铃阅
❌

阅读视图

1个从Claude常驻Agent学到的省token新技巧

卡尔的AI沃茨 2026-11-16 09:36 浙江

DeepSeek说的对,AI时代效率瓶颈是人的注意力。Anthropic说的也对,常驻Agent不代表一直在线,空转的定时任务除了浪费我积分外没有任何好处。所以我选择把Claude新出的常驻智能体指南内化成其他Personal Agent能用的提示语,帮我Grok bot省了55%的使用额度。

事情是酱的。

用了12个Personal Agent的我真爽到了,因为PA主动性它会提醒我琐事,常驻工作流也可以通过定期任务维持,我设置好一天两次三次跟我汇报结果就行。

问题是额度完全不够用。

我Grok Bot已经升级到Super,15倍Plus额度都不够,有75%都消耗在我以为不会消耗额度的定时任务上。就算没任何重要更新,它还是会照样花30分钟从头到尾认真跑一遍,还要花一大堆额度去验证,没变化也要给我写一份完整的「暂无重大更新,以下是目前进展概览」。

那怎么解决?Anthropic新出的常驻智能体指南把答案拆成了五个组件。

1️⃣ 事件收件箱。负责接活和去重,同一件事的多条消息只处理一次

2️⃣ 定时器。控制什么时候该醒来,是10分钟后自己回来看,还是按照设定好的定时任务

3️⃣记忆。存它汇报过什么,同一件事不提醒两遍。

4️⃣权限。管它醒来能做什么,是只读还是读写。

5️⃣发件箱。管输出节奏,可以选只回一条,也可以攒到早上并成一条汇报

Claude Code里的Skill天然带着这五层,但Grok Bot的Routine没有代码层,所以我把这五个组件翻译成了一段提示词写进Bot的记忆里。

提示语👇

>>>

每次我发来一批任务,按任务ID和内容版本去重。仅时间戳变化不算更新。来源打不开标待核实,不反复重试。无实质变化时只回「无更新」三个字,不要生成总结、分析或建议来证明自己在工作。有变化的每条写任务本体、新增事实、对任务的影响。已汇报的同一版本不重复推送。不要自行扩充来源或创建新任务。

<<<

Agent主动性太强也不是好事。我只想给UI加个滑动特效,后面就变成还要加多语言,还要加定时更新,这都是Agent在执行过程给我提出的建议,我每次都会觉得他提出的建议好像好有用啊,一次次接受就变成了一个巨大无比的代码💩⛰️。

提示词里「不要自行扩充来源或创建新任务」管的就是这种加戏,「不要生成总结来证明自己在工作」管的是交白卷这种行动偏误的。

目前稳定运行三天,空跑从每周约18次降到3 次,一周省出 45%。Bot用量从75%降到30%,加上 GoodCase的5%和日常20%,总用量降低到了55%。30刀基础档已经够用,一年能省 840刀。

这把 winwin 双赢。

跳转微信打开

  •  

开源/10秒出4K/超长文本/... 我实测出了MiniMax H3-Image擅长的四类新玩法

原创 AI沃茨 2026-11-14 12:02 浙江

吓呆瘫坐,源神竟在我身边

就这两天,GoodCase突然一股脑涌进来几十条AI生图的高赞投稿,

我一开始还在想大家是不是又拿哪个模型琢磨出什么新玩法,想点进去看看能不能打包成skill。

里面不仅有复古网页捏人界面,严丝合缝的机甲三视图线稿,带完整UI的GTA暴雨实机,细节拉满的3A蒸汽朋克立体城邦,游戏手柄机械拆解爆炸图,甚至还有5000字符的真实合同照片,每张点开细节表现是真的还不错,都是4k。

我顺着标签扒了一下,发现大家全是用 MiniMax刚发的H3 Image 跑出来的,加上之前就开源的MiniMax H3视频模型,说句源神一点都不过分,发布当天也是直接开源,API和Mcode都已经能直接调了。

给MiniMax H3烧了5万AI视频积分后,是时候分享8种最适合它的新玩法了

那这次看到H3 Image,我第一时间先试了把它们哥俩串起来玩,那在进单图分类实测之前,我先放两个效果,你们先感受一下。

我只是用H3 Image生成了这几张图,再直接喂给之前测过的H3视频模型,它本来就擅长直出2K、做高燃打斗和动漫OP。结果配上提示语,一步到位就跑出了15秒带完整音效卡点的动态番剧片头与3A实机宣传片,完成度真的高。

那这次我也必须给大家安排个大测特测了。

其实在整个实测H3 Image过程中我发现一个很关键的事,就是它除了拥有很好的游戏动漫风格审美之外,最突出的地方其实是它对超长文本、多分区复杂排版、内部物理结构和跨学科逻辑的理解力很强。也就是说,你给它的提示语越详细、画面结构拆得越狠,它跑出来的4K大图就越惊艳。

所以这次我总结了复杂度拉满的4类12组实测Case,按照分镜与解构爆炸图、3A游戏与动漫资产、超长文本排版、跨风格融合分成四个大类给大家看一波效果,每一组都附带我重新打磨过的超详细提示语,我们挨个来看。

先看第一大类,分镜与解构爆炸图。

这也是H3 Image在目前最特别,呈现效果非常不错的图片类型。

先来一个分镜图,

提示语

生成一张日本剧场版动画制作现场使用的导演分镜手稿页(E-Konte Sheet):竖版米白色A4纸,左侧有定位圆孔,黑色细线划出规整的五列表格,表头依次为“CUT / STORYBOARD / ACTION / DIALOGUE & SFX / TIME”。顶部印“PRODUCTION: PROJECT CRIMSON BLADE / EPISODE: MOVIE 01 / SCENE: #042 / PAGE: 14 OF 85”,右上角斜盖半透明朱红印章“CONFIDENTIAL · STUDIO ANIMATION DEPT.”。表格从上到下恰好五行,每行有一格16:9铅笔分镜,连续讲述短夹克女剑士在雨夜天台迎战巨型机械魔神的2.5秒连招:CUT 101,眼睛与刀刃反光的侧脸特写,红笔画快速推近框,ACTION“瞳孔特写,雨滴短暂定格”,SFX“高频刀鸣”,TIME“08f”;CUT 102,低角度广角镜头,女剑士蹬碎地面、拔刀冲向镜头,蓝笔标出碎石与向上摇镜箭头,ACTION“地面崩裂,镜头上摇”,SFX“轰”,TIME“10f”;CUT 103,机械巨爪从上方落下,女剑士在爪缝间回旋斩击,红笔标出连续弧形刀光,ACTION“空中旋转跟拍,背景与人物分层”,SFX“铿锵”,TIME“14f”;CUT 104,纯黑白高反差冲击帧,白色十字刀光贯穿机械核心,ACTION“黑白反转冲击帧”,SFX“滋啦”,TIME“02f”;CUT 105,远景中女剑士背对镜头单膝落地、收刀入鞘,机械魔神在身后解体,ACTION“缓慢拉远,火雨飘落”,SFX“轰隆”,TIME“26f”。五格中女剑士的发型、服装、刀和机械魔神外形始终一致,镜头方向与动作衔接连贯。分镜以粗细变化明显的黑色铅笔和针管笔绘制,仅用朱红标火光、刀光及镜头框,用群青蓝标阴影、雨和烟雾;纸张边缘有少量手写批注“24 FPS / TOTAL 60 FRAMES”。文字位于各自的表格栏内,引线与运动箭头不遮挡人物,呈现真实工作手稿质感,无多余分镜、重复画格或伪文字。

