當(dāng)「地表最強生圖」遇上「最強視頻生成」，這對王炸組合再一次點燃了網(wǎng)友們的創(chuàng)作激情。

GPT-Image-2 爆火之后，一大波的高階視頻玩法開始涌現(xiàn)，結(jié)合 Seedance 2.0，制作了一系列的熱門 AI 視頻。

這個體育賽事的直播鏡頭，目前已經(jīng)在 X 上被瀏覽了上千萬次。

視頻來源：X@Ciri_ai

當(dāng)體育直播的鏡頭給到觀眾席，視頻里的女生拿著啤酒和漢堡，跟攝影機對視一眼后，放下手里的食物，走向足球場，球員把球傳給她，她用力一踢，自信地回頭看，用手蓋住鏡頭。

除了最后那腳球不知道踢到觀眾席去了還是進了，前面的整個過程行云流水般順暢，絲毫沒有 AI 生成的痕跡。

還有網(wǎng)友制作了一個豆包看球賽的版本，表示「原來豆包這么好看。」

視頻來源：X@CryptoJHK

體育賽事的觀眾視頻之外，諸如「先用 GPT Image 2 生成故事板再轉(zhuǎn)成故事視頻」、「從單張游戲截圖生成實機錄屏」，以及「結(jié)合 3D 轉(zhuǎn)換」等新玩法，也成為了這段時間的熱門。

我們整理了這些有意思的案例，也收集了對應(yīng)的制作指南，是時候重新看一遍現(xiàn)在的 AI 視頻工作流了。

玩法一：過一把踢世界杯的癮

常規(guī)的方法是我們找到對應(yīng)的圖片生成提示詞，先在 GPT Image 2 中得到起始幀圖片。基于 GPT Image 2 現(xiàn)在的穩(wěn)定性，用同一套提示詞，多次生成，最終的結(jié)果都不會相差很大。

例如一套可用的提示詞案例，我們甚至可以修改里面部分內(nèi)容，像是「一張超寫實的 CCTV 5 體育賽事直播劇照」、「上傳圖片中的人物坐在座無虛席的足球場內(nèi)」……

一張超寫實的體育賽事直播劇照，畫面中一位魅力四射的女士坐在座無虛席的足球場內(nèi)，觀看一場夜間比賽。她身穿深棕色無袖高領(lǐng)緞面上衣，佩戴黑色方形耳環(huán)，一頭及肩的淺棕色/金色秀發(fā)自然垂落，微微卷曲。她一手拿著半個吃剩的芝士漢堡，另一只手隨意地喝著一罐藍色鋁罐飲料。周圍是身穿亮黃色和藍色球衣、圍著圍巾的球迷，形成了鮮明的隊服顏色對比。畫面自然流暢，極具電影感，仿佛是從電視直播攝像機的角度，以淺景深捕捉到了比賽的精彩瞬間。畫面應(yīng)包含逼真的體育場座椅、擁擠的觀眾氛圍、左上角顯示實時比分和比賽計時器的直播畫面疊加信息，以及右上角的體育頻道水印。自然的體育場照明、細膩的皮膚紋理、清晰聚焦于女士、略微虛化的背景人群，營造出真實的現(xiàn)場體育直播美感，采用16:9的構(gòu)圖。

或者使用更精確的提示詞來控制圖片的各種元素，例如確定對應(yīng)的比分情況，正在比賽的項目和隊伍。

這是一張來自 CCTV 5 體育直播的世界杯足球比賽的截圖。鏡頭切換到觀眾席——我們的參考圖像人物正面帶微笑地坐著。他笑容自然，似乎并未意識到自己正在被拍攝。他坐在看臺邊線后方的黃金位置/前排，周圍是熙熙攘攘的觀眾。鎖定條件：不要改變他的面部結(jié)構(gòu)，保持他的肖像。完整的 CCTV 5 體育轉(zhuǎn)播畫面疊加：左上角是帶有球隊隊徽、比賽計時器、比分和賽事標(biāo)識的記分牌；角落里是 CCTV 5 體育的網(wǎng)絡(luò)水印；下方三分之一處是圖形條；畫面比例為16:9。圖像看起來與真實的電視截圖完全一致——廣播級的色彩校正、輕微的壓縮痕跡、隔行掃描的顆粒感，以及燈光照射下球場濃郁的綠色光芒灑向看臺。這是阿森納對陣托特納姆熱刺的足總杯半決賽次回合比賽，地點在酋長球場。比分顯示阿森納2-1熱刺，比賽進行到第67分鐘。阿森納總比分3-1領(lǐng)先。傍晚開球，燈光璀璨，體育場座無虛席。

