QWERTY：不用训练的视频运动控制，室内短片别再靠反复抽卡

先说结论

QWERTY 适合写成设计师实操教程，因为室内短视频最大痛点就是运动不可控。你想要镜头缓慢推进，模型可能直接旋转；你想让窗帘动，模型可能让整个房间变形；你想灯光渐亮，模型可能把家具换了。训练-free 运动控制方向的价值，是降低反复抽卡成本，让视频更像可导演的镜头。

这篇文章不只看“新闻本身”，而是把它拆成设计师能直接学习的工作方法。你可以把它当成一次小型教程：先判断这项能力解决什么问题，再看它能放到室内设计、图像视频、3D 或 Agent 自动化的哪个环节，最后用检查清单控制质量。

这件事是什么

QWERTY 的题目是 Training-Free Motion Control via Query-Warped Video Diffusion Transformers。摘要指出，视频 DiT 能生成高质量视频，但运动控制通常隐含在文本提示里，想得到目标运动往往需要大量提示工程和反复重采样；QWERTY 尝试在不微调的情况下提供更灵活的运动控制。

来源是 arXiv 2607.01869，发布时间或核对日期为 2026-07-02 提交，2026-07-04 核对。原文入口：https://arxiv.org/abs/2607.01869

技术新闻每天很多，但真正值得设计师关注的，一般不是参数数字，而是它改变了哪一个工作环节。室内视频不是抽卡，应该能导演运动。 这句话就是本文的判断核心。

设计师能学什么

室内设计短视频需要可控，而不是随机好看。真实工作里，你要控制镜头路径、运动对象、速度、时间和不变区域。QWERTY 这类方法可以启发提示词写法：把运动目标从泛泛描述改成“哪个对象沿哪条轨迹怎么动”，并且明确哪些东西不能动。

如果你是 AI 室内设计博主、效果图设计师、方案深化人员，重点不是马上把它当成完整交付工具，而是把它放进一个可验证的流程里。能生成不等于能交付，能自动化也不等于能放心无人值守。专业度来自判断边界、保留版本、检查来源和明确人工复核点。

放进设计工作流

做室内 AI 视频时，先写空间锚点，再写运动轨迹，最后写情绪。不要一开始就堆风格词。

可以按下面五步测试：

1. 锁定房间结构
2. 指定运动对象
3. 描述轨迹速度
4. 限制不动区域
5. 逐帧检查漂移

这套流程的好处是，读者看完不只知道一个模型名或论文名，还知道回到自己电脑前应该怎么试。尤其在室内设计里，空间结构、材质真实性、镜头稳定性和客户可理解性，比单张图的炫酷程度更重要。

可直接照着用的提示词

基于这张客厅效果图生成 5 秒视频。镜头沿中轴线缓慢向前推进，窗帘轻微摆动，壁灯由暗到亮。保持墙体、门窗、吊顶、地面、沙发、茶几和电视墙完全不变。不要新增家具，不要改变材质，不要让地面纹理漂移。

这段提示词可以根据具体工具调整。如果用于图像或视频生成，建议先锁定“结构不变、视角不变、只改指定区域”；如果用于 Agent 自动化，建议先写“成功条件、停止条件、人工复核点”。不要把所有需求堆在一句话里，先把任务拆开，模型才更容易执行。

发布前检查清单

• 墙线不能弯
• 家具不能漂
• 运动对象明确
• 镜头路线清楚
• 视频长度别过长

这些检查项比“生成得好不好看”更重要。好看的 AI 图不一定能落地，好看的 AI 视频也不一定能保持空间一致。设计师要把模型输出当作方案草稿，而不是直接当作最终图纸、最终视频或最终报价。

使用入口和安装说明

论文入口在 arXiv 页面。落地可先在支持运动画笔、轨迹控制或关键帧控制的视频工具中复刻“对象轨迹 + 不变区域”的写法。

如果是论文类项目，先看 arXiv 页面、项目主页和作者仓库是否已经开放代码；如果是 Claude、OpenClaw、Codex、Qwen 等产品或开源项目，优先看官方文档、GitHub Releases 和模型卡。不要只看二手截图，也不要根据无来源爆料写教程。

风险提醒

训练-free 控制不是万能控制。复杂镜头和长视频仍然容易漂移，商业发布前要拆成短镜头，逐段验收，再剪辑合成。

对室内设计、建筑设计和 3D 建模来说，AI 的输出要分层使用：概念阶段可以更开放，客户沟通阶段要检查一致性，施工和报价阶段必须回到专业软件、真实尺寸、材料供应和人工复核。尤其涉及客户资料、商业授权、账号自动化、模型地区可用性和付费 API 时，要以官方最新页面为准。

资料来源

• arXiv 2607.01869：https://arxiv.org/abs/2607.01869