AI 影片光影：為什麼 AI 生成的光源方向會突變

時序注意力：一致性的來源，也是突變的來源

時序注意力讓每一幀可以「參考」前後幀的資訊，藉此維持角色長相、背景結構與整體色調的穩定。問題是，注意力機制是一種「軟性加權」，它沒有硬性規則說「光不可以換方向」。當某一幀的內容出現較大變化（角色轉身、鏡頭移動、物件進出），注意力权重的分布就會重新洗牌，原本壓在「左側光」特徵上的權重可能被其他特徵蓋過，於是光影就跟著漂移。

換句話說，AI 影片的光影突變是一種機率性的遺忘：模型「忘記」了前面幾幀已經建立的光照條件，重新用當下的區域資訊去猜一個合理的光。這也是為什麼突變常常發生在動作變大、遮擋變化、鏡頭切換的那一瞬間。

三、光源方向突變的七個真實成因

實務上，光影突變很少是單一原因造成，通常是幾個因素疊加。以下整理出最常見的七種，並說明它們在畫面上的典型表現。

成因一：提示詞裡的光照資訊太模糊

「cinematic lighting」「beautiful light」「dramatic shadows」這類詞彙在模型眼中幾乎等於「隨便給我一種好看的光」。當提示詞沒有指定方向，模型就會在生成過程中自由選擇，而這種自由在跨幀時很容易被打破。典型症狀是：畫面一開始像左側光，角色一轉身就變成正面光，因為模型在重新詮釋「什麼叫做 cinematic」。

更麻煩的是，提示詞是有「權重競爭」的。當你同時寫了「neon lights」「sunset」「soft window light」，模型可能在不同時間段偏向不同關鍵詞，造成光色與方向同時跳動。

成因二：首幀與後續幀的「光照記憶」流失

多數影片模型會用首幀（first frame）作為強條件，之後逐漸放寬約束。這代表開頭幾幀的光影通常最穩定，越到後面越容易「走鐘」。如果你的影片長度是 5 秒以上，或使用了運動幅度較大的鏡頭，第二秒之後的光照記憶就會開始衰減。

有些工具提供「首尾幀」或「關鍵幀」功能，本意是幫助你控制劇情走向，但如果首幀與尾幀的光照條件沒有寫清楚，模型會在中間自己想辦法「接起來」，接的方式往往就是讓光慢慢轉向——觀眾看到的，就是一段莫名其妙的光影漂移。

成因三：模型把鏡頭運動誤判為光源移動

這是很典型的「物理誤判」。當鏡頭環繞角色移動時，真實世界裡光源不動、陰影相對角色也不動，只是視角變了；但模型沒有 3D 概念，它看到的只是「畫面裡的明暗區域在移動」，於是可能把「陰影往左跑」解讀成「光源往右移」，進而生成出光影方向改變的畫面。

這種情況在環繞鏡頭（orbit shot）、手持晃動、快速搖鏡時特別容易出現。解決方式通常是降低鏡頭運動強度，或用幾何條件（深度圖、法線圖）去「告訴」模型場景的立體結構。

成因四：多人多物場景的光照歸屬衝突

畫面裡只要有兩個以上的主體，模型就必須決定「這道光屬於誰」。例如兩人對坐、一人靠窗，理想狀況是兩人都受到同一扇窗的光照；但模型常常會分別對每個人套用「好看的人像光」，導致左邊的人左臉亮、右邊的人右臉亮，看起來像兩個不同場景拼接。

同樣的問題也發生在「角色＋反射面」「角色＋螢幕」「角色＋水面」等場景，因為反射與環境光需要全局一致性，而這正是統計式模型最不擅長的部分。

成因五：訓練資料中的光影慣性偏誤

模型是從資料裡學光影的，而資料本身有偏誤。例如人像資料裡「左側光」的比例遠高於「右側光」，風景資料裡「上方光」遠多於「下方光」。當提示詞沒有特別指定時，模型會傾向回到資料中的「平均答案」，於是在某些幀裡突然「校正」回預設光照，造成方向突變。

