白模、白模绿幕、深度视频是什么？小白也能看懂的 AI 视频入门

同一段人物视频，为什么有人要把它变成白色小人，有人要给它加上绿底，还有人要把它变成一片黑白灰？

因为做 AI 视频时，我们经常希望保留一部分内容，再换掉另一部分。

比如，你有一段人物抬手、转身的视频。动作很合适，但你想把真人换成动画角色，把房间换成海边，或者让人物伸手时的前后关系更稳定。

这三个愿望，用到的素材不完全一样。

白模视频主要提供形体、动作和画面安排。白模绿幕视频让主体更方便被单独取出来。深度视频则提供画面里的远近关系。

先把这三件事讲明白，再看提示词，你就知道每一句要求究竟在解决什么问题。

1. 白模视频，可以理解为还没装扮好的动画

想象一个没有涂装的人偶。

它有头、身体和四肢，你能看出它抬起哪只手、面向哪个方向，但没有复杂的肤色、衣服花纹和材质细节。

把这样的人偶动起来，就接近本文要用的人物白模视频了。

这里的白模，是三维制作里常见的一种简化呈现方式。模型通常使用白色或浅灰色材质，让人先看清形状、位置和动作，暂时不把注意力放在最终外观上。

白模也不只指人物。建筑、汽车、家具、产品，都可以用白模表现。比如先用简单形体搭好一个房间，安排镜头从门口向窗边移动，再考虑墙面是什么颜色、沙发是什么面料。

白模视频有什么用？

它很像正式拍摄前的动作排练。

人物站在哪里，什么时候抬手，往哪个方向走，镜头怎样跟着移动，这些先在白模里交代清楚。然后让支持白模参考的视频模型，根据这些画面重新生成外观。

还是开头那段视频。原片是一名穿红衣的人，在房间里抬手、转身。转成白模后，你主要看到一个浅灰色人形做同样的动作。接下来，可以给它一张动画角色参考图，要求用这张图定义长相与服装，用白模视频定义动作。

