近期刷屏的萌宠跳舞视频，背后藏着一套可复制的AI技术。这则内容拆解了从图像生成到动态合成的完整流程，将复杂的AI创作简化为清晰步骤。它解决了大众对这类视频制作方法的好奇，提供了一条低成本、高效率的趣味内容创作新路径。
智能速览
通过Loraart等AI工具，可生成指定服装和姿态的萌宠静态图。
需提前准备人类跳舞视频片段，作为动作捕捉的参考素材。
核心操作在RunningHub工作流，使用“scale模型”进行动图生成。
仅需上传图片和视频，并调整“帧数读取上限”这一个参数即可运行。
精华内容
想要亲手制作这样的视频，其实并不复杂。整个过程可以拆解为三个核心环节，每一步都有明确的工具和方法论支持。
生成萌宠形象
第一步是使用AI图像生成工具，例如Loraart，创建宠物的静态图片。在操作中，需新建项目并选择图像生成器，输入精准的提示词，例如：“英国斗牛犬小狗穿上可爱的恐龙整身连体猫衫，双脚站立，白色背景”。
为了保证角色品种特征清晰，对于长耳朵犬种，提示词中应明确加入“耳朵露出”。模型可选择“香蕉”，图片比例设为3比4，分辨率选择2K或4K对最终效果影响不大。通过替换服装关键词，如蜜蜂、卡比巴拉，可以轻松生成同一宠物不同装扮的系列图片。
制作动作参考
有了静态形象，下一步是准备动态的舞蹈动作参考。由于网上现成的合适素材较少，可以手动搜集多个单人跳“海豹舞”的视频片段。将这些片段导入剪辑软件，进行抠像并拼接成一个完整的动作序列视频。
这里的关键点在于，参考对象必须是人类，使用动物视频容易导致模型识别错误。拼接出的视频时长决定了最终生成视频的长度，例如，一个15秒的参考视频就足够生成一段完整且有趣的舞蹈片段。
合成动态视频
最后一步是在RunningHub工作流平台完成最终合成。搜索并找到“scale模型”或类似的企鹅跳舞工作流。面对看似复杂的界面，操作流程被简化为三步。
第一步，在“加载图像”节点上传之前生成的宠物图片。第二步，在指定位置上传制作好的舞蹈参考视频。第三步，找到名为“帧数读取上限”的参数。这个参数的默认值81对应5秒视频，如果参考视频是15秒，则将数值设置为243（即15秒乘以3）。完成设置后，点击运行，即可得到一段萌宠跳舞视频。
这套方法将复杂的AI视频制作门槛大幅降低，让普通用户也能参与AI创作浪潮。掌握了这个流程，不仅能制作萌宠视频，还可以尝试让各种静态图像“动”起来。AI创作的边界正不断被拓宽，下一个爆款会是什么呢？
关键评论
不少用户关心整套流程中涉及的AI工具是否需要付费。
有养了七只猫的网友询问该方法是否适用于批量制作。
部分用户反馈在实践过程中遇到了特定的报错问题。
还有用户请教了如何保持生成视频中动物形象尺寸不变的技术细节。
