你手上只有一帧，这就是全部问题。给它一张照片、一句描述，拿回一个循环——后面那几帧是画出来的，不是拍出来的。
照片是一帧。图片转动图的做法，是把这一帧当成开头，把后面几帧画出来——一次眨眼、一个偏头、尾巴摆一下——同时把脸、光和背景按住不动。这跟转换是两件事：转换工具手里必须有已经拍好的素材，你只递一张静态图过去，它能做的只有推近和横移，也就是加了点动作的幻灯片。所以这里要凭空造出一段从来没被记录过的动作。真正难的地方不在动作，在一致性：每一帧新画出来的画面，都得像同一个人、在同一个房间里，否则第二遍播放就散了。又因为输入只是一张图而不是一段话，照片本身承担了大半的信息——脸能不能读清、背景干不干净、主体占多大——这三件事在你写第一个字之前，就已经决定了结果成不成立。
所有要你先上传视频的工具，干的其实是同一件事：拼接已经存在的帧。这里剪一刀，那里定个帧率，再挑一个接缝点。你问它要一张照片的动画，它手里没东西可拼——一帧进，一帧出，最多给你一个假装是运动的缓慢推镜。图片转动图这个做法反过来，你交出去的不是素材，是一个起始姿势加上一句「接下来发生什么」。中间那些帧由模型补，而这恰好是从前要请动画师做的事：一次眨眼里面的第二帧，一个偏头里的第三度。这就是它成立而转换不成立的原因，也是为什么不同照片做出来的差距会那么大。它不是在调取一段现成的动画，它是在你给的那一帧周围，把一段动画现编出来。
一张好照片变成一段不像的循环，八个原因，按你会撞上的顺序排。图片转动图能补帧，补不了构图，所以前两条比后面六条都值钱。
图片转动图
@gifgpt
一致性从素材开始。一张全景里脸只有四十像素宽，模型几乎没有东西可以抓，于是眼睛会飘、下颌会移位。要在动起来之前先裁，不是动完再裁。一张脸能读清的特写，胜过一个构图漂亮但人物只是个细节的场面。这一个决定对结果的影响，比描述怎么写更大。
图片转动图
@gifgpt
循环很短，短的意思就是只能容一个变化。「她挥手、笑、然后看向别处」是三个节拍，得三个循环才说得清。你只给一个循环，画面就把有限的帧摊到三件事上，每件都做一半。挑你真正想要的那一拍——笑，而不是笑加挥手——让照片其余部分保持不动。不动不是没想象力，不动是那一个动作能被看见的前提。
图片转动图
@gifgpt
一描述场景，镜头就会进来，而镜头没法循环。推近了，最后一帧比第一帧更近，接缝处就是一次明显的弹回。写清「固定机位」，帧预算就全归主体。如果画面本身显得太静，让画面里的东西动——窗帘、一缕头发、一道反光——而不是让视点动。机位不动，循环才闭得上。
图片转动图
@gifgpt
「她变成一只猫」不是动画，是换了主角，中间那些帧几乎撑不住。动作是同一个主体换个位置：转、偏、眨、呼吸、晃。如果想法确实需要变形，那它要的是更长的片段和另一个工具。先分清楚你要的是哪一种，能省掉大量白做的渲染。
图片转动图
@gifgpt
杂乱背景是第二大漂移来源。书架、树叶、文字，都给模型提供了可以逐帧重新编的细节，而眼睛立刻就能察觉，哪怕说不出哪里不对。干净背景动得最稳。如果环境本身重要，就选一张背景虚化或色调统一的照片，把动作全交给主体去扛。
图片转动图
@gifgpt
褶皱和散落的头发是最容易自作主张的细节，一旦它们在帧与帧之间开始变形，人就不再是同一个人了。要么把这两样完全排除在描述的动作之外，要么写得极其克制——「一缕头发动了一下」，而不是「头发在风里飘」。第一版几乎总是应该往小里写。
