用两张照片做宠物双人视频：什么可行

两张照片，一条视频，零训练——我们见到的最有意思的玩法之一就是宠物。猫和狗的二重唱。小时候的狗和现在的狗同框。宠物双人视频效果大多不错，但动物遵循和人类不同的规律，提前知道这些能帮你省点数。

宠物照片真的能生成吗？

大多数情况下可以——但有一个前提。DuetTake 背后的模型绝大部分是用人脸训练的，所以它们读取人类身份线索（眼睛、鼻型比例、皮肤质感）远比读取毛色花纹可靠。面部特征分明、正面朝向镜头的猫狗生成效果好；花纹复杂或毛茸茸、脸和身体融为一体的品种，更容易软化或漂移。

什么样的宠物照片算好照片？

人像选片指南的规则都适用，再加几条宠物专属的：

• **一张照片里只有一只动物。**模型每侧只驱动一个主体；一张三只狗的合影会迫使它猜你指的是哪只。
• **脸朝镜头，眼睛可见。**侧面只露出一个鼻吻的话，模型几乎抓不住任何信息。
• **光线均匀，避免闪光灯眩光。**发光的眼睛和过曝的毛会抹掉模型需要的纹理。
• **清晰、近期的照片。**如果你的宠物在拍摄后长大或换过造型，生成结果反映的是照片里的样子，而不是它现在的样子。

哪种组合效果最好？

人 + 宠物是最稳的组合——人锚定整个画面，模型会倚靠更强的身份信号。两个不同物种的宠物（猫 + 狗）在两张脸都清晰时可行。两只长得很像的宠物——两只金毛、两只虎斑猫——是最难的：模型可能把它们混成同一个表演者，尤其当两张照片光线不同时。

模板和音乐要注意什么？

模板动作是围绕人体设计的。宠物跳「人类的舞」可能诡异也可能可爱，取决于模板——更安静、手势少的模板观感最好。音乐无论如何都会内嵌，所以选一个和宠物气质匹配的模板：点头类的模板通常比大幅度挥臂的模板更适合狗。

试验一轮要花多少点数？

先用 480p（20 点）打草稿，确认组合效果后再用 720p 导出正式版。失败的生成会自动全额退款，所以一次奇怪的结果只花你时间，不花点数。如果打算发布，社交平台导出指南讲了画幅比例和字幕的注意事项。

想知道你家宠物在二重唱里什么样？打开生成器。

常见问题

可以用已经离世的宠物的照片吗？ 可以，这也是我们见过的最有意义的用法之一。请用你手头最清晰、最近期的照片——生成结果会忠实地还原那张照片。

视频里的宠物会和照片一模一样吗？ 接近，但不会完全相同。毛发细节和颜色保持得很好；精确的花纹可能会软化，花色复杂的品种尤其明显。

能给我的宠物在视频里加上项圈或衣服吗？ 只有源照片里清楚可见的配饰才会被还原。模型驱动的是它看到的内容——它不会凭空发明配饰。