这样，外观和动作就有了各自的参考。

白模先交代形体与动作，角色外观可以另外指定。

为什么要先把外观简化？

原片里的红衣服、真人面孔和房间陈设，都可能影响重新生成的画面。白模减少这些细节，让动作与形体更突出。它适合用来预演动作、尝试不同角色造型，或者反复更换画面风格。

不过，如果直接用原片作动作参考就已经够用，也可以直接做。多转换一次，就多一次发生偏差的机会。

还有两件小事要分清。

白模可以有正常的明暗和阴影。你能看出手臂是圆的、身体有体积，并不要求整个小人像一张纯白剪纸。

白模也不一定都没有脸和头发。本文提示词特意选择无脸、无发的基础人形，是为了让人物动作更清楚。其他白模可以保留更多结构细节。

至于一段看起来像白模的 MP4，它仍然是一段视频。拿到这个文件，不等于同时拿到了可以随意调整关节和旋转视角的三维模型。

2. 白模绿幕视频，就是给白模加一块方便去掉的背景

白模视频里的背景，可以是灰色摄影棚，也可以是简化的场景。

把背景换成均匀的纯绿色，就得到白模绿幕视频。

可以把它记成一个很直观的组合。

白模绿幕视频 = 白模主体 + 纯绿色背景。

普通绿幕里可以站真人，也可以放产品、卡通角色。白模绿幕只是其中一种，前景恰好是白模。

为什么要加绿色？

因为浅灰色主体与绿色背景容易区分。剪辑软件可以根据颜色，把绿色部分去掉，留下主体。

这个过程叫抠像。你可以把它理解成沿着人物轮廓剪出一张会动的贴纸，再把贴纸放到新的背景上。

比如，把开头那个人物变成白模，放在纯绿背景前。抠掉绿色后，你就可以把它放到海边、城市街道或一张产品展示图上，检查同一段动作在不同场景里是否合适。

注意，绿色要经过抠像才会消失。直接把绿幕视频放到另一段视频上，绿色通常还会挡住下面的画面。

抠像后，背景变透明，下面的场景才会露出来。软件里有时会出现 Alpha 这个词，它在这里说的就是透明度，不用一开始就记更多技术定义。

去掉绿色背景后，前景才能像贴纸一样放进新画面。

为什么提示词反复要求背景均匀、边缘清楚？

因为软件需要知道哪些地方该去掉。

背景有阴影，绿色就会深一块、浅一块；人物边缘沾上绿色，软件也容易分不清。结果可能是背景没去干净，或者手指、脚踝被一起抠掉。

所以，绿幕越均匀，主体轮廓越清楚，后面越容易处理。生成后要放大看手指、两腿之间和快速运动的边缘，不能只看缩略图里大致是绿色就算完成。

白模绿幕最直接的用途，是方便换背景、叠加素材和做后期合成。它增加的是前景与背景的分离便利，动作仍然需要和原视频核对。

3. 深度视频，是一张会动的远近地图

这里的深度，说的是物体离镜头有多远。

一段普通视频里，你能看到红色衣服、白色墙壁和人物脸上的光。深度视频把重点放在另一件事上，哪些地方靠近镜头，哪些地方离镜头更远。

为了让人能看懂，这些远近信息常常会显示成黑白灰。

本文沿用提示词中的约定，近处偏白，远处偏黑，中间用不同深浅的灰色过渡。不同工具可能采用相反的显示方向，使用时要按具体工具的要求确认。

用抬手这个动作来理解。

人物把右手伸向镜头，手在前，身体在后，墙壁更远。按近白远黑的方式显示，手可以更亮，身体稍暗，墙壁更暗。

当手收回身边，手和身体之间的深浅差异也会随距离变化。

暂停视频，你看到的是一张深度图；播放起来，就是一张张随人物运动而变化的深度图，也就是深度视频。

所以，它有点像给每一帧画面附上一张远近地图。

知识猫展开远近地图，按本文约定，近处更亮、远处更暗

它和普通黑白视频有什么区别？

把彩色视频调成黑白，红衣服会变成某种灰色，白墙通常还是很亮。这个明暗主要来自原来的颜色和光照。

深度图里的明暗要表达距离。哪怕人物穿着黑衣服，只要他离镜头近，按本文的约定也可以显示得更亮；远处一面很白的墙，则可以显示得很暗。

再想象一个位置固定的白球。把灯从左边移到右边，球表面的明暗会换边，但球到镜头的距离没有变。深度图也不应该只因为灯换了位置，就把球的远近改掉。

这就是为什么给视频加一个黑白滤镜，不能完成深度提取。

灯光改变表面明暗，物体与镜头的距离并不因此改变。

深度视频能帮 AI 做什么？

它可以给支持深度控制的视频模型提供空间参考，例如手在身体前方、人物站在桌子后面、镜头向前移动时不同物体怎样改变位置。

在换人物外观、换材质或重绘场景时，这类信息有助于保留原来的空间安排。它尤其适合那些单靠一句保持构图不够容易说清楚的画面。

不过，深度本身不会告诉模型角色该穿红衣还是蓝衣。外观仍然需要图片或文字来说明。

它也不是透视眼。从普通视频估计出的深度可能出错，被完全遮住的身体部位不能因此可靠地还原出来。对入门创作者而言，先把它理解为提供远近线索，就足够了，不要把每一块灰色都当成精确测量的米数。

