挑最难的镜头当视频模型测试集

一次针对视频模型的"找茬式"实测值得参考：作者挑的场景看起来简单，却是最容易暴露破绽的组合——三个人、细微表情、自然动作、暖色室内灯光。用 Wan 3.0 跑出来，成片的合成感比预期低不少，样片见 be.magnific.com/4wPeipA 。

这类场景为什么难，值得拆开说。人物一多，身份一致性就先出问题：换脸、串脸、衣服漂移在单人镜头里看不出来，三个人同框一次全暴露；细微表情对嘴型和眼神同步的要求极高，稍有错位就掉进恐怖谷；自然动作考验物理连贯，抬手、转身、重心变化都是硬指标；室内暖光则考验肤色与环境光的融合。

四个难点叠在一起，恰好是多数 demo 回避的区域——炫技片段偏爱大远景、快剪辑和强特效，把最容易翻车的部分藏了起来。

给选模型的人一个反向方法：测试集专挑"看起来最不起眼"的镜头。多人对话、手部特写、持续三十秒以上的固定机位长镜头，这三类是当前视频模型的真实分水岭。能在这些镜头上不出戏，换到创意类镜头只会更稳；反过来，只在炫技镜头上惊艳的模型，落到实际生产往往需要大量返工。

落地很直接：建一个三镜头的最小测试集，每次换模型先跑一遍，通过与否决定要不要投入。判断标准只有一个——人物身份和表情连贯性能不能撑住三十秒。