Vox 风格历史拼贴动画

关键决定

关键决定是给每个五秒片段规定「一个明确的小事件」，并且直接反对纯漂浮。提示词专门列了八个可用的小事件——箭头推进、路线延伸、铜钱旋转、印章盖下、竹简展开、砝码校准、马车抽帧前进、模块逐个激活——每一个都带语义，动作本身就在讲一个知识点，而不只是让纸片动起来。第二个决定是一对方向相反的约束同时成立：元素要各自作为独立剪贴块运动（抽帧感、纸片轻微抖动、分段位移、贴纸弹跳），但整张画面不许乱晃，主构图和重要文字必须稳定。Vox 这类解释性视频靠字卡传递信息，字在抖就读不了。第三个决定写在最后：这五秒不是一条独立作品，是九段里的一段，成片要拼起来再加 AI 口播、字幕和 BGM，节奏控制在每四到五秒一个知识点——五秒的时长是按信息密度算出来的，不是随手定的。

换到你的题材

可换的是参考图里的元素（人物、地图、字卡、铜钱、车轨、箭头都可以按题材替换）、以及那份小事件清单的具体内容。不能动的是三条：单张参考图作为唯一画面基础这条前提，没有一张构图完整的拼贴图，后面全部规则都无处落地；每个画面一个明确的小事件这条反漂浮规则；还有主构图与重要文字保持稳定这条。换成别的知识题材时，小事件清单要按新参考图逐项重列——铜钱旋转和竹简展开只属于中国古代经济史，换成航天题材就得换成推进器点火、轨道线延伸、模块对接这类只属于新题材的动作，照抄清单等于没换题材。九段拼接加口播这个后期流程也要一起继承，只做单段五秒的话，每四到五秒切一个知识点的节奏设计就失去意义了。

容易翻车

复测先看抖动的分配：每个剪贴块要各自抖、各自位移，但整张画面的构图不能跟着晃；最常见的两种失败，一是所有元素被绑成一个整体一起漂，二是模型把「抖动」理解成全画面手持感，两种都会让字卡读不清。再看文字，字卡和标题在五秒里必须保持位置和字形稳定，纸片风格容易让模型把文字也做成会变形的贴纸。然后确认这五秒里确实发生了一个能说清楚的小事件，比如印章真的盖下去了、砝码真的归位了，而不只是所有元素轻微浮动。最后看抽帧感在不在——动作如果是平滑插值的，定格拼贴的质感就没了，这时候要把抽帧、分段位移这几个词往前放或者加重。