這也是為什麼有些創作者發現：明明提示詞寫了「light from the right」，模型前幾幀照做，後面卻慢慢飄回左側光——那不是模型不聽話，而是資料慣性在拉它回去。

成因六：高動態範圍與曝光補償的漂移

光影突變不一定是方向改變，有時候是「曝光曲線」改變。當畫面從暗處走到亮處，模型可能過度補償，讓整體亮度提升，連帶讓原本的陰影變淡、高光擴散，觀眾就會覺得「光變了」。這種現象在逆光場景、室內外轉場、霓虹夜景特別明顯。

嚴格來說這是色調映射（tone mapping）與亮度歸一化的問題，但視覺結果與光源方向突變很難區分，實務上要一起處理。

成因七：生成參數與採樣步數的影響

CFG（classifier-free guidance）越高，模型越聽提示詞，但也越容易在跨幀時「過度詮釋」，造成光影跳動；採樣步數太少，模型沒有足夠時間收斂出穩定光影；運動強度（motion strength）設太高，模型會優先滿足動作而犧牲一致性。這些參數彼此牽動，沒有通用最佳值，只能針對每個鏡頭微調。

四、實戰：六招把光源方向鎖住

理解成因之後，接下來是真正有用的部分。以下六招是目前社群公認相對有效的做法，建議依照你的工具支援程度搭配使用。

招式一：光照錨定提示詞寫法

不要只寫「好看的燈光」，要用「攝影指導的語言」把光的方向、性質、比例寫清楚。範例：

Key light from camera left, 45 degrees above eye level, soft diffused source; subtle rim light from behind right; deep shadows on the right side of the face; consistent throughout the shot.

幾個實用原則：

一次只鎖一組主光：主光、補光、輪廓光分開描述，不要全部塞進一句。

招式二：首幀＋關鍵幀雙鎖定

如果你用的工具支援影像轉影片（image-to-video），最有效的做法是先做一張「光影正確」的靜態圖，再讓模型從這張圖出發。首幀的資訊量遠大於文字，模型會把圖裡的光照當成強條件。

進階做法是「關鍵幀插值」：在時間軸上放三到五張光影一致的關鍵畫面，讓模型去補中間的動態。這樣做的好處是把「光影決策」從模型手上拿回來，你只讓它負責運動與過渡。

招式三：分段生成與縫合

與其硬生成一段 10 秒的長鏡頭，不如拆成 3 到 4 段各 2 到 3 秒的短片段，每段都重新用同一組光照提示詞與同一張參考圖開場，最後在剪輯軟體裡用轉場、遮罩或動作匹配縫起來。這樣做雖然麻煩，但光影突變的機率會大幅下降，因為每一段都在「記憶新鮮」的狀態下生成。

縫合時要注意：兩段之間的亮度與色溫要對齊，可以用剪輯軟體的示波器（waveform / vectorscope）檢查，必要時加一層調整層做統一調色。

招式四：用幾何資訊約束光影

如果你用的是支援 ControlNet、深度圖（depth map）、法線圖（normal map）或光流（optical flow）的工作流，務必把幾何條件餵進去。模型一旦知道「這是平面、這是球體、這是人物側面」，就比較不會把陰影亂搬。特別是法線圖，它直接描述了表面朝向，對光影一致性幫助很大。

在 ComfyUI 這類節點式工作流裡，常見做法是先從參考影片抽出深度序列與法線序列，再作為影片生成的控制條件，這樣做出來的鏡頭，光影通常穩定得多。

招式五：降低運動強度、提高一致性權重

當你發現某個鏡頭特別容易光影突變，先試著把運動強度調低 20% 到 30%，並把一致性相關的權重拉高。多數工具都有「motion」與「consistency」這類滑桿，兩者是翹翹板：運動越大，一致性越難維持。

