种子与可复现：怎么做 A/B 测试才真的有结论

生成过程里有两个随机源：初始噪声（种子）和采样器的随机步（部分采样器有）。固定种子只是第一步。

一、一次只改一个变量

这是所有实验的基本原则，但在 AI 生成里特别容易违反——因为大家习惯「顺手把 CFG 也调一下」。正确做法：

每轮至少跑 3 个种子。单种子对比会把噪声当成结论。

二、为什么要跑多个种子

同一个提示词换种子，出片质量可以差一个档次。如果你只用一个种子比较两个 CFG，很可能得出「CFG 6 比 5 好」的结论，实际上只是种子运气好。

实用做法：固定一组 5 个种子，形成「测试种子集」，以后所有对比都用这 5 个。

三、怎么判断差异是真实的

三条经验，从弱到强：

1. 同一现象在 3 个以上种子重现：可以认为是参数的作用；
2. 差异幅度明显（比如步数从 30 降到 15，细节肉眼可见地掉）：可以直接下结论；
3. 盲测：把两组结果打乱顺序，自己不知道哪组是哪个，再挑。这条最严格。

盲测很麻烦，但当你为「改哪个参数」纠结半小时时，它比反复试更快。

四、种子还有别的用处

• 复现好结果：出片之后立刻记下种子，否则明天找不回来；
• 微调底图：同种子换提示词，构图基本保持，只改细节；
• 做系列内容：同一场景的多条视频用相邻种子，风格更统一。

五、记录什么

最小记录集（缺一项就没法复现）：

模型文件名与版本 / 提示词全文 / 负向提示词
种子 / 步数 / CFG / 采样器 / 分辨率 / 帧数

建议直接存在文件名里（如 shot03_seed1234_cfg5_step30.mp4），比另开一个表格更不容易丢。

六、什么情况下不用纠结种子

如果你在做「批量出片、人工挑选」的流水线，种子反而是障碍——你要的是多样性。这时候固定种子只在「已经选中一条、想微调」时用。

两种工作方式要分清：探索期用随机种子要多样性，收敛期用固定种子要可复现。

失败画面的判断见 生成失败的五种典型画面；批量流程见 批量生成的工作流设计。

相关阅读

• 批量生成的工作流设计：队列、命名与归档
• 生成失败的五种典型画面，和对应的改法
• 加速三件套：4-bit 量化、INT8 注意力、跳步缓存
• 成本核算：一条视频到底花多少钱