博客 / 阅读约 6 分钟 · 2026-05-24

Gemini Omni 常见翻车点：文字糊、手部崩、多镜头人物走样和提示词过长

Gemini Omni 最容易出问题的地方：画面里的文字会糊，手部动作容易崩，角色撑过约 4 个镜头就开始走样，提示词超过 50 个词反而没重点。本文汇总社区实测记录下来的各项限制和应对办法。

Gemini Omni 刚发布时，报道几乎全是宣传视频。真正的翻车点，要到第二天 PixVerse、Atlas Cloud、digit.in 和 Seaart 的上手评测里才找得到。这篇把所有有记录的限制都收在一起，并附上出处，写提示词时可以提前避开。

1. 画面文字会糊

问题： Omni 生成的画面里，只要有文字、标签、招牌、品牌 Logo 或字幕，基本都会变形。字母糊成一团，字体扭曲，最后根本认不出写的是什么。

原因： 扩散类视频模型把文字当成视觉纹理，而不是有意义的符号。每一帧都重新画一遍文字，字形自然前后对不上。

应对办法：

• 提示词里压根别提叠加文字。
• 拍产品时，写“无品牌包装”或“背景里的 Logo 虚化”。
• 拍招牌、店面时，写“带抽象符号的风格化招牌”，别写具体的字。
• 非要有文字，就留到后期自己加，别指望 Omni 生成。

验证来源： PixVerse 上手评测——英文、中文、日文都出现同样的问题。发布时还没有哪种语言能幸免。

2. 手部动作容易崩

问题： 握东西、敲键盘、打手语、弹乐器，这类精细的手部动作很容易崩：手指粘在一起，物体穿过手掌，指关节往反方向弯。

原因： 手的活动自由度比身体其他部位高，也更常被遮挡。训练数据又以静态人像和大场景为主，手部操作的特写很少。

应对办法：

• 能用构图藏住手就藏住。 从侧面跟拍（tracking shot）、让人物背着手，或者在手腕处裁掉。
• 别要手部操作的特写。 “手指打字特写”几乎每次都崩。
• 弹乐器： 只写“弹钢琴”，不指定手指放在哪，让 Omni 自己大致补全。
• 接受一点不完美。 手离镜头 5 英尺以上通常没问题；手占画面 30% 以上就容易失败。

验证来源： PixVerse 评测和 digit.in 实测。

3. 多镜头角色一致性最多撑 3～4 个镜头

问题： 用 @character_name 加参考图，可以让同一个角色跨镜头保持长相。前 1～3 个镜头没问题；到第 4～5 个镜头，脸已经明显走样；到第 6 个以后，基本就换了个人。

Atlas Cloud 的评分： 超过 4 个镜头时，角色一致性只拿到 3 分（满分 5 分），达不到正式制作通常要求的水平。

应对办法：

• 按每 3 个镜头一组来规划。 拍完 3 个镜头，下一组当作新段落，重新锚定角色。
• @character_name 一定要配参考图。 别只靠提示词描述角色。
• 同一组里每个镜头的提示词，都加上一句“保持 [character_name] 的脸、发型和服装完全一致”的锁定。
• 接受多抽几次。 有时同一条提示词要生成 3～5 次，才能拿到脸对得上的结果。

验证来源： Atlas Cloud 多轮一致性评测。

4. 复杂动作会出 AI 瑕疵

问题： 跳舞、体操、运动动作、演奏乐器这类复杂动作，会出现明显的 AI 瑕疵：多出来的肢体、不可能的关节角度、快速运动时画面拖影。

digit.in 的结论： 走路、站立、说话这类简单动作生成得很好；跳舞、全身体操这类复杂动作每次都失败。

应对办法：

• 对成片质量有要求时，尽量让主体只做简单动作。
• 非拍复杂动作不可的镜头， 改用慢动作的写法（“slow-motion ballet pose mid-spin”，旋转中的芭蕾慢动作），模型需要生成的中间过渡帧会少很多。
• 用构图裁掉最难的部分——跳跃时只拍舞者上半身，别拍全身。

验证来源： digit.in 评测。

5. 提示词超过约 50 个词反而没重点

问题： 提示词写得越长，控制力并不会跟着成比例增加。超过大约 50 个词，模型的注意力会被摊到更多细节上，出来的画面反而更平庸，而不是更具体。

Seaart 的结论： 30～50 个词时效果到顶，超过 60～70 个词就开始下降。

应对办法：

• 提示词控制在 30～50 个词。 写得越长，得到的越少。
• 需要更精确时，用触发模式（trigger pattern），把状态变化拆成一条基础提示词加一轮追加指令。
• 形容词狠心删。 “Stunning beautiful epic cinematic”这一串全是装饰，不如换成一个具体的风格参照（“35mm film, warm tungsten”，35mm 胶片、暖色钨丝灯）。

验证来源： Seaart 分析。

6. 品牌和 IP：描述画风媒介，别点名版权方

问题： 点名受版权保护的 IP（“Marvel character”“Studio Ghibli style”）或真实公众人物，等于要求模型复制别人的东西，而模型的设计就是拒绝这类请求。拒绝往往是悄无声息的——不会报错，只是出来的画面变得平平无奇。

原因： 这是有意为之：Google 设置这些保护措施是为了防止侵犯知识产权，这样做本来就对。Omni 没有针对任何特定 IP 调校，离某个 IP 太近的输出会被压下或淡化。

应对办法：

• 用风格描述代替 IP 名称。 写“hand-painted watercolor animation”（手绘水彩动画），别写“Ghibli style”；写“3D animated character with soft rim lighting”（带柔和轮廓光的 3D 动画角色），别写“Pixar style”。
• 提示词里别点名在世的人。 哪怕是拐弯抹角的暗示，也可能拉低出片质量。
• Avatar（数字人）功能： 只能用你自己的 @username。想克隆别人的脸，在身份验证这一步就会失败。

7. 10 秒硬上限（严格说不算翻车，而是一项限制）

据 TechCrunch 的发布报道，Gemini Omni Flash 单个片段最长只能生成 10 秒。要做更长的片子，就在 Google Flow 里把多段拼起来，别跟这个上限较劲。

汇总表

如果提示词是直接被拒，而不是画面出问题，可以放进免费的提示词被拒诊断工具里查一下——它会标出可能引起误判的触发词，并给出更中性的改写建议。

怎么用这份清单

别把这些当成等着 Google 修的 Bug——它们是 Gemini Omni Flash 发布时就定型的特性。从一开始就把它们写进提示词策略：

1. 默认画面里不放文字、能藏手就藏手、提示词控制在 50 个词以内。
2. 按每 3 个镜头一组规划，每个镜头都写明 @character_name 和锁定句。
3. 把IP 名称换成画风媒介描述。
4. 长一点的故事在 Flow 里拼接，别跟 10 秒上限较劲。

相关文章

• 完整实战指南——把上面这些放在完整流程里讲
• 镜头语言词汇表——在这些限制下该用哪些运镜动词
• “保持 X 完全一致”锁定句——多镜头制作的基本功
• 术语表——每个翻车点的正式定义