很多模型一画分镜就喜欢搞那种油腻的数码插画,把每格都画满细节。但实际上真正的动画工业手稿就是要有草稿的那种粗粝感,就像这些铅笔排线毛刺,以及红蓝彩铅随手圈的运镜标记最好都要保留。H3 Image正好就保留了这种恰到好处的糙。

更夸张的是速度,我跑H3 Image真的是感受很快,我还没想好下一张图的提示语写啥,图就已经出来等着我看了。平均差不多10秒出头就能出一张原生4K大图。

然后是一张复古随身听的工业爆炸图,

提示语

一张高精度的复古便携磁带播放器(PORTABLE CASSETTE PLAYER P-01)工业设计单轴垂直爆炸分解图海报,米白工程档案纸背景带细黑边框。顶部左上角印大写粗体主标题“PORTABLE CASSETTE PLAYER P-01”与副标题“CONCEPT EXPLODED ASSEMBLY / NOT TO SCALE”。
机身沿着正中央垂直轴线等距悬浮拆解为10层机械与电子组件:(01) CASSETTE DOOR 带透明窗金属舱盖、(02) COMPACT CASSETTE 彩色卡带、(03) TRANSPORT BUTTONS 机械按键组、(04) TRANSPORT CHASSIS 冲压机械底盘、(05) STEREO PLAYBACK HEAD 拾音磁头与压带轮、(06) CAPSTAN & FLYWHEEL 主动轴飞轮、(07) PINCH ROLLER ASSEMBLY 支撑架、(08) DC MOTOR & CLOSED BELT 直流马达与闭环传动皮带、(09) MAIN PCB & AUDIO CONTROLS 密布元件的绿色主板、(10) REAR CASE & BATTERY BAY 深蓝机身底壳与电池仓。
各层带有清晰的橙色圆圈编号与水平引线;右侧带有两组局部机械放大图:“TAPE PATH DIAGRAM”展示磁头走带路径,“POWER TRANSMISSION DIAGRAM”展示电机皮带带动飞轮;底部左侧包含整机正交三视图(FRONT / SIDE / TOP),右侧包含规整的PARTS LIST零件表。结构严格对齐,文字清晰锐利。

这种垂直拆解图其实很考验模型的空间感,像外壳、齿轮、马达和电路板这些零件全都悬在半空,如果轴心稍微偏一点透视就没有了。

但H3 Image做的确实还不错,10层零件都老老实实在同一根中轴线上。机械逻辑展现的也比较准确,包括右上角的磁头和走带方向的接触关系,右下角的电机皮带带动飞轮的闭环,再加上三视图和零件表,都清楚的展现了出来。

第三个,我直接做了一机甲正交四视图工程蓝图,

提示语

一张工业CAD工程制图与硬表面正交投影线稿图纸,100%纯白背景,纯黑矢量工程墨线,没有任何彩色填充与阴影渐变。展示一台白虎战术机甲(WHITE TIGER RX-07)严格的2D正交四视图:顶部为黑色标题栏“CAD ENGINEERING BLUEPRINT // MODEL: RX-07 WHITE TIGER // SCALE: 1:100 // ORTHOGRAPHIC PROJECTION”。
四视图布局包含:左上角正视图(FRONT VIEW),画出头部传感器、双肩导弹舱、胸部驾驶舱与手持步枪,标注机身全高“HEIGHT: 18,600 mm”与全宽“WIDTH: 8,400 mm”双向尺寸线;右上角侧视图(SIDE VIEW),展现背部推进器与膝关节液压件,标注离地间隙“CLEARANCE: 450 mm”;左下角俯视图(TOP VIEW),展现肩甲宽度与背部反应堆排气口;右下角背视图(REAR VIEW),展现三喷口主推进器与腿部装甲。
各视图通过贯穿中心的黑色虚线对齐轴精准联动,带有多条指向具体部件的细折线与英文标注,底部配有包含图号、钛合金材质与±0.01mm公差标准的完整工程图框,线条利落纯净。

一般看这种纯白底黑线的四视图,核心就是要仔细看图中的几个角度能不能对得上。

这张白虎机甲的正视,侧视,俯视和背视四个角度,机身结构咬合得非常准,从肩部导弹仓到背部推进器都没走形。中间穿过去的对齐虚线,带箭头的毫米级尺寸标注,再到底部的工程图框,线条干干净净,没有多余的阴影脏色,看着就像是正经工业软件直接导出来的线稿设定图一样。

接下来,在3A游戏和动漫资产这一块,其实也可以玩一些有趣的效果。

比如这个,我就想走美式复古手绘与千禧年桌面OS结合的独立游戏UI风格。在开头展示那张网页捏人器的基础上,我们设计一套复杂度翻倍的复古Windows 98炼金术魔药合成器搭配实时角色变异预览UI的人物立绘图。

提示语

生成一张16:9横版极具独立游戏艺术感的「千禧年复古桌面操作系统(Retro 90s OS GUI)× 手绘水粉奇幻炼金工坊」交互界面设计图,整体采用硬边钢笔手绘抖动墨线与复古网点水彩上色风格。 【外层系统窗口框架】奶油灰复古电脑桌面窗口,顶部深蓝色标题栏用像素手写体清晰写着:“ALCHEMY_SYNTHESIZER_v2.4.exe”,右侧配有经典的立体凹凸“_”、“□”、“X”窗口按钮;下方菜单栏排列着带下划线的“FILE”、“RECIPES”、“MUTATION”、“INVENTORY”、“HELP”,地址栏写着“C:\USERS\WITCH\GRIMOIRE\NIGHTSHADE.ALC”。 【左侧三分之一:三层炼金原料选择面板】
顶部“BASE INGREDIENT”框:画着一颗发光的蓝色荧光蘑菇手绘图标,左右两侧配有立体左箭头“◄”与右箭头“►”切换键,下方标签写着“Lunar Spore (Rarity: SSR)”;
中部“CATALYST VESSEL”框:画着一只黄铜盘管蒸馏烧瓶图标,配有“◄”与“►”切换键,下方标签写着“Alchemical Alembic”;
底部“BREW PARAMETERS”滑块区:包含三条带游标的复古像素滑动条:“HEAT: 850°C”、“CHAOS LEVEL: MAX”、“AESTHETIC: [ GOTHIC COZY | ▼ ]”,以及一个亮红色的立体大按钮:“[ BREW & TRANSFORM! ]”。 【中间区域:动态管道与配方笔记】窗口中轴线画着连接左右面板的玻璃螺旋导管,绿色发光药液正顺着导管流入右侧画框;下方是一个黄色便利贴风格的“EFFECT LOG:”文本框,手写印刷体清晰写着:“Result: Grants the drinker aliving mushroom witch hat, bioluminescent spore cloak, and immunity to Monday mornings.” 【右侧主预览窗口:CHARACTER PREVIEW】一个带卷轴边框的白色大画布,里面站着合成出来的奇幻角色全身厚涂立绘:一位戴着巨大发光蓝紫色毒蝇伞蘑菇宽檐帽的小女巫,身穿缀满干花、苔藓与微型玻璃药水瓶的复古拼接斗篷,手里提着一盏关着金色火精灵的铁艺提灯,脚边趴着一只长着鹿角的黑猫使魔。预览框底部配有角色名标签:“キャラクター: MYCELIA THE APOTHECARY”与六个正方形背包道具快捷格。全图文字100%拼写准确,手绘笔触极其鲜活。

