从文字到画面：首尾帧插值的场景分镜演示

以 ltx-2.5-fast 的图生视频能力演示「文字概念如何落地为连续画面」：先用两张概念图分别确定镜头的起始与收束状态，再交由模型在两者之间插值生成运动与过渡，同时产出与画面同步的原生音频。首帧定构图与光线，尾帧定主体位置与情绪落点，提示词负责描述运镜、动作节奏与声音氛围，从而把一段文字分镜稿转化为可审阅的短镜头。 本条目使用作者线路的真实入参：两帧参考图 + 文本提示词 + 时长/分辨率/画幅/音频开关。6 秒、720p、16:9 是速度优先的常用组合，适合快速原型验证与分镜方向比对；若需更长的过渡，可将时长调至 10 秒以上，但按模型事实，超过 10 秒的片段在托管调用路径下被限制为 720p 或 1080p 且 24/25 FPS。 适用场景：广告与短片的镜头预演、社媒竖屏素材的快速试拍、批量生成风格化短镜头的产线前置环节。模型族定位为速度优化版本，适合高频、多次迭代的工作流；对画质与长时长要求更高的成片，可在同一分镜确定后再转向更高规格的设置。