在人工智能内容学习中，可灵AI多图参考从素材准备到生成视频完整教程是常见主题。很多人在阅读时会遇到概念分散、步骤不清和注意点难以归纳的问题。本文按照基础概念、操作流程和关键细节，对相关内容进行整理。

必须使用v3.0.2+电脑端客户端，经【视频生成→图生视频→多图参考】路径进入，上传2–4张统一格式、主体一致、无水印的正方形参考图，并配以精确动词+部位+方向的提示词方可生成连贯稳定视频。

要用可灵AI基于多张参考图生成连贯、人物形象稳定的视频，必须严格满足图片数量、格式、主体一致性与模型版本等硬性条件，缺一不可。

确认环境与入口路径

第一步：打开电脑端可灵AI客户端，检查左下角版本号——【必须为v3.0.2或更高】，网页版和手机App完全不支持此功能。

第二步：点击左侧导航栏【视频生成】→顶部选项卡切换至【图生视频】→再点【多图参考】，此时界面右上角会显示“视频1.3”且不可更改。

第三步：若未看到【多图参考】按钮，说明当前登录账号未开通该权限，需前往官网提交企业认证或升级为Pro会员。

准备合规的参考图片组

方法一：按视角差异准备2–4张图

① 选同一人/物，无遮挡、无镜像翻转、无严重透视畸变；正面、侧45°、背面、局部特写（如手、鞋）各一张最稳妥。

② 所有图片统一导出为JPG或PNG，短边不低于300px，强烈推荐裁切为1024×1024正方形——尺寸不一致会导致AI误判空间关系，生成后肢体错位概率超70%。

③ 光照方向尽量统一，避免一张顶光、一张逆光、一张阴影过重；色温偏差大会让AI认为是不同时间拍摄的不同主体。

方法二：用即梦AI预生成角色库再导出

先在即梦AI中输入详细人物设定（发色/脸型/服饰/神态），生成5–10张不同角度的标准图，人工筛选出最符合预期的2–4张，再导入可灵。这比实拍图更可控，尤其适合虚拟角色。

【注意：绝对不要上传带水印、文字标注或PS拼接痕迹的图，AI会把水印识别为画面元素并动态化】

上传与提示词配置

将准备好的2–4张图一次性拖入界面中央虚线框，系统自动编号为图1→图4；顺序会影响AI理解动作起始帧，建议图1为起始姿态，图4为结束姿态。

提示词必须含明确动词+部位+方向，例如：“青年男子右臂前伸握剑柄，左膝微屈下蹲，身体向左旋转15度，衣袍随动扬起”。

删掉所有模糊副词——“缓缓”“轻轻”“似乎”“大概”全删；把“走路”改成“左脚先行，步幅25cm，足跟先着地”，把“挥手”改成“小臂以肘为轴向外展开30度，五指自然张开”。

右侧参数面板中，时长固定为4秒，不可调；分辨率锁定为1080p，帧率自动匹配模型最优输出。