CASE 03 / GENERATIVE MOTION
AI OUTFIT
VIDEO
从服装图到可播放的穿搭短视频
MODEL ASSET · SCENE DESIGN · GARMENT REFERENCE · VIDEO MODELPROJECT
个人AI穿搭视频实验
ROLE
工作流设计 · 素材生成 · 视频测试
INPUT
模特图 · 服装图 · 场景图
OUTPUT
AI服装穿搭视频
PROJECT LOGIC
不是直接让模型“凭空做视频”，而是先准备能控制结果的视觉资产。
这个项目记录一条完整的AI服装视频生产路径：先建立稳定的人物参考，再生成与镜头匹配的场景，最后把服装图作为穿搭依据交给视频模型。页面重点展示每类输入素材在最终视频中的作用。
01 / GARMENT INPUT
先定义开场服装与穿搭库。
服装图承担造型依据，重点保留品类、色彩、廓形、层次与上下装搭配关系。
02 / MODEL ASSET
用多视角人物资产锁定同一位模特。
面部近景帮助视频模型识别人脸特征；正面、侧面和背面全身图补充身材比例、发型长度与人物轮廓，减少转身和换装时的身份漂移。
- 面部身份与妆容
- 发型、身材和比例
- 正面、侧面和背面信息
- 基础姿态与服装遮挡关系
03 / SCENE DESIGN
用全景确定空间，用局部确定镜头。
全景图负责空间结构和光线方向；局部图负责沙发、地毯与灯具之间的近景构图，让视频生成有更明确的动作区域。
04 / VIDEO MODEL
三类参考共同约束最终视频。
人物资产负责“是谁”，服装图负责“穿什么”，场景图负责“在哪里”。视频模型在这些约束下生成动作、换装过程与面料动态。
MODEL IDENTITY + GARMENT REFERENCE + SCENE REFERENCE → VIDEO GENERATION
05 / FINAL OUTPUT
最终AI服装穿搭视频
成片集中检验人物身份、服装变化、空间稳定性和动作连续性。播放器保留声音与控制按钮，可直接查看完整结果。
AI GENERATED VIDEO / FULL PLAYBACKWORKFLOW SUMMARY
一条可以继续复用的服装视频生产路径。
- 01
服装输入
整理开场服装与多套穿搭参考，明确需要保留的颜色、轮廓和搭配关系。
- 02
模特资产
建立同一人物的正面、侧面、背面与面部参考，锁定人物身份。
- 03
场景资产
准备全景与局部画面，为动作范围、空间关系和镜头构图提供依据。
- 04
视频生成
把人物、服装与场景参考输入视频模型，生成连续的穿搭变化。
- 05
结果检查
检查人物一致性、服装识别、动作自然度、遮挡关系与场景稳定性。