提示词里还有一个词叫单目。简单理解，就是从普通单摄像头拍到的画面估计深度，不要求你先用两台相机拍摄。

4. 三种素材放在一起，该怎么选？

继续看同一个人物抬手、转身的例子。

想把真人动作换成动画角色，可以先尝试白模参考。想让主体出现在另一张背景里，绿幕更直接。想让伸出的手、身体和背景之间的前后关系更稳定，再考虑深度控制。

不需要每次都把三种素材全部做一遍。它们可以按任务选用，也可以在需要时组合。

5. 小白第一次做，按这个顺序来

先准备一段 3～5 秒的单人视频。人物尽量全身入画，动作清楚，没有频繁切镜。抬手、转身、走两步，都比多人打斗更适合第一次练习。

再准备一张目标角色图，例如你希望替换进去的动画人物。只做抠像换背景时，另外准备一张背景图或一段背景视频即可。

下面三套原始提示词分别放在对应操作中。把 【转换对象】 换成视频中的全部人物，或明确写出要处理的那个人。不要保留这个括号等模型自己猜。

提示词里的完美复刻、逐帧一致，是提出的要求。生成后还是要检查动作。每一帧，就是视频中的每一张连续画面；帧率，就是每秒播放多少张画面。入门时先让原片与结果保持相同的画幅、时长和帧率，方便比较。

做白模，先生成动作参考，再换外观

第一步，上传原视频。

以即梦 Seedance 2.5 为例，在网页端进入视频生成，选择对应模型，把原片作为视频参考上传。

要上传完整动作片段，只有一张截图无法交代整段抬手和转身的过程。

第二步，使用白模提示词。

修改转换对象后，粘贴下面这段。界面可以设置画幅、时长时，选与原片一致的设置。

请以我上传的参考视频为唯一动作来源，将【转换对象】转换为3D基础白模，完美复刻原视频中每个人物的站位、肢体动作、节奏卡点、运动轨迹和镜头构图。
【人物形象】
每个人物都替换为3D动画制作中的基础白模：无脸、无五官、无头发、无服装、无纹理、无真实皮肤、无性别特征，只保留简洁的人形身体结构和清晰关节（肩、肘、腕、髋、膝、踝有明显分段）。材质为哑光浅灰白色（接近#E6E6E6），表面均匀无反光。每个白模的身高、体型、四肢比例分别与原视频中对应的人物一致，人物数量与原视频相同。
【动作要求】动作必须严格跟随参考视频：
- 每一帧的姿态、四肢角度、身体朝向和重心，都与原视频同一时刻一致；
- 动作节奏和卡点的时间点与原视频完全重合，不加动作、不省动作、不改幅度；
- 每个人物在画面中的位置、移动路线、移动速度，以及人物之间的相对位置、接触和遮挡关系，都与原视频一致；
- 手部、头部转动、跳跃高度、落地时机全部保留。
【镜头与画面】
机位、景别、推拉摇移和构图与原视频逐帧一致，画幅比例、时长、帧率与原视频相同。背景为无缝的中性浅灰摄影棚（无物体、无文字），用柔和均匀的棚拍光，只保留人物脚下淡淡的接触阴影。
【禁止】
不得出现面部特征、头发、衣物、配饰、肤色、文字、Logo；不得增减人物，也不得出现原视频没有的道具；不得改变动作、速度或镜头运动；不得加入特效或转场。