这种把复古操作系统按钮、下拉菜单、参数滑块和手绘奇幻角色立绘放在同一张图里的效果看着真的挺好玩的,如果我是独立游戏制作人的话真的就直接拿来当Unity切图参考的交互原型了。

那然后如果是好莱坞电影级写实的3A大作游戏实机图,我结合最后生还者、全境封锁与GTA6这些游戏的末日生态美学,想做一张飓风过后被热带雨林与洪水吞没的迈阿密街区的越肩实机画面。

提示语

16:9横版次世代3A开放世界生存动作游戏实机游玩截图(Unreal Engine 5.5 Photorealistic Gameplay in the style of The Last of Us Part II and GTA VI)。 【环境与光影】风暴刚过境的迈阿密装饰艺术(Art Deco)历史街区,暴晒的夕阳金光穿透浓重的风暴残云。街道被齐腰深的清澈碧绿洪水淹没,两侧粉蓝色与薄荷绿的复古旅馆外墙爬满茂密的热带龟背竹与垂挂藤蔓,一座半坍塌的复古电影院霓虹招牌“COLONY THEATRE”在夕阳下闪烁着微弱的粉色电火花。 【画面主体与动态细节】第三人称越肩低角度战术相机视角。左前景女主角身穿沾满水渍与泥点的棕绿色战术工装背心,后背斜挎一把碳纤维复合弓(箭袋里插满橙色尾羽箭矢)与一台闪着绿灯的军用对讲机,正半蹲在一辆车顶长满水草的废弃黄色出租车顶盖上。前方水面上漂浮着一只粉色火烈鸟泳圈与散落的行李箱,水中隐约可见一条两米长的野生美洲鳄正缓缓游过水面波纹;街道尽头的棕榈树积水十字路口,一艘架着重机枪的改装装甲巡逻快艇正激起白色浪花迎面驶来,探照灯刺破水雾。 【全套次世代3A游戏HUD界面】
左下角:带磨损半透明边框的圆形3D等高线声呐小地图(清晰标出淹没建筑轮廓、前方红色扇形敌人视野警戒区、黄色任务路径点),地图外圈环绕着绿色弧形生命条与白色屏息体力条;
左上角:极简白色任务指引文字:“OBJECTIVE: INFILTRATE THE FLOODED THEATRE [ 145M ]”与实时心率波形“BPM 118”;
右下角:半透明战术武器十字轮盘,高亮显示当前选中的“EXPLOSIVE ARROW(爆破箭 • 04/12)”与手枪备弹“15 / 45”。 水体折射、湿衣服布料褶皱、镜头边缘水雾与夕阳体积光达到帧级写实精度,8K实机渲染。

这3A质感是真地道啊,就是很恰到好处,我但凡换个模型都做不到这种感觉。

就这湿衣服贴在身上的褶皱、生锈出租车顶上的水洼反光,连镜头边缘蹭到的小水珠都做出来了。关键是UI做得也很自然,左下角小地图带水下等高线,右上角标着距离和心率,右下角切着爆破箭等等等等。

再来再来,如果是3D游戏美术师的话肯定还要设计游戏资产。但是呢要做肯定是不做普通的资产场景图的,这把我是生成了一张ArtStation首页神作级别的资产展示面板。

提示语

生成一张16:9横版专业3D游戏美术工业管线资产展示图板(AAA Environment Artist Portfolio Breakdown Sheet),背景为深炭灰(Charcoal Grey)无影摄影棚暗调网格底板。 【左上角工业铭牌】亮白色无衬线大字:“KYOTO RAINY IZAKAYA // HERO MODULAR ASSET”,下方小字:“Unreal Engine 5 Nanite & Lumen Ready | Texel Density: 20.48 px/cm | 4K UDIM Workflow”。 【左侧主视觉:孤立展示的微缩3D建筑资产(ISOLATED HERO ASSET)】一座切取自京都先斗町街角、置于方形石板地基上的三层传统木造町屋居酒屋微缩模型: 一层是挂着深蓝色「居酒屋・狐火」暖帘的原木推拉门入口,门口立着红色纸灯笼、手写木牌菜单、堆叠的「白鹤」清酒草包木桶、两把湿漉漉的透明雨伞,以及一台散发冷白蓝光的复古饮料自动售货机; 二层是透出温暖橘黄色室内灯光的障子纸木格窗与悬挂竹帘,屋檐下走着生锈的铜质落水管与爬墙电线; 三层是铺满湿润青苔的黑陶瓦歇山屋顶与精致的鬼瓦脊饰,石板地面积水洼清晰倒映出红灯笼与蓝售货机的冷暖撞色反光。四周带有5个细线圆圈引线标签指向:“GLAZED ROOF TILES”、“SHoji TRANSLUCENCY”、“WET COBBLESTONE”、“SAKE BARRELS”、“VENDING PROP”。 【右上角大视窗:WIREFRAME TOPOLOGY(同角度3D拓扑线框图)】深蓝底色带框视窗,以与左侧主模型100%完全重合的等轴测相机机位,用发光的青色与品红色四边面网格线(Clean Quad Topology Wireframe)精准呈现整座三层居酒屋、灯笼与酒桶的多边形布线密度;下方并列四项统计标签:“▪ Meshes: 68 Modular Pieces | ▪ Tris: 186,420 | ▪ Verts: 98,105 | ▪ Draw Calls: 14”。 【右下角四联视窗:PBR TEXTURE CHANNELS & SHADER BALLS】横向整齐排列4个带边框的方形贴图通道预览卡与对应的4颗高光材质球,下方分别清晰标注:“1. ALBEDO (固有色)”、“2. NORMAL MAP (蓝紫色法线凹凸贴图)”、“3. ROUGHNESS (黑白粗糙度高光贴图)”、“4. EMISSIVE (红蓝自发光遮罩图)”。8K影视级渲染精度。

那看到这里,我真的很想提醒自己一句,这个模型是开源的,H3我都忍住没剁手显卡了,图像也来了我有点按不住了都。H3 Image真的很懂怎么去呈现游戏资产的材质了。很多模型一画资产图就收不住手,容易加一堆乱七八糟的杂线和反光来充细节,看着很油。但这张居酒屋就非常克制,木头的哑光、黑瓦的磨砂、地面积水的倒影,材质该怎么交代就怎么交代,既不抢戏也没偷懒。包括右边放线框和贴图球的版式,干净利索,该有的全都有,不该有的废线条一概没有,完全就是游戏美术师拿去排作品集时最舒服的那种调调。

再看第三类,就是我一开始说的能提现H3 Image高理解力的超长文本排版。

现在的图像模型能在图里写对两三百个字已经不稀奇了,但这块最难的其实是版面排布的节奏感,就比如字号大小怎么去搭配,字和元素之间怎么留白,色彩如何搭配,字行间距甚至是行之间是否对齐,每一步都会影响整个图的美观。

