HY-Motion 1.0提示词指南：写出完美动作描述的方法
你是否试过输入“一个人跳舞”，结果生成的动作僵硬、关节扭曲，甚至像被无形丝线牵扯的木偶？又或者写了一大段细腻描写，模型却只执行了其中一半，剩下部分被悄悄忽略？在动作生成领域，提示词不是越长越好，而是越准越强。HY-Motion 1.0作为首个十亿参数级文生动作模型，其强大能力背后，是一套高度结构化、有迹可循的表达逻辑。它不理解诗意的隐喻，但能精准响应“左膝屈曲30度、右臂外展60度、重心前移12厘米”这样的动态指令。本文不讲架构、不谈训练，只聚焦一个最实际的问题：如何用最简练的英文，让文字真正“动起来”。我们将从底层设计逻辑出发，拆解提示词的构成要素，给出可复用的句式模板，并通过真实对比案例揭示那些被忽略却决定成败的关键细节。
1. 为什么HY-Motion对提示词如此“挑剔”？
1.1 动作生成不是“看图说话”，而是“解构-重建”
传统图文模型处理的是静态画面，而HY-Motion处理的是连续时空中的骨骼运动轨迹。它接收的不是一段抽象描述，而是一组需要被精确映射到3D人体骨架（SMPL-X）上的关节角速度、位移向量与时间序列约束。这意味着：
- “挥手”不是一个模糊动作，而是肩关节外旋+肘关节屈曲+腕关节尺偏的组合运动；
- “走路”不是简单位移，而是骨盆前倾、髋关节交替屈伸、足底触地力矩变化的周期性过程；
- 模型必须在毫秒级时间步长内，同步协调24个主要关节点的运动状态。
因此，提示词本质上是给模型下达的一份骨骼运动控制协议。它不关心“开心地挥手”，只识别“右臂以肩为轴，从体侧抬起至水平，肘部保持120度弯曲”。
1.2 三大技术约束，定义了提示词的“安全区”
HY-Motion的高精度并非凭空而来，而是建立在三重严格约束之上。理解这些约束，就是掌握提示词边界的钥匙：
- 生物约束：模型仅学习过人形双足直立骨架的运动数据。输入“一只猫跳跃”或“四足机器人爬行”，系统会因缺乏对应先验而生成失真动作，甚至报错中断。
- 物理约束：所有动作必须符合基础力学规律。例如，“原地垂直弹跳2米”超出人类肌肉爆发极限，模型会自动降级为合理高度；“头朝下倒立行走”因违反重心稳定性原则，会被修正为标准倒立姿态。
- 语义约束：模型通过RLHF（人类反馈强化学习）对齐了审美直觉。它能区分“自然转身”与“抽搐式扭动”，但无法理解“忧伤地转身”——情绪是主观体验，而动作是客观轨迹。
这意味着：提示词的有效性，取决于它是否落在“人形-物理-可执行”这个三角交集内。越靠近中心，效果越稳定；越靠近边缘，越容易触发模型的自我修正机制，导致结果偏离预期。
2. 黄金结构：一个完美动作提示词的四个核心模块
2.1 主语锚定：明确“谁在动”，且只能是“人”
HY-Motion的输入主语必须是清晰、无歧义的人称指代。这不是语法要求，而是数据先验的强制约定。
推荐写法：
A person,A man,A woman,An athlete,A dancer
理由：模型在预训练阶段接触的3000+小时动作数据，全部标注为人称主体，这些词汇直接激活对应的身体比例与运动模式库。高风险写法：
Someone,They,The figure,A character
问题：Someone缺乏体型先验，The figure可能被误读为抽象几何体，A character易触发游戏动画风格（非真实人体动力学）。特别注意：绝不使用代词开头。
He lifts his arm会被解析为两个独立指令：“He lifts” + “his arm”，导致上半身与手臂运动脱节。必须始终以名词短语起始。
2.2 动作动词：选用“可分解、可测量”的基础动词
动词是提示词的引擎。HY-Motion对动词的解析能力，取决于该动词能否被拆解为标准关节运动单元。
高效动词（推荐优先使用）：
位移动词：
climb,step,slide,crawl,kneel,squat,lunge
优势：直接关联髋/膝/踝关节角度变化，模型有大量对应数据支撑。肢体动词：
lift,extend,rotate,bend,twist,swing,reach
优势：明确作用于单一关节链，如lift right arm精准控制肩-肘-腕序列。低效动词（应避免或替换）：
dance,fight,play,act—— 过于宽泛，需拆解为具体动作组合。feel,think,want,look—— 属于心理/感官动词，模型无对应运动映射。beautifully,gracefully,powerfully—— 副词修饰语，模型忽略（见禁区说明）。实用技巧：当需要表达复杂行为时，用逗号分隔多个基础动词，形成动作链。例如：
A person squats, then extends both legs, and rises to standing position.
