论：AI 视频能不能进入真实项目，不应该由最好看的一条 Demo 决定，而应该看同一套输入和验收标准下，结果能否重复、失败发生在哪里，以及每条可用片段包含重试在内的实际成本。

最近我在做 Wan 3.0，一个围绕 Wan 3.0 的在线 AI 视频工作台。

站内目前整理了文生视频、图生视频、首尾帧控制和多模态参考等工作流。但相比继续堆功能，我现在更关心的是：怎样让每次生成都留下可以复用的经验，而不是不断抽卡。

我采用的最小测试单元

不要一开始就测试完整广告。先选一个足够窄、失败原因容易判断的镜头，例如：

同一个产品从关闭状态平稳打开，机位固定，最后停在指定角度。

然后准备固定输入：

• 一张起始帧，必要时增加结束帧
• 一份只描述主体、动作路径、机位、节奏和声音的提示词
• 固定时长、比例、分辨率和其他参数
• 明确写出不应该出现的内容，例如额外物体、文字变化和镜头跳切

首尾帧只是边界条件，并不等于完整动画曲线。中间怎样运动，仍然需要提示词描述清楚。

生成前先写通过标准

我会在点击生成前定义下面几项，而不是生成后再凭感觉挑片：

1. 开场是否忠于输入画面
2. 结尾是否到达目标构图
3. 人物或产品外观是否连续
4. 动作中是否出现变形、穿插或突然跳动
5. 镜头运动是否符合要求
6. 声音是否与动作节奏对应
7. 问题能否后期修复，还是必须整条重来

一个画面很漂亮，但结尾没有到位，在这次测试里仍然应该算失败。

每轮只改一个变量

基线测试可以用相同输入连续生成几次，保留全部结果，不只留下最好的一条。

之后每轮只修改一个主要变量：

• 保持参考素材不变，只调整动作描述
• 保持提示词不变，只改变时长
• 保持主体不变，只测试镜头运动
• 保持其他条件不变，加入或移除结束帧
• 单独测试音频，不同时加入对白、音乐、环境声和音效

如果一次修改提示词、参考图、时长、分辨率和机位，最后很难判断究竟是什么让结果变好或变差。

失败样本比精选样片更有价值

每次生成至少记录：

• 平台、模型标签和测试日期
• 完整提示词及参考素材版本
• 时长、比例、分辨率等设置
• 输出文件和任务状态
• 失败标签，例如 identity_drift、final_frame_miss、camera_wrong
• 最终决定：通过、重试、后期修复或放弃

成本也不能只看“生成一次多少钱”。更有参考价值的是：

总生成与重试成本 ÷ 最终通过验收的片段数

便宜但无法使用的结果，并不省钱。

目前不会回避的限制

AI 视频依然是概率生成。

首尾帧不能精确规定中间的每个动作；参考图不能完全消除主体漂移；原生音频适合快速判断节奏，但不一定能替代品牌音效、授权音乐或最终混音。

Logo 、字幕、产品文字、人物肖像和参考素材版权，也都需要人工复核。

我接下来会继续按这套方法记录真实测试，包括失败样本，而不是只展示最好看的结果。

大家更想先看哪类测试：产品转场、人物一致性、首尾帧控制，还是视听同步？