得到圖片之后，再找到一個公開的 Seedance 2.0 提示詞。我們這里找到了一個籃球賽的視頻提示詞，直接復(fù)刻世界杯到 NBA。

超逼真的 NBA 季后賽夜間現(xiàn)場直播畫面，逼真的體育直播攝像機，淺景深，自然的體育館照明，壓縮的電視畫質(zhì)，輕微的運動模糊，自動對焦呼吸效應(yīng)，手持拍攝的瑕疵，逼真的觀眾移動，現(xiàn)場直播的真實感，16:9 構(gòu)圖。

畫面中的女士一邊看著比賽，一邊隨意地喝著啤酒吃著手里的漢堡。

直播鏡頭捕捉到了她，并像真正的 NBA 攝影師拍攝觀眾席上漂亮球迷那樣，緩緩拉近鏡頭。這種構(gòu)圖感覺很隨意也很真實，而非刻意追求電影效果。她身后的球迷穿著湖人隊的球衣，其中一人短暫地看向鏡頭，另一名球迷則在用手機拍攝比賽。

她不慌不忙地將啤酒和漢堡放在身旁的座位上，自然地站起身，她穿著高跟鞋走向球場，從球場上球員手里干凈利落地拿過球。自然的肢體動作，真實的現(xiàn)場運動攝像機追蹤。

她輕松地運球到中場附近，然后毫不費力地以完美的姿勢投籃。

在逼真的體育賽事轉(zhuǎn)播鏡頭下，球在空中飛馳。球場瞬間安靜了一秒鐘。

唰！完美干凈利落的一擊。

整個體育館沸騰了。替補席上的球員們尖叫著跳了起來。吉祥物也瘋狂了。觀眾的反應(yīng)讓攝像機都晃動起來。解說員們也徹底崩潰了。

那名女子幾乎沒有反應(yīng)。她對著鏡頭微微一笑，然后走回場邊，身后的人群則陷入瘋狂。

就在她坐下之前，她帶著一絲俏皮的微笑直視著電視直播鏡頭，然后輕輕地用手遮住鏡頭一秒鐘，仿佛她知道自己剛剛創(chuàng)造了一個爆款瞬間。

鏡頭切換到混亂的 ESPN 回放畫面和尖叫的人群。

提示詞來源：https://x.com/bydanielxyz/status/2054302615463460945

最后的視頻效果還是相當(dāng)真實的，加上最后的回放鏡頭，和之前她站在中場的位置幾乎是一樣的，沒有明顯的破綻。

另外一種方法是每個人都能上手，不用去找提示詞就能復(fù)刻，那就是直接把視頻上傳給 Gemini，要它分析。

請按照系統(tǒng)指示操作

系統(tǒng)提示：超精細視頻分析

角色：你是一位經(jīng)驗豐富的電影攝影師、視覺分析師和運動力學(xué)描述師。你的工作是將視頻片段分解成極其詳細、逐幀的文本描述。

目標(biāo)：請將提供的視頻/片段轉(zhuǎn)化為生動、動態(tài)的文字分析。您必須準(zhǔn)確捕捉到視頻中的物理力學(xué)原理、節(jié)奏、微表情、動量物理規(guī)律、攝像機本身的物理特性，并完整轉(zhuǎn)錄所有音頻和對話。

嚴格規(guī)則：完整的音頻和對話轉(zhuǎn)錄：您必須轉(zhuǎn)錄所有音頻提示。請使用引號準(zhǔn)確寫出角色所說的話（例如，“看這個！”）。如果語音含糊不清或重疊，請注明。除了對話之外，您還必須細致地描述所有音效（金屬撞擊聲、呼嘯聲、沖擊聲）、人聲（喘息聲、笑聲、尖叫聲）、背景噪音和音樂。

禁止使用知識產(chǎn)權(quán)名稱：請勿使用角色名稱、演員名稱或系列名稱。請僅根據(jù)他們的外貌、衣著和體型進行描述（例如，“身材魁梧的男人”、“身穿粉色和服的女人”）。