模型会将其解析为三个连续、有因果关系的运动阶段，而非一个模糊的“站起”。
2.3 空间与方向：用绝对坐标系替代相对描述
人体是三维空间中的运动体。HY-Motion内部使用世界坐标系（World Coordinate System）进行骨骼求解，因此提示词中的空间描述必须与之对齐。
正确空间表达（使用绝对方向词）：
upward,downward,forward,backward,leftward,rightward
示例：A person steps forward with left foot, then lifts right knee upward.
效果：forward明确指向Z轴正向，upward指向Y轴正向，模型可直接映射。错误空间表达（依赖观察者视角）：
toward the camera,away from viewer,to the left（无参照物）
问题：the camera在模型推理中不存在；to the left未说明相对于谁（身体？地面？），引发歧义。关键细节：避免使用“around”、“along”等模糊路径词。
rotate around waist不如rotate torso clockwise精确；move along path不如step diagonally forward-left可控。
2.4 时间与节奏：用动词时态与连接词控制动作流
动作的连贯性，本质是时间序列的平滑性。HY-Motion通过Flow Matching技术优化轨迹，但前提是提示词提供清晰的时间线索。
强时间信号（强烈推荐）：
时态选择：统一使用一般现在时。
A person lifts...比A person lifted...更稳定，过去时易触发单帧快照模式。连接词：
then,after,while,as是构建时间逻辑的黄金纽带。
示例：A person bends knees, then jumps upward while swinging arms backward.
解析：then定义顺序，while定义并行，模型据此分配各关节运动的时间权重。弱时间信号（效果不稳定）：
and：A person lifts arm and rotates shoulder—— 模型可能将两动作视为同时发生，导致肩部过度旋转。无连接词堆砌：
A person squats lift arm step forward—— 缺乏语法结构，模型按词频随机加权，结果不可控。进阶技巧：对长动作（>3秒），显式加入节奏提示。例如：
A person walks slowly, taking four measured steps.中的slowly虽为副词，但因与four measured steps绑定，模型能推断出步频与步幅约束，生成更舒缓的步态。
3. 实战避坑：那些让你效果打折的“隐形陷阱”
3.1 生物学陷阱：当描述超越人体极限
模型会忠实执行指令，但物理规律是硬边界。某些看似合理的描述，实则触发了模型的“安全熔断”。
危险组合：
A person spins 10 times in 2 seconds.
问题：角速度超限，模型会自动降级为3-4圈，并拉长单圈时间以保证关节运动平滑。安全写法：
A person spins rapidly, completing three full rotations.
原理：rapidly是相对描述，three full rotations设定了明确终点，模型在物理可行范围内最大化速度。核心原则：用“次数”、“幅度”、“方向”代替“速度”、“力量”等不可观测量。
lift leg to 90 degrees优于lift leg powerfully。
3.2 语义混淆陷阱：当词语有多重运动含义
英语中部分动词在不同语境下对应截然不同的骨骼运动，需结合宾语明确意图。
模糊动词：
A person waves.
歧义：“wave”可指手部小幅摆动（wrist flexion），也可指全身摇摆（torso sway）。模型常默认为后者，导致上半身大幅晃动。精确写法：
A person waves hand side-to-side at shoulder height.
改进：限定hand（部位）、side-to-side（方向）、shoulder height（空间位置），彻底消除歧义。高频易混词清单：
turn→ 替换为rotate head,pivot on left foot,spin torsomove→ 替换为step forward,slide left,lean backwardhold→ 替换为keep arm extended,maintain squat position
3.3 结构断裂陷阱：当动作链失去逻辑闭环
一个完整动作应有明确的起始姿态、运动过程与终止状态。缺失任一环节，模型会自行补全，但补全结果常不符合预期。
断裂描述：
A person jumps.
问题：未说明起始（站立？下蹲？）、高度、落地方式。模型默认从站立起跳，落地时膝盖微屈缓冲，但若你期望“腾空翻转”，此描述完全无效。闭环描述：
A person crouches low, then jumps upward with both feet, tucking knees to chest at peak height, and lands softly on balls of feet.
结构：crouches（起始）→jumps upward（过程）→tucking knees（峰值）→lands softly（终止），形成完整时空闭环。验证方法：读出提示词时，能清晰在脑中“看到”动作的每一帧。若存在“然后呢？”的疑问，即为断裂。
4. 场景化模板库：覆盖80%日常需求的即用句式
4.1 日常基础动作（站立、行走、坐卧）
站立起身：
A person stands up from seated position on chair, extending hips and knees fully, then stands upright with arms relaxed at sides.