所以第一个我是给了一个排版稍微简单一点的餐厅菜单图,

提示语

一张平铺俯拍的复古美式餐厅全套双栏菜单设计图(Retro 1950s Route 66 Cosmic Diner Menu),浅米黄哑光卡纸底,采用蓝绿、珊瑚红与炭黑复古印刷配色。顶部中央为火箭与汉堡霓虹徽章,上方印粗体大字“ROUTE 66 COSMIC DINER”,下方丝带印“OPEN 24 HOURS · EST. 1958”,右上角配带樱桃的奶昔杯插图。
主体对称分为左右双栏,布局四大板块:左栏上半区【ALL-DAY BREAKFAST】列出薄煎饼、培根煎蛋与华夫饼,菜名与右侧美元价格(如$12.50、$14.00)之间带有整齐对齐的点状引线,附带小字配料说明;左栏下半区【CHARBROILED BURGERS】配汉堡手绘图,列出双层芝士堡与脆皮鸡肉堡;右栏上半区【MILKSHAKES & FLOATS】列出香草奶昔与漂浮汽水;右栏下半区【SIDES & PIE A LA MODE】列出薯条与温热苹果派。底部通栏带有工整免责小字。多层级文字排版严谨,字母与标点清晰锐利。

H3 Image把几个模块该主该次分得特别舒服,字型和美式复古插画搭在一起很协调。尤其菜名到价格之间那排引线圆点,从头到尾排得整整齐齐,字与字之间留足了呼吸感,没有糊成一团,拿去直接印成实物折页完全不违和。

我还做了一个更加考验设计审美的音乐展海报,

提示语

一张采用严格瑞士国际主义平面设计网格的音乐展览海报,致敬坂本龙一(Ryuichi Sakamoto),浅灰白艺术卡纸底。
上半部分主视觉为一张纯黑黑胶唱片,外圈同心圆音轨向右侧自然延伸为一组由密集长短不一的红蓝声波频率矩形构成的空间建筑声波图;紧贴唱片下方是巨大、粗体、紧凑的黑色无衬线英文大标题“RYUICHI SAKAMOTO // ASYNC SOUND ARCHITECTURES”;海报右侧边缘竖排一行精致的黑色明朝体日文字符“坂本龍一:音を視る、時を聴く”。
下半部分用极细十字网格线划分为工整的四列展讯栏:第1至3行收录从01 andata到12 architecture整整12首曲目的编号、曲名、时长与432Hz调音配器说明;第4行印有ABOUT简介、展期(MAY 10 - AUG 30 2024)与东京都现代美术馆展出场地,右下角配有条形码与33 1/3转速标。文字字偶间距与负空间极具理性高级感。

我个人是觉得这个排版呈现是非常高级的,是我能想象到的高端音乐会的节目单海报。它把黑胶唱片向外发散的声波线条,自然做成了右侧排版的引导线。下面的曲目列表,字号收得很克制,疏密有致,既有信息量又有冷峻的秩序感,文字也稳定,审美这块确实没得说。

最后自然必须要测一下刚开始说H3 Image可以在图中呈现1000个以上的字符是不是真的。所以我也写了一版做合同图片的提示语(这个太长了。。大家需要的话单独问我吧)

哎呦喂,你别说,你还真别说儿,

这么多小字真的每一个字母都写出来了。从开头的编号、双栏正文条款,一直到底部的预算表格和签名栏,整齐度一直都很高,行距和字间距完全没有崩掉,也没有出现大面积糊弄的乱码,确实有点子东西。

最后,我们来测测风格融合。

说实话,做风格融合的时候我最怕做成花里胡哨的赛博霓虹大杂烩,或者是那种把两层图片强行半透明贴在一起的硬融合。所以这次我写的提示语主要就是想看看两种风格碰到一起时画面展现的自不自然。

首先,我们看这张3D建模渲染与电影级实景同屏对切的宏大场景。

提示语

一张展示3D次世代环境资产制作的左右无缝对比图(50/50 Split-Screen),整张画面共享完全一致的相机视角:海岸白色石灰岩悬崖上的雷达中继站古建群,上方悬停着一艘正在点火的重型货运飞船,一条垂直发光的青色激光分割线自上而下将画面一分为二。
左半边呈现纯粹的3D软件哑光灰白石膏白模状态,覆盖着细密的四边面多边形拓扑网格线(Wireframe Mode),露出悬崖三角面与木结构古建线框,带有视口三维坐标轴操作手柄与左上角“VIEWPORT: WIREFRAME + CLAY”信息标;右半边在相同透视下无缝转化为4K电影级光追实景,展现夕阳暖光穿透薄雾、生锈龙门架、缠绕的常春藤绿植、波光粼粼的落日海平面与飞船喷射的湛蓝离子尾焰。左右几何严密咬合,虚实反差极具工业美感。

一条发光的垂直分界线把画面干净利落地切成了两半,左边是理性的哑光灰白石膏白模与细密的四边形拓扑网格,悬崖与古建筑的布线结构都很清晰,那右边则在完全相同的空间透视下,无缝生长出了挂满湿润常春藤的生锈钢铁龙门架、夕阳下泛着暖光的石壁与喷着离子蓝焰的重型飞船。有种把造物过程直接剖给你看的感觉,展现的一点都不违和。

然后看这个收回卡通和实拍拉面的融合,

提示语

一张超写实美食微距摄影与2D手绘微缩世界跨界融合的创意大片。画面主体是一只盛满浓郁奶白猪骨高汤的黑陶拉面碗,低角度微距特写:汤面漂浮着晶莹油脂光斑与葱花海苔,厚切炙烤叉烧肉半浸在汤中,右侧卧着流淌着橘红蛋黄的溏心蛋,左侧一双木筷挑起几根金黄拉面条,景深真实诱人。
食材上巧妙融入2D钢笔手绘微缩施工场景:叉烧肉表面搭着极简线条绘制的木质脚手架、木梯与微型吊机,几个戴黄色安全帽、穿蓝工装的手绘小人正挥着小铲刷酱;溏心蛋被手绘竹篱笆围成一汪温泉池,两个小人惬意泡在里面;挑起的拉面化作悬索桥梁,上方悬浮着黄色像素提示框“[BROTH TEMP: 88.5°C]”、“[GOLDEN YOLK HOT SPRING // OPEN]”。手绘线条松弛质朴,与写实食物质感完美互衬。

这个画面就很克制,既保留了这些手绘小人的拙趣感,又保留了拉面汤和叉烧肉的真实纹理。很多模型做虚实结合,总喜欢把手绘小人也画的很实,就显得很假。这张里的小人和脚手架就保留了很质朴的手绘线条,不抢戏,看着就很舒服。

还有最后一个,是我个人非常喜欢的一张。

提示语

一张超写实自然流水微距摄影与中国传统写意水墨留白跨界融合的艺术大片。整幅画面右侧与下半部分保留大面积素雅干净的纯白宣纸空白,带有质朴的棉浆纤维质感与呼吸感。
画面上方为超写实的真实山涧溪流小瀑布微距摄影:深色湿润岩石上生着青苔与野生蕨类叶片,清澈见底的真实山泉水从岩隙奔流飞溅,泛起晶莹的白色水花水珠;当瀑布落到宣纸平面的瞬间,流水奇妙地自然晕染开来,无缝转化为几笔灵动飘逸的花青与淡墨写意水墨线条,顺着纸面蜿蜒流过山脚下一座由简练焦墨勾勒出的微缩石桥、几间茅草农舍与一抹疏林。实拍流水与水墨写意过渡顺畅,墨水边缘带有自然的湿润水渍,尽显东方禅意。