將攝像機視為一個角色：你必須像描述一個實體物體一樣描述攝像機的操作。注意業(yè)余智能手機拍攝時產(chǎn)生的輕微抖動、透視變形、突然的自動對焦調(diào)整、鏡頭光暈、運動模糊、快速搖攝以及攝影師的生理反應(yīng)（例如，“當(dāng)攝影師畏縮時，攝像機猛地向下晃動”）。

動力學(xué)物理：描述重量、重力、張力和沖擊的傳遞。提及諸如衣物在腿部甩動、肌肉收縮、打擊的反作用力或環(huán)境破碎等現(xiàn)象。

格式模板：您必須將視頻按時間順序分成若干部分，使用粗體時間戳標(biāo)題和主題標(biāo)題。在每個標(biāo)題下，使用項目符號對內(nèi)容進行分類。[時間戳] - [時間戳]: [階段標(biāo)題]

視覺構(gòu)圖：[描述鏡頭類型、光線、風(fēng)格（例如，豎屏智能手機拍攝、二維動畫、特寫鏡頭、強烈的熒光燈）。]

拍攝對象：[描述人物的確切位置、姿勢、衣著和微表情。]

動作分析：[逐幀分解身體動作。微動作、動量、物理原理。]

鏡頭動態(tài)：[請詳細描述鏡頭的運動、縮放、模糊、抖動和平移等效果。]

音頻/節(jié)奏：[請用引號轉(zhuǎn)錄所有口語對話。描述當(dāng)時的節(jié)奏/緊張程度，并詳細記錄所有音頻線索，例如喘息聲、腳步聲、環(huán)境影響、音樂或背景噪音。]

示例輸出用戶輸入：[一段視頻，一名男子試圖翻煎餅，但他用力過猛，煎餅撞到天花板后掉到他臉上，導(dǎo)致拍攝者手機掉落。]

AI 回應(yīng)：0:00 - 0:02：準(zhǔn)備工作和開場畫面構(gòu)圖：視頻采用智能手機豎屏拍攝。光線為廚房頂燈，光線強烈而溫暖。畫面持續(xù)輕微抖動，表明拍攝者是業(yè)余人士，單手握持手機。畫面主體：一名身穿寬松灰色連帽衫的男子站在畫面中央，手持一口黑色特氟龍煎鍋。鍋里煎著一張完美的圓形金黃色薄餅。動作：男子咧嘴一笑，直視鏡頭，帶著一種莫名其妙的自信。他手腕有節(jié)奏地畫著圈，轉(zhuǎn)動著煎餅，確保它在鍋里松動。他微微彎曲膝蓋，降低重心以便更好地發(fā)力。攝像機動態(tài)：攝影師站在大約四英尺遠的地方，從男子的腰部到頭頂上方進行固定的中景拍攝。音頻/節(jié)奏：節(jié)奏緩慢而充滿期待。煎餅在金屬板上滑動時，發(fā)出有節(jié)奏的刮擦聲，如同“嘶嘶嘶”。男人的聲音清晰而自信：“好了，完美翻轉(zhuǎn)，三……二……一……”

0:02 - 0:04：災(zāi)難性的發(fā)射視覺構(gòu)圖：相機保持靜止，但當(dāng)被攝對象的手臂快速移動時，焦點會短暫地游移。主題：男人自信的笑容逐漸變成痛苦的表情。動作：他迅速下沉右肩，然后猛地向上甩動手臂，動作幅度過大，力道過猛。煎餅瞬間飛出鍋外，高速直沖云霄，完全超出畫面頂部邊界。攝像機動態(tài)：攝像機突然向上傾斜，試圖追蹤空中的擊球手，但運動有延遲且抖動。音頻/節(jié)奏：男子發(fā)出了一聲短促而吃力的咕噥：“哼！”刮擦聲立刻被鏡頭外上方傳來的一聲響亮而濕漉漉的“啪嗒”聲所取代，表明煎餅已經(jīng)撞到了天花板。