关键点：强调from seated position（起始）、extending hips and knees（关节动作）、stands upright（终止姿态）。上下楼梯：
A person ascends a flight of stairs, leading with right foot, lifting left knee high, and maintaining upright torso throughout.
关键点：ascends（方向）、leading with right foot（主导侧）、lifting left knee high（幅度控制）。坐下动作：
A person bends knees and hips simultaneously, lowering body vertically until sitting on floor with legs crossed.
关键点：simultaneously（同步性）、lowering body vertically（路径约束）、until sitting（终止条件）。
4.2 运动与健身动作（深蹲、俯卧撑、瑜伽）
标准深蹲：
A person performs a squat: feet shoulder-width apart, back straight, knees tracking over toes, descending until thighs parallel to floor, then ascending to standing position.
关键点：feet shoulder-width apart（初始姿态）、back straight（脊柱约束）、thighs parallel to floor（幅度量化）。俯卧撑：
A person lowers chest toward floor in push-up position, elbows bending to 90 degrees, then pushes body upward until arms are fully extended.
关键点：lowers chest toward floor（目标点）、elbows bending to 90 degrees（关节角度）、fully extended（终止状态）。树式瑜伽：
A person stands on left foot, places right foot firmly against inner left thigh, raises both arms overhead with palms facing each other, and holds balanced posture.
关键点：places right foot firmly against inner left thigh（接触点精确）、raises both arms overhead（空间定位）、holds balanced posture（稳定性要求）。
4.3 舞蹈与表现性动作（挥手、转身、跳跃）
优雅转身：
A person pivots 180 degrees on left foot, right foot gliding in arc, arms extending horizontally to sides, head turning last to face new direction.
关键点：pivots on left foot（支点）、gliding in arc（路径）、head turning last（运动时序）。轻盈跳跃：
A person jumps lightly off both feet, lifting knees toward chest, arms swinging upward, and lands quietly on forefeet with knees slightly bent.
关键点：jumps lightly（力度暗示）、lifting knees toward chest（幅度）、lands quietly on forefeet（落地细节）。挥手告别：
A person lifts right arm to shoulder height, rotates forearm outward, and moves hand side-to-side in small, controlled motions.
关键点：lifts right arm to shoulder height（起始高度）、rotates forearm outward（旋转轴）、small, controlled motions（幅度与节奏）。
5. 效果验证：从“能动”到“动人”的质变关键
5.1 用“三帧检验法”评估提示词质量
生成动作后，不要只看整体流畅度。打开Gradio工作站的逐帧回放功能，检查以下三个关键帧：
- 起始帧（Frame 0）：模型是否准确还原了提示词中的初始姿态？例如，
from seated position是否真的从坐姿开始？ - 峰值帧（Peak Frame）：动作幅度是否达到描述要求？
knees to chest是否真的完成抱膝？arms overhead是否真正举过头顶？ - 终止帧（End Frame）：是否稳定停在描述的结束状态？
lands softly on balls of feet是否保持前脚掌着地，而非顺势蹲下？
若任一帧出现偏差，问题必出在提示词的对应描述环节。这是最直接、最高效的调试路径。
5.2 当效果不理想时，按此顺序排查
- 查主语：是否用了
A person？是否混入了they或someone？ - 查动词：是否全部为基础动词？是否用
and替代了then？ - 查空间：是否使用了
upward/forward等绝对方向？是否出现了toward camera？ - 查闭环：是否有明确的起始、过程、终止？是否遗漏了
from...或until...？ - 查长度：是否超过60词？是否在30词内？（Lite版建议≤25词）
大多数效果问题，根源都在前三步。精准的提示词，是写给模型的“骨骼运动说明书”，不是写给人看的“动作散文诗”。
6. 总结：提示词是动作生成的“第一行代码”
HY-Motion 1.0的强大，不在于它能“理解”你的意图，而在于它能以十亿参数的精度，执行你下达的每一条骨骼运动指令。它的提示词工程，本质上是一种面向3D人体动力学的微型编程语言：主语是变量声明，动词是函数调用，空间描述是指令参数，时间连接词是控制流语句。当你放弃“让它懂我”，转而学习“如何精准下达指令”，你就从用户变成了编排者。那些惊艳的电影级动作，并非来自模型的灵光一现，而是源于你写下的每一个extends,rotates,steps所构成的确定性轨迹。现在，打开你的Gradio工作站，用本指南中的第一个模板，输入A person stands up from seated position...，亲眼见证文字如何在3D空间中，真正活过来。
--- > **获取更多AI镜像** > > 想探索更多AI镜像和应用场景？访问 [CSDN星图镜像广场](https://ai.csdn.net/?utm_source=mirror_blog_end)，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
