上一讲我们搭建了从 V1.0 到 V4.0 的文生图工作流，已经能够稳定输出高质量图片了。但图片终究是静态的——如果能让它动起来呢？这一讲，我们把维度从“空间”拓展到“时间”。AnimateDiff让 Stable Diffusion 具备了生成连续视频帧的能力，而ControlNet则让我们能精确控制每一帧的构图、姿态和深度。两者结合，就能实现“一张图动起来”的效果——而且不是简单的画面抖动，而是有逻辑、可控制、高质量的动态视频。📌 本文工作流目标：输入一张静态图片（或一组提示词），输出一段 2～5 秒的连贯动画视频，人物/场景稳定，运动自然，支持姿态、深度等精确控制。一、为什么需要 AnimateDiff + ControlNet？在深入搭建之前，先搞清楚为什么要用这两个工具的组合。AnimateDiff的核心能力是在扩散模型的基础上引入了时间维度。传统的 Stable Diffusion 每次只生成一张图，而 AnimateDiff 通过“运动模块”（Motion Module）让模型在生成时考虑前后帧的连续性，从而输出一组具有时序相关性的图像序列。[reference:0]但 AnimateDiff 有一个天然的局限：它只能控制“动