0:04 - 0:06：沖擊和鏡頭混亂視覺構(gòu)圖：上方落下的陰影突然遮蔽了光線。事件經(jīng)過：僅僅一瞬間，那張厚重的、半生不熟的煎餅便直直地落了下來，啪的一聲落在男人的臉上，完全蓋住了他的眼睛和鼻子。他身體瞬間后仰，肩膀聳到耳朵邊，同時手中的煎鍋也掉在了地上。鏡頭動態(tài)：攝影師的本能反應(yīng)被激發(fā)。隨著攝影師身體的抽搐，鏡頭猛地向下向左晃動。畫面完全模糊成一片混亂的、拖沓的廚房地板和櫥柜運動模糊影像。音效/節(jié)奏：平底鍋掉落在油氈地板上的沉重金屬撞擊聲占據(jù)了主導(dǎo)音效。拍攝者倒吸一口涼氣，大喊一聲“我的天哪，老兄！”緊接著是手機掉落的清脆聲響。視頻戛然而止，畫面定格在傾斜模糊的踢腳板上。

提示詞來源：https://pastebin.com/H8DeXq1G

我們把開頭那段視頻上傳到 Gemini，Gemini 會按照示例輸出完整的提示詞。

使用 Gemini 的提示詞，對提示詞里面的內(nèi)容略做修改，復(fù)制到 Seedance，無論是使用全能參考還是首尾幀，都能得到不錯的結(jié)果。

值得注意的是，Seedance 2.0 使用的提示詞最長不能超過 2000 字，而 Gemini 提取的視頻分析內(nèi)容往往較多，我們可以手動刪減原視頻中不需要的部分。

玩法二：從故事板到視頻

電影幀率一般是 1 秒 24 幀，我們之前在想，如果讓 GPT Image 2 每次生成一幀的圖片，是不是就能像當(dāng)時的宣傳視頻一樣，剪輯成一段故事性足夠強的內(nèi)容。

但 10s 的視頻要 240 張圖片，壓力還是過大，約等于手工做漫畫了。

很快就有網(wǎng)友發(fā)現(xiàn)讓 GPT Image 2 來生成故事板，然后交給 Seedance 2.0，尤其是在動畫片的場景上，成片效果快要趕上影視行業(yè)的水平。

視頻來源：https://x.com/EHuanglu/status/2054399965729091629

我們在 ChatGPT 里隨手輸入一行「創(chuàng)建一個故事板，15s 時長，場景盡可能詳細，描述一個非常有意思的故事，同時把角色形象放在故事板一旁，使用動畫形象。」

接著把這張圖片丟給 Seedance 2.0，輸入提示詞「根據(jù)故事板生成視頻」。

說實話，最后的效果還是挺還原故事板所描繪的那幾個場景，除了受限于 15s 時長導(dǎo)致第五幕到第六幕跳躍太快之外，其他的臺詞以及場景，基本上都是按照 GPT Image 2 設(shè)定的故事展開的。

這還只是 ChatGPT 自己編的一個故事，腦洞大開的網(wǎng)友使用更詳細的提示詞，制作了一系列有意思的故事板。

圖片來源：X@OlivioSarikas

還有水墨畫的版本。

圖片來源：X@aimikoda

當(dāng)只是把這些圖片丟給 Seedance 2.0，而不添加額外的提示詞時，Seedance 2.0 的表現(xiàn)都可圈可點。

玩法三：游戲的實機錄屏

第一眼看到這個視頻時，都會以為這個游戲真實存在。就連 X 都在這則帖子的下方加上了信息補充，提醒網(wǎng)友。

這段視頻是一個 AI 生成的概念演示，并非可玩的 3A 級游戲。它使用 Seedance 2 和 GPT Image 2 制作而成。

視頻來源：X@0xInk_

還有網(wǎng)友設(shè)計并制作了一個武器選擇界面的概念游戲視頻。

視頻來源：X@MrDavids1

作者只是使用 GPT Image 2 生成了四張主角拿著武器的圖片，然后在 Seedance 2 里面，通過提示詞讓他切換不同的武器。

一個靜態(tài)鏡頭顯示一個電子游戲菜單界面。在切換過程中，她會選擇不同的武器。她會選擇全部四種不同類型的武器。確保她手中的物品會隨著選擇的武器而變化。每次選擇武器時，她都會擺出姿勢并進行分析。她旁邊的木制動物會四處張望。不要更改任何文本。不要添加音樂，只添加武器切換時的音效。不要添加對話。