另外，CFG 建議維持在中間值（依工具不同，大約 6 到 9 之間），過高會讓光影過度戲劇化且不穩定，過低則會讓畫面灰掉、光影消失。

招式六：後期 Relight 補救

如果生成結果已經無法重來，可以考慮用 AI relighting 工具或後期合成補救。做法是把畫面中的角色與背景分離，重新打一盞虛擬光，或用色彩分級把陰影方向「拉」回來。這不是萬靈丹，但對於短秒數、單一主體的鏡頭，往往能把「明顯錯誤」修成「可接受」。

更根本的補救是「重生成取代修補」：與其花兩小時修一個光影錯亂的鏡頭，不如花二十分鐘調整提示詞重生成三次。AI 影片的成本結構與傳統後期不同，重生成通常更划算。

五、不同工具的光影表現差異與選擇建議

不同模型對光影的處理能力差異很大，選擇工具時可以從三個面向評估：

是否支援首幀／關鍵幀條件：支援得越完整，你越能把光影鎖住。

實務建議是「不要只用一個工具」。可以用 A 工具生成穩定的首幀與關鍵幀，用 B 工具做動態插值，再用 C 工具做局部重繪與後期。把每個工具放在它最擅長的位置，比硬用同一個模型打天下有效得多。

另外要注意版本差異。同一個模型的不同版本，光影穩定度可能差很多，社群通常會很快回報「哪一版比較不會翻光」，多逛論壇、多看測試，能省下大量試錯時間。

六、檢查清單與常見迷思

上線前的光影檢查清單

主光方向是否從頭到尾一致？把畫面亮度調到最低，看陰影分布會不會「跳」。

高光位置是否跟著光源？特別是眼睛、鼻尖、金屬與玻璃。

色溫是否穩定？用向量示波器看膚色與環境色有沒有突然偏暖或偏冷。

反射與環境光是否合理？水面、螢幕、地板的反射有沒有跟著主體移動。

轉場前後的光影是否連續？剪接點是最容易露餡的地方。

三個常見迷思

迷思一：「多寫幾個 lighting 關鍵詞就會穩。」事實上，關鍵詞越多，權重競爭越嚴重，反而更容易跳。精準比數量重要。

迷思二：「模型越大、光影越準。」模型規模有幫助，但光影一致性更依賴時序機制與控制條件。一個支援關鍵幀的小模型，做出來的效果可能比不支援的大模型更穩。

迷思三：「光影突變是玄學，只能重抽。」不完全是。多數突變都有可追溯的成因：提示詞模糊、運動過大、缺少幾何約束、參數極端。找到成因，就能對症下藥。

結語：把光當成「要管理的變數」，而不是「抽獎的結果」

AI 影片的光影突變，本質上是「統計式生成」與「物理世界」之間的落差。模型沒有真正的光源，它只是在猜「什麼樣的像素排列看起來像有光」。當提示詞不明確、運動幅度過大、時序注意力重新洗牌時，它就會猜錯，於是光的方向就翻了。

但這並不代表我們只能接受。透過精準的光照提示詞、首幀與關鍵幀鎖定、分段生成、幾何控制、參數調整與後期補救，你可以把光影從「抽獎」變成「可管理的變數」。真正專業的 AI 影片創作者，差別往往不在會不會寫漂亮的提示詞，而在於有沒有把光當成一個需要被持續監控的技術項目。

下一次當你看到畫面裡的光突然「轉身」，別急著重抽。先問自己三個問題：提示詞有沒有寫清楚方向？運動是不是太大？有沒有給模型足夠的幾何線索？答案通常就在這三題裡面。

光影是影片的隱形語言，也是 AI 影片從「能看」走向「可信」的最後一哩路。把它管好，你的作品質感會直接跳一個檔次。

🏠 返回首頁