整个画面的留白展现的很到位,没有把画面做的很拥挤,也没有过分露出太大的空白湖面,整体显得恰到好处,而且我真的很喜欢下面手绘的这个感觉,AI感真的很小啊,水彩和线条感保持的都很好,就像真人手画的那样。

这一轮测试跑下来,H3 Image最亮眼的地方,其实是它在排版排字和复杂画面逻辑上的稳定性。不管是密密麻麻的专业合同、多层级的海报,还是需要精密对齐的工程图,它都能老老实实按规矩给你排的很工整,版面整体的审美一直在线,不会轻易给你整出那些花里胡哨的土味高光。

当然,如果你拿它去磕极致写实的超逼真人像,细看其实还有继续打磨的空间。

但有一点是没法比的,

发布即开源,是目前开源图像模型里货真价实的SOTA。在闭源大厂都在筑墙收费,把权重捂得严严实实的今天,

能把这种排版能力,高分辨率输出和稳定审美同时塞进一个开源权重里扔出来,

MiniMax这一波绝对称得上是真源神。

@ 作者 / 卡尔


最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

如果想第一时间收到推送,不妨给个星标🌟

如果你有更有趣的玩法,欢迎聊聊🤝

更多的内容正在不断填坑中……

跳转微信打开

  •  

终于可以用1张画布把我的电商设计新工作流讲清楚了!

原创 AI沃茨 2026-11-12 23:13 浙江

保姆级教程

不儿,即梦最近是不是换产品经理了?怎么忽然变得这么勤奋。。。

最近这一周我点进即梦,都发现左边工具栏又多出几个新按钮。前前后后算下来,光最近这两周感觉大大小小有20 来个新功能。连带着最近上线的即梦Seedream 5.5,直接把做图和改图全给打通了。

别的先不说,光是连着改几十轮图都不变形就很顶了,还在真实感和审美表现上都很能打。然后还有一些很实用的功能,图层分离,电商套图,智能尺寸,动态海报等等,以前需要在PS里各种倒腾的脏活累活,现在全做成了现成的按钮,这不明摆着想让我们一块画布把整套电商详情页全包圆吗?

三大场景横测Seedream 5.5和GPT Image 2.6,连续修改100轮都不崩还是太强了

写到这,我瞅了一眼办公桌上每天喝水的这只保温杯。

干脆直接扔进刚大更完的即梦画布里,给大家实测一下,光靠现在即梦这一块画布,怎么从零从一张随手拍开始,把这只保温杯的全套电商详情页物料、再到一条带货小短剧全给做出来。

那我们先聊怎么在画布里把全套电商图做出来。

其实平时如果是自己搞点电商副业,或者是帮别人做一套商品视觉,最耗精力的基本都是围绕同一个商品,做出一整套规格统一且细节不穿帮的全家桶物料。做这些的前提是得先有一张不丢细节的干净白底图,现在不用再专门进棚拍或者自己琢磨提示词了,直接用营销Tab里电商主图的功能,一下就能生出边缘干干净净的高质量白底主图。

有了这张干净的白底图当源头,就可以开始做后续的物料了。如果想偷懒一步到位,其实可以直接用营销Tab里面刚上线的商品套图功能。

写好产品名称,卖点,还有适用人群以及一些产品信息,还可以选适用的平台和语言,

还提供了很多物料模版,什么商品海报、商品摄影、场景细节展示、成分解析、效果对比、产品尺寸和规格参数等等这些图都可以批量生成。

看我一次性跑出来的八张图,说实话还真挺惊喜的。设计的比我自己想象的还深入,绝对是把某宝摸透了。

从颜值图,模特图,到痛点对比、剖面图,引线图,再到尺寸和参数表,整套米白暖调完全统一,杯子各个角度都没变形。更绝的是图里这些小字,以前AI最怕这种密密麻麻的小字,刚上的这个Seedream 5.5对复杂排版和小字还有小语种文字的准确率直接干到了95%,你就看下面最后这张参数表十几行字居然一个都没翻车。

然后你看到这些图中还有很多它自己匹配画面做了很多素材,因为Seedream 5.5有原生的RGBA透明图能力,我们还可以把这些图中的素材中的logo、产品图都抠出来作为透明素材存到主体库里,后面再做其他物料的时候直接调用,非常方便。

然后你看到这些图中还有很多它自己匹配画面做了很多素材,因为Seedream 5.5有原生的RGBA透明图能力,我们还可以把这些图中的素材中的logo、产品图都抠出来作为透明素材存到主体库里,后面再做其他物料的时候直接调用,非常方便。

然后如果一张图其中有想要修改,可以直接用营销Tab里的编辑文字能把图中所有的文字信息提取出来,直接改改就能投入使用了。

那有特别的需求的话我们自然也是可以手搓,所以接下来我在画布里继续跑了模特手持产品图,双十一主视觉海报、产品设计卖点解析图、冬日露营场景图和杯口微距特写图。

我先跑了一张模特手持产品的卖点图,同样的提示语我用seedream 5.5(左)和GPT Image2.6(右)都跑了一个,看看效果对比。

我只能说右边Image 2.6这个人脸真的越优化越回去了。。。。

而且平时做电商的朋友都懂,没有哪张图能一稿过。运营要加文案留白、投流要面向不同人群、一个产品有不同款式的话每张图至少要保持模特连贯。以前用 AI 最怕的就是这种多轮改动,改到第十轮可能就变得很油腻或者人脸连亲妈都不认得了。所以这把我也必须测测Seedream 5.5和Image 2.6的多轮修改对比。

其实一直到13轮左右的修改,文字的稳定上和人脸上,除了Image 2.6开始在脸部出现细微斑驳之外,其他表现的都还可以。但是画面一旦开始改滤镜改光线,Image 2.6的质量就开始直线下降,杯子的大小也不一致了,甚至最后交出了这样一张图。。。。。

左  原图       中  Seedream 5.5      右  Image 2.6

真的不是我黑它,我还是用网页版生成的。。。

OpenAI你怎么了。。。

然后我又跑了一张双十一主题的海报,左边Seedream 5.5 其实更懂国内电商的排版逻辑,不仅杯盖结构稳当、色调通透,甚至还主动帮我补齐了左侧的毛玻璃卖点图标和底部的场景栏,直接就能拿去当商品主图用。而右边的Image2.6的更偏传统商业大片的重光影风格。

那第二张我做了详情页里卖点解析图,我觉得确实左边Seedream 5.5做的这个就更好看一点,保留了原图斜插吸管和旋转盖的细节,甚至主动给四个部位分别配上了圆形的微距局部放大特写圈,还把主副标题做了字重区分,视觉信息量一下子丰富了太多。

然后第三张做的是一组产品放到实景中的展示图,我是更喜欢左边Seedream 5.5做的感觉,光影没有那么夸张,更更像用真实单反大光圈拍出来的原片,真实感更强一些。

最后就是杯口的细节展示图,其实这两个杯口的细节展示做的都挺好的,但是左边Seedream 5.5的文字字体我更喜欢,不那么AI,而且右边Image 2.6悄悄把杯子上logo的颜色改成黑色了。

后面如果自己跑了一套图觉得还不错像自己组一套模版工作流的话,就可以把所有节点连好之后打成一个组。以后想跑新图,重新替换第一张图就可以一键运行整组工作流,不用一个个节点挨个去点了。