第三步，先检查白模有没有做对。

把原片和结果同时打开，看人物数量、抬手时机、转身方向和脚有没有乱滑。不要只检查有没有变白。

如果原片里有人坐椅子、拿球或扶栏杆，要根据实际需要修改模板，把必要道具保留成简单形状。椅子被删掉，人物就可能看起来坐在空气里。

第四步，用白模做新的视频参考。

上传刚才通过检查的白模，再加入目标角色图。人物图尽量接近白模第一帧的朝向和景别，避免一个是全身背影，另一个只有正脸特写。

然后用几句话说明素材分工。例如，动作、站位和镜头参考白模视频；长相、发型和服装参考角色图；场景改成海边；不增加新的动作。

这一步是在制作最终外观，不要继续要求角色无脸、无头发、无服装。

做完以后，再检查一次抬手和转身的时间。白模制作与最终重绘都可能产生偏差，前一步出错，要先修前一步。

知识猫对齐两个视频的同一时刻，核对手脚的位置与动作。

做白模绿幕，生成后还要完成抠像

第一步，上传原视频，换用绿幕提示词。

请以我上传的参考视频为唯一动作来源，将【转换对象】转换为3D基础白模，放在纯绿幕背景前，完美复刻原视频中每个人物的站位、肢体动作、节奏卡点、运动轨迹和镜头构图，方便后期抠像。
【人物形象】
每个人物都替换为3D基础白模：无脸、无五官、无头发、无服装、无纹理、无真实皮肤、无性别特征，只保留简洁的人形身体结构和清晰关节。材质为哑光浅灰白色（接近#E6E6E6），轮廓边缘清晰锐利。体型、比例和人物数量与原视频一一对应。
【动作要求】动作必须严格跟随参考视频：
- 每一帧的姿态、四肢角度、朝向和重心，都与原视频同一时刻一致；
- 节奏卡点完全重合，不加动作、不省动作；
- 每个人物的位置、移动路线和速度，以及人物之间的相对位置和遮挡关系，都与原视频一致。
【绿幕规范】
- 背景整片是纯色色键绿（#00B140），亮度均匀，无渐变、无暗角、无地平线、无地面纹理；
- 背景上没有投影，也没有环境光遮蔽造成的暗区；
- 人物身上没有绿色反光或溢色，边缘没有绿边、半透明或拖影；
- 动作快的时候也要保持边缘清晰，尽量少出现运动模糊。
【镜头与画面】
机位、景别、镜头运动、构图、画幅比例、时长和帧率与原视频逐帧一致。用均匀柔和的正面光，人物身上的明暗只用来表现身体体积。
【禁止】
不得保留原视频的场景、物体和文字；不得出现面部特征、头发、衣物；不得增减人物；背景不得出现绿色以外的任何颜色。

模板里的 #00B140 是一种指定绿色的色号，可以先照用。生成后的实际绿色可能略有偏差，抠像时用取色器点画面里的绿色，更容易选对。

第二步，把素材放进剪辑软件。

使用带色度抠像功能的剪辑软件，新背景放下层，绿幕白模视频放上层。选中绿幕片段，找到色度抠像或色键功能，再用取色器选择绿色背景。

第三步，一点点调整抠像强度。

先让大块绿色消失，再放大检查人物轮廓。如果手指被抠没了，把强度往回调；如果身体完整但边缘发绿，再找去溢色或边缘调整选项。去溢色，就是清理沾在人物边缘的绿色。

不同软件的名称和滑块刻度可能不同，先观察画面变化，不用背一个固定数值。

第四步，播放检查，再导出。

看人物有没有漂浮感，脚是否贴着新背景的地面，运动时边缘有没有闪。背景换好了但脚下没有接触阴影，人物仍可能像贴上去的。

只要最终成片，可以直接导出合成视频。还想以后继续换背景，就保存剪辑工程；需要交给其他软件时，再选择明确支持透明背景的导出格式。

这里完成的是把白模放进新背景。抠像不会顺便给白模长出头发、换上衣服；人物外观需要另做生成或合成。

做深度视频，先找到真正的深度提取功能

这一条比前两条更依赖工具。初次接触，可以先理解用途，等需要加强空间控制时再尝试。

第一步，用专门的工具提取深度。

例如 Video Depth Anything 可以根据普通视频估计深度。小白可以使用已经配置好的页面或工作流，上传原片，得到深度结果。这里的工作流，可以理解成别人已经连接好的一套处理步骤。

如果遇到的页面要求下载模型、安装运行环境，那已经进入部署环节了。本篇先讲使用逻辑，不要求你为理解三个概念学会安装这些东西。

第二步，检查结果有没有合理的远近变化。

暂停到手伸向镜头的位置，看看手、身体、墙面的前后关系是否合理。再连续播放，看背景有没有无缘无故忽明忽暗，手臂有没有忽然与身体混成一块。

第三步，把深度放进支持它的生成入口。

例如 ComfyUI 的 Wan2.2 Fun Control 工作流支持深度控制。使用已经配置好的对应模板，把深度视频用作控制参考，把角色图与文字用于定义最终外观。普通的视频上传框不一定支持这种用途。