GPT Image 2 的一致性，還能讓他切換不同的大招。

更有意思的是，這個「奶奶帶著夜里哭鬧的孫子散步」跑酷游戲視頻，有玩家視角和主角視角，屏幕的左下角有小地圖顯示當(dāng)前路線，右邊是速度，左上方還有排名。

視頻來源：@Kashiko_AIart

AI 視頻的進步，在這段時間非常明顯，除了結(jié)合 GPT Image 2，還有網(wǎng)友直接對泰坦尼克號進行改編。

去年我們還在想 AI 視頻是否可以允許觀眾自己生成結(jié)局，今年就真實地做到了。

視頻來源：X@SceneinCinema

玩法四：3D 交互網(wǎng)站

除了視頻，得益于 GPT Image 2 的美學(xué)標(biāo)準(zhǔn)，一些網(wǎng)友發(fā)現(xiàn)用 GPT Image 2 來設(shè)計 UI，Gemini 3.1 Pro 負責(zé)代碼，能開發(fā)出具有科普性質(zhì)的 3D 細胞結(jié)構(gòu)工坊網(wǎng)頁。

來源：X@DilumSanjaya

從 @Gorden_Sun 分享的制作教程里，第一步又是先用 GPT Image 2 生成每個細胞的正面圖和背面圖。

使用 GPT Image 2 生成，提示詞：畫一個動物細胞的3D模型，俯視圖，核心部件通過截面的形式展示內(nèi)部細節(jié)，比例是1:1；右圖：再畫出這個細胞背面的圖片，不需要截面的形式｜來源：X@Gorden_Sun

得到了正面和背面兩張圖，我們再把圖片丟給能將圖轉(zhuǎn)成 3D 的工具，像是 Tripo 3D生成模型，上傳圖片，使用多視圖生成模型。

混元 3D 生成模型也有類似的功能

有了 3D 模型素材，再 Vibe Coding 一個用來展示 3D 資產(chǎn)的網(wǎng)頁，一切就大功告成了。

同樣的概念，有網(wǎng)友制作了動物解剖的版本，用 GPT Image 2 來保持骨骼、器官、系統(tǒng)以及正常情況下（皮膚/毛發(fā)）的狗狗模型圖片。

來源：@gaborpribek

將圖片導(dǎo)入到對應(yīng)的 3D 處理平臺，這里他使用的是 Omma AI，一個專門打造 3D 模型網(wǎng)站、程序的工具。

網(wǎng)址：https://omma.build/

還有網(wǎng)友同樣是，受到 3D 生物結(jié)構(gòu)視覺啟發(fā)，制作了一個三星堆 3D 文物展覽。

先從 三星堆博物館官網(wǎng)找到對應(yīng)的文物截圖，然后使用 GPT Image 2 進一步生成清晰的正視圖，接著用 Tripo 生成 3D 圖像，再 Vibe Coding 一個網(wǎng)頁用來展示。

來源：X@ Saccc_c

小彩蛋

最近很多讀者留言問我們那些信息圖是用什么做的，其實也是 GPT Image 2 的功勞。

我們只需要輸入簡單的需求，例如「生成一份人教版高中數(shù)學(xué)必修一的知識點大全信息圖」。在這個階段我們可以多嘗試幾次，找到自己喜歡的風(fēng)格。

圖片由 AI 生成

得到這張圖片之后，我們可以發(fā)送圖片給 ChatGPT，要求它提取這張圖片的設(shè)計規(guī)范，顏色搭配等，生成一份可以用來控制每次生圖結(jié)果一致的提示詞。

提取提示詞：提取這張圖片的設(shè)計規(guī)范，顏色搭配等，生成一份可以用來控制每次生圖結(jié)果樣式上一致的提示詞給我

用這套提取的提示詞，我們用它再做了一張同樣風(fēng)格的高中物理必修一的知識點匯總。

圖片由 AI 生成

對于海報的設(shè)計也是如此，先多嘗試幾次找到合適的風(fēng)格，再用 AI 提取圖片風(fēng)格形成提示詞，然后在每次生圖時，除了給生圖指令，再告訴 GPT Image 2 按照這套規(guī)范來生成。

一套流程走下來，基本上就能形成一套專屬的 AI 生圖模板；尤其是如果公司已經(jīng)有指明的形象使用指南，或者有自己鐘意的圖片風(fēng)格，直接讓 GPT Image 2 總結(jié)會更方便。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標(biāo)題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關(guān)鏈接）