后面如果自己跑了一套图觉得还不错像自己组一套模版工作流的话,就可以把所有节点连好之后打成一个组。以后想跑新图,重新替换第一张图就可以一键运行整组工作流,不用一个个节点挨个去点了。

OK,套图工作流搭完了,接下来才是真正让我越玩越上头,图片二次编辑。

平时用 AI 做图最崩溃的就是生出来的图太难改。很多时候画面95%都挺完美,偏偏上面的价格要临时改一下,或者背景里多了一块杂物,如果画面中有很多小字的话,碰到这种情况基本认命重抽,很难在原图上动手。

但现在我们可以用就是营销Tab里的图层分离功能,

拿我刚刚做的这张海报举例,可以直接把整张图拆成几十个独立的图层(据说最多能拆100层)。前景升腾的水雾、中间的保温杯主体、杯下的岩石、背后的雪山背景、左侧的卖点图标和右下角的促销角标,全部分得干干净净。

而且重要的是海报中各种元素之间都是层层叠叠互相遮挡的,放之前的AI拆图层一般生成出来的都不完整,但现在被遮挡部分的元素都会自动补全,真感觉像是拿到了制作的psd文件一样。

再来再来,如果我们平时已经做好了一张图,想要用同款的内容只是替换里面的产品批量产出同款海报要怎么办。

以前我一般就是用重新上传这两张图,然后写一个替换主体的提示语,现在还是用营销Tab里的商品替换,按一下就搞定了。它就把原海报里的奶茶无缝替换成了我这只保温杯,而且周围的光影角度和桌面反射全都自动融合好了,简直就是抄作业神器。

除了这些,画布顶栏旁边在光影和视角微调上也塞了一堆趁手的小工具。比如我觉得随手拍的保温杯金属反光太闷,直接用了旁边的智能打光。可以自己手动调整光源的方向、颜色、软硬度等等,还有10种预设灯光效果,

我随手挑了一个落日余晖的预设,做出来的效果是这样的,整个环境光都发生了变化,场景更有氛围感了,画面修改的还是蛮自然的,杯子没有变形,文字也没有丢失。

如果是做家居或者空间展示的朋友,甚至还能用画布新上的720全景功能,直接生成球形预览的全景空间,鼠标拖拽看一圈,看中哪个角度直接截图就能落成一个新的画布节点。

当这张保温杯的物料们被我改得挑不出毛病之后,最后一步就是跨平台分发了。

做过运营的朋友都懂,同一张主视觉海报,淘宝要方图、小红书要3:4竖图、有些封面又要16:9横图,要是用手动裁切最怕把商品裁掉一半或者把字给切没了。所以有一个智能多尺寸功能可以批量修改是真的有用啊。

我拿改好的竖版海报试了一下,一键真同时批量生成好几种适用于不同广告和电商平台比例的图片,而且画面里的保温杯主体、整体配色、文字内容以及文字颜色全都保持不变,背景和排版会自动顺着新尺寸合理延展。

Image

搞定多尺寸之后,我还顺手用了一下营销里的动态海报功能,一键就把原本静态的保温杯海报转成了杯口热气缓缓升腾、背景雪花微飘的动态海报,而且支持直接导出GIF格式,拿来塞进电商详情页里抓人眼球再合适不过了。

把上面这一整套主图、详情页套图、多尺寸海报和GIF动图全部跑完,全套平面物料其实就已经彻底齐活了。

看着画布里已经打好光、抠好图的保温杯素材,我突然想起最近刷短视频老刷到的那种离谱带货短剧,前两秒看着还是正经的古装宫斗戏,眼瞅着巴掌就要扇上去了,下一秒女主反手从袖子里掏出一包纸巾开始说我的纸巾不烧心,连九阳豆浆、毛戈平、飞利浦剃须刀这些大牌最近全在下场用这种无厘头AI短剧做投放素材。

既然保温杯素材都在画布里现成摆着了,顺手直接打开画布里的Agent,给它配一条20秒左右的无厘头反转短片其实也就是一句话的事,做出来的效果是开头那样的。

Image

当然我们可以调用即梦内置的很多技能,直接做出一条纯口播带货视频,

脚本都不用自己写,它会自己提取产品图中的卖点,然后给出生成建议,确认后可以直接做出一条完整高质量的带货视频。

写到这,我就发现即梦就刚刚又上了Seedance 2.5 Flash视频模型,据说速度快了一倍,价格还更低,单秒低至0.09元。然后还上新了一个营销工作室,可以一键完成很多营销类型的工作流也可以复刻爆款,等我这两天有功夫再给大家测测。

说实话,从把这只保温杯从一张桌上的随手拍,一直跑到全套详情页、修改好每一行字、再顺手跑出那条20秒的搞笑短剧,看着画布里整整齐齐的样子几乎没有让我怎么动脑,还是挺感慨的,

过去这大半年,很多朋友和我吐槽用AI做图做视频,并没有觉得变轻松了,反而陷入了另一种抽卡内耗。

为了改图上的两个错别字重新抽二十次卡,为了换三个平台的尺寸把画面裁得面目全非,为了调出想要的光影或者排版跟提示词死磕一晚上。真的很恼火,甚至有时觉得自己花了挺长时间但0进度。

但当我现在发现生出来的每一张图都能随时拆开百层图层、每一行字都能保留原字体直接修改、光影和镜头可以手动调整,甚至连好的节点打个组就能变成自己专属的模版工作流时,

终于啊,AI生图又到了新的aha moment。

@ 作者 / 卡尔 & 阿汤


最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

如果想第一时间收到推送,不妨给个星标🌟

如果你有更有趣的玩法,欢迎聊聊🤝

更多的内容正在不断填坑中……

跳转微信打开

  •  

趁Fable5.2智力最高分享1个超有用的提示语

卡尔的AI沃茨 2026-11-11 14:38 浙江

这两天被Fable5.2刷屏了,打磨出一个提示语把已有的项目全更新迭代一遍。

5.2把鹈鹕骑车拉到了全新的高度,还能用代码手搓动画视频,音乐和图像,一笔笔画出来,通常模型上线第一周智力是最强的,还有重置额度卡。

1️⃣ 提示语1

```

重新审视这个项目,结合代码,文档,历史改动,以及可用的运行数据,找出之前受模型能力限制而留下的低效实现,重复逻辑,过度设计和未解决问题。

从项目的实际目标出发,判断哪些地方值得重新设计。给出问题证据、预期收益、改动范围和验证方式,优先选择收益明确、复杂度更低的方案,先输出你的判断。

```

2️⃣ 如果项目非常多,不确定哪些收益性更高,也可以让Fable 5.2先扫描对话历史发现有正向收益的项目。

提示语2

```

扫描我的GitHub仓库,本地项目和可访问的历史对话,回答三个问题:

哪些值得发布,哪些对话里的需求该落到具体 PR或分支,哪些值得收尾。

先广泛建索引再深挖高价值候选,不需要通读。从第一性原理判断收益,

对每个有价值的候选,区分:

- 已确认的事实。

- 尚未验证的假设。

- 我真正想交付的成果。

- 现实的时间、成本和维护约束。

判断这个项目现在还值得做吗?原目标能否通过更简单的路径实现?过去的实现是否受旧模型能力、临时补丁或过时假设限制?优先使用现有成果和工具,选择额外假设少、改动少、维护负担低的充分方案。