你可以把这一步理解成，深度负责提示远近，角色图负责提示长相，文字负责说明场景和风格。

深度与外观各自提供参考，再交给支持它们的生成流程。

下面这套提示词说明的是想要怎样的深度素材。它可以作为制作要求和检查清单。只有文字要求，不能保证通用视频生成器输出的灰度画面就是可靠深度。

请以我上传的参考视频为唯一来源，生成与原视频逐帧对齐的单目深度图视频（Depth Map），完整保留【转换对象】的站位、肢体动作、节奏卡点、运动轨迹和镜头构图。
【深度编码规则】
- 输出纯灰度画面，只用亮度表示距离：离镜头越近越亮（接近白色），越远越暗（接近黑色）；
- 深度过渡平滑连续，身体表面有细腻的明暗渐变，能看出头、躯干、四肢的前后关系；
- 多个人物之间、人物与背景之间的深度边界清晰锐利，没有光晕或羽化；
- 整段视频的深度范围保持固定，不能逐帧自动调整亮度，也不能闪烁。
【内容要求】
- 人物只保留几何体积：没有五官、头发、衣服褶皱和纹理，不体现性别和外貌特征；
- 动作严格跟随参考视频：每一帧的姿态、四肢角度、朝向、位置和节奏卡点与原视频同一时刻一致，人物数量和遮挡关系不变；
- 背景处理：【二选一：A. 保留原场景的地面和主要背景结构，按真实距离编码深度 ／ B. 背景统一为纯黑#000000，只保留人物深度】
【镜头与画面】
机位、景别、镜头运动、画幅比例、时长和帧率与原视频完全一致，画面可以与原视频逐像素叠加对齐。
【禁止】
不得出现任何颜色（只允许灰度）、光照阴影、高光、纹理、文字、噪点；不得改变动作、构图、镜头运动或人物数量。

使用这套模板时，背景的 A、B 只保留一个。A 保留地面和主要背景的远近关系，适合希望整个场景都参与参考；B 只留下人物深度，适合后面的处理确实只需要人物，而且工具支持这样输入的情况。

还有一处要按目标取舍。如果要和原片轮廓对齐，就要允许衣服、头发原本占据的形状留下来。把大外套和长头发都去掉以后，轮廓自然会变化。需要简化人形时，可以改用已经检查过的白模作为深度来源。

6. 最容易弄混的四件事

变成白色，不代表动作已经保住。

每次生成都要看动作发生的时间，尤其是抬手最高点、起跳和落地。外观漂亮了，动作仍然可能发生变化。

出现绿底，不代表背景已经透明。

要经过抠像，或者使用支持绿幕编辑的功能，才能把背景换掉。需要保留主体原有画面时，直接抠像合成更容易检查；生成式换景可能同时改动人物细节。

画面是黑白灰，不代表它表达了深度。

检查明暗是否跟着远近变化，别把普通黑白滤镜当成深度提取。

写上完全一致，不代表每个软件都能做到。

提示词需要配合正确的输入功能。原片参考、绿幕抠像、深度控制，各有对应用途。工具没有接收这类信息的入口时，继续增加要求也解决不了这个问题。

第一次练习，就从那段抬手、转身的小视频开始。先做一份白模，再试着给它换一个角色或背景。

等你能说清楚这次保留了什么、改变了什么，三种素材就不再只是三个听起来很专业的名字了。

7**. 一些玩法演示**

嵌入推文（联网查看）

嵌入推文（联网查看）

嵌入推文（联网查看）

嵌入推文（联网查看）

关于我和猫社

我是知识猫。

在大厂写了 10+ 年代码，现在用 AI 折腾新东西。做图、做视频，分享作品和背后的工作流。也在摸索，怎么把一个人的创作做成生意。

群内主要聊这些内容。

1、AI 工具使用心得

2、AI 图文教程制作经验

3、低成本 AI 视频实战

4、图文视频赛道拆解

5、AI 短剧和视频反推

6、资源链接与项目实操交流

适合愿意行动、愿意交流，想认识同频朋友的人。带着自己的作品、问题和尝试来，一起把想法做出来。