企业官网建设流程全解析

短剧最提气的镜头是什么？变身。上一课我们做出了同一角色的多场景分镜图（第一课在这里），这一课让两张分镜图直接连成一个镜头：首帧是汉服美人，尾帧是雨夜竹林的黑衣剑客，中间 5 秒 AI 自己演绎"丝绸扫过、完成变身"的无缝转场——这就是首尾帧图生视频（flf2v，First-Last Frame to Video）。

一、效果先看

三联图：首帧（汉服美人）→ 中段（丝绸扫过·变身进行中）→ 尾帧（雨竹剑客）。首尾两帧严格锚定输入图，中间的过渡完全由模型演绎——转场逻辑写在提示词里（“衣袖扫过画面、丝绸落定后她已化作剑客”），出来的效果比很多剪辑软件的预设转场电影感强得多。

出片 1344×768、24fps、5.2 秒、自带音轨（丝绸风声→雨声渐起→古筝转太鼓的配乐变化，全在提示词 Audio 段）。turbo 8 步，4070 Ti 12G 全程约 5 分钟。

动图版先感受节奏（GIF 无声，带音轨完整成片见文末下载汇总）：

带音轨完整版直接看（CSDN 视频，审核通过后可播）：

这在短剧里的用途：变身、场景切换、时空跳跃、闪回——所有"硬切会尴尬"的地方，都可以用首尾帧让 AI 补一段自然的过渡。

二、模型准备

用的还是 H3 老五件（看过文生视频篇或图生视频篇的直接跳到第三节）：

官方 HuggingFace 国内可换 hf-mirror.com 直连；网盘是同文件备份，点开自动带提取码。

三、从 i2v 到 flf2v：只多一根线

图生视频的工作流你已经会了——flf2v 就是在那基础上把last_frame输入也接上一张图。MiniMaxH3ImageToVideo 节点有三个图像入口：

• 只接first_frame→ 图生视频（上一课的下一课）
• 只写提示词 → 文生视频
• first_frame+last_frame都接 → 首尾帧转场（本篇）

整张工作流长这样——左列装好五个模型，两张分镜图分别走first_frame/last_frame进主节点，右边一排是采样与视频输出链：

提示词是成败关键——不是描述两张图（模型看得见），而是给模型一个"从 A 到 B"的合理剧情理由：

转场总述：汉服女子优雅旋转，衣袖与长发扫过画面，流动的丝绸 短暂遮满画面；丝绸落定后，她已化作雨夜竹林中的黑衣斗笠剑客， 刀已出鞘。 Camera: 旋转本身隐藏了剪辑点，无缝变形转场，无硬切。 Audio: 丝绸风声、雨声渐起、一声古筝拨弦转入太鼓重音、远处雷声。

"旋转/丝绸/烟雾/挥手扫过画面"这类遮罩式动作是最稳的转场理由——画面被遮挡的瞬间正是模型"偷梁换柱"的窗口。参数沿用 i2v：8 步 turbo、1344×768、124 帧、固定种子。

四、实测踩坑

1. 首尾图构图别差太远。两张图一个正面特写一个远景全身，中间过渡容易出"诡异拉伸"。机位接近、画幅一致（都横或都竖）效果最稳。

2. 首尾帧角色/场景"反差越大，转场理由越要硬"。美人→剑客给了"变身"剧情；如果两张图毫无剧情关联（比如美食→飞船），模型会硬切或闪黑。先想好剧情，再写提示词。

3. 帧数别太短。转场需要"遮挡-变化-揭示"三拍节奏，低于 3 秒（72 帧）容易跳变；124 帧（5.2 秒）是舒适区。

4. 中间帧不可控是特性不是 bug。你控制首尾，过程是模型的即兴演出——每次种子不同演出不同，多跑几个种子挑最顺的一条。

五、下载汇总

（城通网盘，点击自动带提取码）

• h3_首尾帧转场_工作流.json（本文 API 工作流）
• 首帧图_汉服美人.png
• 尾帧图_雨竹剑客.png
• 成片_变身转场.mp4（含音轨）

模型见第二节双链表格。首尾帧输入图由 Z-Image-Turbo 秒级生成——分镜图生产线见第一课。

下一课预告：首尾帧吃显存吗？不。但如果你只有 8G 显存，明天这一课专为你准备——Wan 2.2 5B，真正为 8G 卡设计的图生视频，同一套短剧分镜直接动起来。关注不迷路。

你想看什么"变身"？人→物、古→今、还是现实→水墨？评论区出题，我挑一个跑给你。