製作AI動作戲時，很多人會以為提示詞寫得越長，人物就越懂得打鬥。實際上，模型即使看過大量奔跑、揮拳、閃避和倒地畫面，也未必知道這一拳從哪裡起、打到哪裡、對手為何後退，以及下一個鏡頭應該怎樣接。複雜動作只靠文字描述，結果很容易變得軟弱、失去方向，甚至在同一鏡頭中突然改變姿勢。
問題不一定是模型不會動，而是文字很難完整表達連續動作中的空間關係。拍攝動作戲時，導演會透過走位、節拍和鏡頭調度拆解表演；AI創作也需要這樣的準備。動作戲是否有力量，通常在生成之前就已經決定了一半。
第一層：動作參考圖，成本最低，適合短鏡頭試做
小批量製作或臨時補鏡頭時，可以先製作一組動作分鏡圖。不要只畫一張人物正在打鬥的畫面，而要分別呈現起手、出拳、命中、受擊和收勢，同時固定服裝、武器、場景方向與光線。輸入圖片參考時，再用提示詞補充景別、動作順序和運鏡，模型較容易掌握變化。
目前不少圖生影片工具都提供圖片或多幀參考能力，例如Seedance、Kling、Vidu，以及部分開源工作流中的影片模型。不同版本支援的參考張數、首尾幀方式和控制強度各有差異，實際使用前仍要查看當期官方文件。這種方法成本較低，適合短鏡頭試錯，但幾張靜態圖仍未必能交代完整的重心轉移。
第二層：白模與影視參考影片，以中等成本換取更強控制
遇到翻滾、追逐、連續格擋或多人交手，可以先用Blender製作簡單白模影片。白模不必漂亮，只要交代人物位置、身體朝向、動作節奏和鏡頭移動，再把文字與白模一起作為參考，限制通常會比單看一張圖更完整。
也可以使用獲得授權的動作參考影片，擷取其中的節奏、構圖或運動關係。要分清參考和直接使用：參考影片必須有合適授權，成片也應重新設計鏡頭，不能只換畫風便當成原創。多段參考通常需要拆解、重組，再用剪輯建立新的動作邏輯。影片參考輸入並非所有模型都支援，不能只看示例頁面便假定自己的版本一定可用。
第三層：動作捕捉參考影片，成本最高，換取最強控制
若是主角打鬥、武術表演，或需要嚴格符合身體力學的鏡頭，動作捕捉可提供更穩定的運動軌跡。動捕資料或拍攝的動作影片先確定關節、速度和重心，再交給AI完成角色外觀、環境與風格轉換。它需要設備、演員或動捕人員、資料清理和動作調整，是三種方法中成本最高的選擇，但控制力更適合高要求專案。
無論採用哪一層方法，都不要把希望寄託在一次生成。動作戲應拆成可驗收的鏡頭，逐條檢查起止姿態、受力方向、人物距離、武器連續性和剪輯節拍，再處理煙塵、音效、配樂與調色。AI降低了生成門檻，卻沒有取代動作設計、鏡頭調度和後期判斷。若專案需要編導、分鏡、AI生成與後期協作，可以透過AI影片製作服務尋找合適的承製團隊，先把動作標準說清楚。
