要让千问ai准确理解视频中人物的动作，必须用具体、可识别的动词短语描述肢体行为，避免抽象形容或主观判断；需按“部位+单音节动词+方向/状态”三步精准定位，并区分连续动作（用“→”连接）与瞬间姿态（定格式描述），同时只保留视觉可验证的动作。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让千问AI准确理解视频中人物的动作，必须用具体、可识别的动词短语描述肢体行为，避免抽象形容或主观判断。比如不能写“他显得很紧张”，而要写“他反复搓手→低头看表→快速眨眼三次”。
用动词+部位+方向/状态精准定位动作
第一步：锁定动作发生的**身体部位**，如手、腿、头、肩；第二步：搭配**单音节核心动词**（抬、垂、转、甩、踏、踢、抿、皱）；第三步：补充**方向或状态限定词**，如“左肩微微上耸”“右手向斜后方甩出”“左脚尖点地后立即离地”。
这一步漏掉部位或方向，AI容易误判成全身动作或静态姿态。例如只写“抬头”可能被识别为缓慢仰头或突然昂首，加上“下颌前伸→颈部拉长→双眼直视镜头上方15度”才足够明确。
区分连续动作与瞬间姿态
方法一：连续动作用“→”连接多个动词短语，体现时间顺序和节奏感。例如：“右手握拳→小臂屈起→肘部撞向右侧空气→肩膀随之后撤”。
方法二：瞬间姿态用“定格式描述”，不加动词时态，直接呈现关键帧特征。例如：“右膝弯曲呈90度→左脚全掌着地→躯干前倾12度→双手撑在大腿上”。
【连续动作必须按真实发生顺序排列，颠倒顺序会导致AI生成反向运动】
过滤干扰信息，只保留视觉可验证动作
删掉所有无法从画面直接判断的内容：心理状态（“犹豫地”）、因果推测（“似乎准备起身”）、环境影响（“被风吹得头发乱飞”）。只保留摄像机能拍到的、人眼能确认的肢体变化。
例如把“她因生气而跺脚”简化为“右脚跟重重砸向地面→左脚短暂离地→脚踝无缓冲回弹”。
这一步操作起来很简单，直接对照视频逐帧暂停，边看边记下每个关节角度变化和接触面状态即可。