图片转动图
@gifgpt
让一张平静的脸笑，常常得到一个「维持住的笑」：技术上没错，看着就是不对，因为真实的表情是先到、再落。把到和落都写进去——「笑意来得晚，眼睛还是疲的」——并且给循环留一个能回去的地方。起止都在同一个位置的表情，读起来像一张照片被挪动过，而不是一张脸做了点什么。
图片转动图
@gifgpt
一张从照片来的循环，如果按全分辨率、十五帧导出，很容易到几兆，比聊天窗愿意收的大。六到八帧、宽度适中，就够一个眨眼或一个转头，文件也小到能直接发出去。按它最终落在哪里来定尺寸，而不是按你眼前的屏幕——这一个选择决定了它会不会被用掉。
五步。前两步在照片上做，后三步在动作上做。跳过前面的步骤，图片转动图只会把一个没裁好的构图忠实地动起来。
一个明确的主体，脸大到能看清，背景安静。如果你得眯着眼才能找到人，动起来也救不了。
按你希望循环最后长成的样子去框。先动后裁意味着重新渲染，先裁后动意味着有限的帧全花在你真正在意的那部分。
说清主体、那一个动作，和它怎么回去。「她眨一次眼、头往左偏，然后回正」，对八帧来说这就是一份完整的说明。
放一遍循环，盯住不该动的部分：背景、衣料、下颌线。安静说明渲染稳，漂移说明描述要减。
聊天用方图，故事用竖图，网页用横图。在导出时定，你认可的那个构图会被保留下来，而不是被重新框一次。
手里只有一张好照片、没有素材的人——而这其实是大多数人的大多数时候。对这些人来说，图片转动图往往是那一帧唯一一次动起来的机会。
“我奶奶唯一一张笑着的照片，是 1998 年洗出来的。我们扫进去，描述了一次眨眼，拿到四秒的她，几乎像活的一样。家里没有人在意这是生成的。”
“产品图从棚里回来全是静帧，一整页静帧看着就是死的。每张图描述一道扫过的反光，整组图就活了，一次拍摄都没加。”
“我们的角色原本只有一张平面插画。同一个文件，四个手势，现在这个吉祥物在每页页脚里都有性格了。插画一次都没重画。”
“给一屋子人讲阀门怎么工作，光看图很难。我拍下原理图，描述那个会转的零件，上课前塞进幻灯片里就行。”
图片转动图能拿什么、不做什么，以及怎么挑一张撑得住这个过程的照片。静态图变动图这件事上，下面这些没有一条能靠多写两句描述绕过去。
它把你的照片留在第一帧，把后面的帧画出来，同时把主体、光和背景按住。动作必须由你描述，因为照片里一点都没有。
一个主体，脸或主要物件在画面里足够大，背景干净，光线均匀。特写远好于全景，因为需要维持一致的东西更少。
一张照片就是一个单位。如果画面里要有两个人，他们得本来就在同一张图里，而不是你给两个文件——否则渲染根本不知道把他们摆在彼此什么位置。
描述允许它多静，它就多静。杂乱背景会漂，因为可重新编的细节太多。写清固定机位、只描述主体，剩下的部分就会安静。
六到八帧，一秒半左右。够一次眨眼、一个转头或一次摆动，同时把文件压在小到可以直接发出去的程度。
削减，不要抽卡重来。把描述砍到一个动作，机位写死，去掉所有关于衣料和头发的话。漂移通常是因为太多指令在抢同一批帧。
能，而且更稳。平面插画和干净的产品摄影比人物照片更可预测，因为帧与帧之间可丢的细节更少。
一张会循环的 GIF，导出时定方形、竖版或横版。裁剪作用在成品上，所以同一个循环换个地方用，不需要再生成一次。
第一次渲染之前不必上传任何东西，你要敲的只有那句描述。但如果某张具体图片不允许离开你的机器，这件事要在开始之前确认，不是做完之后。
