這 25 秒，我做了 7 天

我以為給了起點和終點，中間它就會自己走完。實際上不會。 第一套做法燒掉 573 點，可用 0 秒，大半是栽在這個假設上：

1. 空間重建：拍下真實貓道的實景照片，據此生成場景參考圖。空間是真的，貓是生成的。
2. 分鏡拆段：把 25 秒的路線拆成多段，每段只做一件事，各段用首尾幀鎖住起點和終點。
3. 逐段生成：一段驗過再生下一段，先驗最可能崩的那段，不是最好做的那段。
4. 後製：接點修整、步伐晃動、音效分層，全部在剪接台上做，不叫模型做。

哪些事交給生成、哪些事留給後製，是這支片成敗的分界線。細節在下面兩節。

第一版整批不可用。除了開頭那三個失控實例，更根本的錯在驗證順序： 我驗了「單段畫面好不好看」，但這支片真正會崩的是「接點能不能串」。 單段各自都能看，串起來運動不連續，等於全部重來。

接點

即使首尾幀鎖住，接點處運動還是會跳，要在剪接台上修。 說實話：這支片的母帶在 5 秒處有一個硬切。所以我不說它「零剪點」， 也建議你不要為了「真的一鏡」硬燒點數：觀眾看的是流暢，不是你的剪點數。

音效

generate_audio 關掉之後，聲音全部後製疊： 呼吸、落地、爪尖刮過木頭、毛髮摩擦、房間殘響，一層一層疊上去。 腳步聲是程序合成的：46 個落腳點，逐一對位母帶的運動峰值。 聲音對上動作，POV 才成立。

1. 先過判準：實拍拍得到、而且合理，就去實拍。過不了這關再往下。
2. 拍實景照片重建空間：空間是真的，觀眾才信；主體再交給生成。
3. 分鏡拆段，一段只做一件事：跳躍、轉頭這種動作獨立成段，不跟位移混。
4. 鎖參數：照上面那張表；目標平台是直式就直接生直式。
5. 先生一段，驗最可能崩的那段：通常是接點能不能串，不是畫面好不好看。沒驗過不生第二段。
6. 把首尾幀當建議看待：模型會到終點，但中間會自己發揮；發揮空間靠拆段壓縮。
7. 晃動、接點、音效留給後製：生成只負責穩定畫面，生物感和連續性在剪接台上做。
8. 記帳：每次生成記下點數和可用秒數，你才知道哪一套做法真的比較便宜。