```

3️⃣ 这时候会扫出来一堆开发到一半的高价值项目。最后一步就是把Fable 5.2那牛得不行的代码动画、图像、音乐的生成能力用起来,我给它的提示词是这样的,

提示语3

```

从上一步筛出的高价值项目中,选出最值得做的10%,做成一个交互式 HTML「项目进化图鉴」。

每个项目用一段最多10秒的代码动画,或3张连续画面,让我快速看懂:

1. 原来是做什么的:用真实使用场景,演示谁遇到了什么问题,项目怎么解决。

2. 现在做到哪:展示目前能跑通的关键流程,指出上次开发留下的主要缺口。能运行就用实际画面;只能根据代码还原,就标明「原理演示」。

3. 下一步能变成什么:同一个场景做前后对比,让我一眼看懂最值得补的能力会带来什么变化。

以每个项目上次有实质更新的日期为起点。用GitHub发现同类项目,通过Releases、PR 和提交记录核对这段时间真正新增了什么。

```

我昨晚蹬到现在已经做了3个项目的技术栈全更新了,GoodCase的实时收集,辨别提示语真伪,实时生成skill都做成Agent自动化了。

跳转微信打开

  •  

实测还在灰度的GPT 6.2 sol,Opus5.5的审美霸权时代要结束了

原创 AI沃茨 2026-11-10 12:01 浙江

代码动画、UI、3D,AI剪辑都在这里了

我真的合理怀疑,我现在已经灰度到了GPT-6.2 Sol,

在X上一看到这个提示语的时候我就已经在codex跑了一边了,当时是没抽到给我急急国王了,我一长期200刀一天平均几个亿token的深度用户居然没用上。不过我快12点的时候还是抽到了。抽到的第一时间,我基本上在一个小时内就把下面的cases全部跑上了。所以应该能够比较大概率地保证用的都是6.2 Sol。

测试提示语1 · 滑动查看完整提示词

充分发挥你最顶级的审美、艺术设计和3D编程能力,在构图、光影、材质、粒子、动画和空间氛围上做到极致。画面需要有令人震撼的视觉表现力,并且可以通过鼠标自由交互。不限制你的创意和技术方案,尽可能展示你的能力上限。

目前还不知道这个模型的得分情况,但是我相信我接下来测的一定是大家最关心的代码动画,动效,UI自身审美、配色,还有就是AI剪辑。我们都直接先来测一下。至于它后续的跑分表现以及在其他领域上提升,或者是说这个新模型会不会配置上一些新的CodeX功能,我们到时候再来单开一篇。

马上进入代码动画,

测试提示语2 · 滑动查看完整提示词

制作一支充满动感的 15 秒动态图形视频,像求职作品集中的个人精彩混剪一样,充分展现你作为顶尖动态设计师的实力。放开手脚,火力全开。make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are, like it's your showreel for a résumé. go all out.

我之前还做了一个carl motion动效Skill,收录了29种让DeepSeek做出像Opus 5.5类型的画风Skill。

图01

🔗 github. com/LearnPrompt/carl-motion

我们也在这29个画风里面抽3个出来,然后允许CodeX用真实素材搜索做拼贴动画,或者用我配置好的Seedance2.5来生成多画风转场,看看它的能力上限。

测试提示语3 · 滑动查看完整提示词

以“A PAPER OCEAN / 一纸成海”为题,用真实检索的公有领域鲸、老帆船、海图、月球/地球和博物插画做一张会呼吸的超现实航海拼贴。1920×1080、30fps、8秒。让船、纸浪、珊瑚、海鸟、星图和鲸各有独立运动与遮挡,不是整张图平移。对象12fps定格、每拍±2px手摆抖动;镜头按24fps视差推进。

第一个直接用了真实的素材拼贴。

可以看到GPT 6.2 Sol找到了真实素材,做了8秒的代码动画,拆成了21层去制作,大家可以从整个视频里面看到,单个素材的大范围移动其实GPT并没有做得很明显。

简单来说就是,Opus 5.5出的8秒,我会感觉每一秒它都在动,GPT 6.2 Sol这个会让我感觉两三秒的画面才会开始移动。

所以我们先再来看一下下一个啊,有做抽帧的粘土动画,看看会不会放在这一个本身就动作会一卡一卡的场景下,GPT6.2 Sol这个点会不会被继续放大。

是能看出来比较明显的建模痕迹,以及一卡一卡地抽帧移动的3。

在粘土动画的这个方向呢,这个动作又变得非常有即时性了。总的来说,在这几个代码动画case的测试案例来说,6.2 Sol比起6.1 Sol做代码动画的能力涨了不少,在某些画风的表现程度上能够跟Opus 5.5追平。

第3个我们来尝试一下,如果让GPT有调用Seedance2.5的能力,它会偏向于怎么去组织做一个动画。

可以看到它其实是给每一个段落分配了不同的画风,然后一个游动的鲸鱼先后经历了拼贴画风、孔板画风以及最后的水墨画风。在AI视频转场这一个判断上,我觉得6.2 Sol其实已经不输opus5.5了。

代码动画这方面我们跑得差不多了。

其实用GPT我觉得还是有一个心结,虽然在长时间的Agent Coding的过程中,我们都知道GPT-6.2 Sol跟Opus 5.5它们之间有明显的处理差异,但是我还是非常希望GPT模型的审美,特别是前端审美,UI动效,配色系统,能够追上甚至超越Claude模型。

我相信我们等这一刻都等了太久了,所以我们先来测试一下纯粹的3D,提示语很简单,为了先热个身,跟GPT-6 ASTRA过过招先。

图02

测试提示语5 · 滑动查看完整提示词

创建一个细节丰富、可交互的 V8 发动机可视化模型

大家有猜出来这上下哪一个是GPT-6.2 Sol,哪个是GPT-6 ASTRA做的吗?

答案是上面第一个是6.2 Sol。

总体来说是各有千秋。在建模的质感,说实话,当我打开剖视之后看到活塞,我会觉得6.2 Sol的整体质感会更好,他甚至参考了理想四冲程的教学模型。但同时下面的6 ASTRA,给出了一些更多的参考细节和可以调整的按钮。

再就是一个,Opus5.5花了18刀做出来的果冻形山谷微缩景观,提示语还是保持一样。

图03

测试提示语6 · 滑动查看完整提示词

一个单文件、自包含的交互式 WebGPU 微缩景观(一个 HTML 文件,所有 JS/CSS/WGSL 均内联,无网络请求,无库)。将一座带混凝土重力坝的山谷切成一块晃悠悠的果冻,放在浅色摄影棚桌面上,以 from above at three-quarters 呈现。

场景(块体局部坐标,原点位于底面中心,y 轴向上,块体约 5.2 × 5.2 单位):

  • 一条从后向前延伸的河谷:陡峭的岩石坡面上有峭壁、碎石坡和巨石,针叶林与阔叶林,以及长草的坡肩。块体切面展示倾斜岩层中的层状灰色基岩及节理、顶部风化的棕色带和深色表土,以及水下的砾石和淤泥。最底部是对应当前口味的薄薄彩色“果冻”地层。

  • 大坝后方是一座狭长水库,岸边有水位消落后裸露的岩石环带,溢洪道前有由橙色和黄色浮筒组成的漂浮拦木索,一艘小巡逻艇绕湖航行。

5.2 SOL 基本上还原了那个果冻的duangduang的手感,然后我们还可以去判断水库在不同水位的一个展示,以及高峰期,甚至还能够调得比原版的 Opus5.5 做得还多了果冻的硬度跟阻尼强度,点起来就更像一个捏捏了。

还有一个非常长,长到没有办法放下来的提示语。

这个提示语除了想要测UI生成,我还想测GPT6.2 Sol跟GPT Image 2.6去搭配使用,如果我想要把一个网站的元素完全换成我自己的,它的表现程度会怎么样。

我一狠心给自己安排上了一大堆厌世感穿搭。

生成的图片之后,放在网站上会有正常的阴影浮动,我们可以切换成为网格形式或者是旋转形式。

图04

图05

点进去的时候,还可以看到每件衣服对应的细节。

总的来说,对于这次6.2 Sol的这个升级,我还是非常有信心的。在有详细提示语的情况下,它能够做出跟Opus 5.5 不相上下的效果。

为了验证我更进一步的猜想,我给6.2 Sol追加了一个根据已有网站参考它的画风做出来一个额度重置的子网站。这样还可以去看一下GPT是怎么去参考已有的风格的。

测试提示语X · 滑动查看完整提示词

我想要做一个跟goodcase .ai画风一样的,用aihot. news/resets提供的接口,再顶端做一个子页面,让大家可以看到对应的模型,更新时间,额度,预告,日期,尽可能有用的信息

可以看到整体风格还是保持了纸张风,以及这个单色,也就是橙色的一个强调色。

然后模型对于原网站统计的这个历史间隔中位数,也就是前面几次重置的日期间隔平均下来是多少,因为我在提示语里面只让他尽可能多展示有用的信息,所以他把历史间隔中位数换算成了,24 小时可能会重置的概率,接下来三天大概的重置概率有多大。

我觉得最后也是我比较关心的一个,应该是AI剪辑了。

我就是给了一个常见的剪辑脚本,表格是字幕、画面和备注,然后给了我的实拍还有B-roll,就是一些录屏的素材,然后就是让 Codex 完全是自由发挥,一切都以信息能够成功展示为主。

图06

这里就是剪了一分钟的成片。

总的来说,目前6.2 Sol在默认的情况下,它会偏向于使用2D平面的剪辑,比较少用3D,但是对于画面的分配以及信息的展示,就是什么时候这个素材要放在哪里,人物什么时候是小窗,什么时候是大窗,然后素材应该放在左上角还是作为主要的展示屏幕,以及如果说一句话需要有两个素材或甚至更多的素材去做对比要怎么放,这种剪辑的能力在完全没有任何Skill的帮助的情况下,是可以追上Opus 5.5的。

甚至在画面连续的一个情况下,也就是说,如果我有两个排比句,我是希望降低用户的视频理解压力前后画面一致的。在这一点的表现层面上,其实是还要比Opus 5.5要好。

(左边Opus5.5 右边6.2Sol,Pocket拍出来本来是16:9,但我后期做了4:3的裁剪,所以左右对比的画幅可能有点不一样。)

图07

图08

图09

图10

图11

图12

离谱的是睡了一觉,Fable5.2上了,那还说啥了继续肝吧,

我还在跑这个case,现在能限制我的只有额度了。。。

图13

冲吧,GPT,

打飞Opus5.5,

听我的别搞封号那套了,

力大砖飞你也可以给A社发斩杀线了。

@ 作者 / 卡尔


最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

如果想第一时间收到推送,不妨给个星标🌟

如果你有更有趣的玩法,欢迎聊聊🤝

更多的内容正在不断填坑中……

跳转微信打开

  •  

史上最全GPT Image 2.6 10大GIF邪修玩法,肝了两天的我决定把提示语都公开了

原创 AI沃茨 2026-11-07 19:22 浙江

燃尽了,幸好有7号那张gpt重置卡不然都不够额度用的

来不及解释了,

前两天GPT-Image-2.6悄悄上线了。

最大的卖点之一是原生支持生成动图,我也顺手整了两个来玩玩,

Image

Image

一个大肥鱼,一个我家猫,动作幅度都做得很大,两秒内无缝闭环循环,这种直接在对话框里直接搓动图的体验确实挺有意思的。

超光速度总结,这次 Image 2.6 的核心更新其实就是,

  • 原生生成 2-16 帧短循环 GIF,不用导出视频再抽帧,

  • 跨对话资产记忆,打上标签就能点名使唤这个角色做图,

  • 局部圈改微小特征防篡改、动作序列网格对齐、以及引线空间对齐,

  • API 给了一个最快 6 秒出图的极速模型 Flare。

但说句大实话,目前2.6体验很一般的地方也很明显:

首先就是GIF 就是16帧做不了长视频,再就单张写实人像和普通风景上,画质跟 2.5 相比基本没啥提升,硬要说的话,暗部阴影里的颗粒杂色和噪点相比以前确实少了一点点、油腻感少了一捏捏、稍微干净了那么一丝丝。

Image

Image

Image

(左 Image2.6    中 Image2.5    右 Image2)

然后就是人脸,可以看到在第三轮迭代的时候就已经发生了变化,头发越来越卷,然后五官也不太一样了,你说最后这张是第一张的双胞胎哥哥我还能勉强相信,说是一个人我是肯定不信的。

Image

Image

Image

Image

Image

Image

不过呢,这次我还是整理出 10 个很有意思的 GIF 玩法,后面还单独挑了3个更新的能力测试了一波,照例是带提示语和效果展示,量大管饱,Here we go!

首先,有人发现2.6对每秒10到12帧的抽帧停顿感和手捏指纹纹理还比较敏感。所以Image 2.6还蛮适合做一小段黏土定格动画的,所以我拿大肥鱼做了个黏土手办,两手抱着大面团狂揉或者做个闪身步,这个定格动画的感觉真的蛮好玩的。

阿德曼黏土定格动画风格(Aardman Claymation),带真实手工揉捏指纹纹理与轻微抽帧停顿节奏(约8ps),无缝循环4秒GIF动图。主角是Q版黏土女仆大肥鱼娘(深蓝头发、头顶呆毛、围裙小鲸鱼),正站在小木桌前双手用力揉捏一团软乎乎的大面团,整个人随着揉面动作前后晃动,身后的小鲸鱼尾巴上下扑腾,随后双手猛地把面饼高高抛向空中旋转,动作滑稽可爱,微距摄影景深。

还可以直接对话批量做出不同动作的gif。

Image

Image

Image

Image

Image

Image

然后就是你可以让gpt自己查找最近很火的抽象打工人动物表情包这种画风,你可以自己定义想要它找啥样的风格,然后批量做这种抽象表情包。

🎹

查找最近国内很火的抽象表情包风格,制作搞笑微信动态GIF表情包,12帧高动态循环,一只穿着皱巴巴白衬衫和领带的搞笑猴子(吗喽)坐在办公桌前,两只手化作残影极其狂暴地疯狂砸击电脑键盘,键盘被砸得火花四溅键帽乱飞,猴子头顶上方悬浮着加粗荧光红大字「收到!马上改!」伴随剧烈震屏闪烁,夸张搞笑社畜精神状态

Image

Image

还有就是直接出一批剪辑的时候可以用到的动态素材贴纸,这种就不用担心版权问题了,需要啥随时做,而且还可以输出透明通道的gif。

给我生成一批剪辑时非常可能会用到的动态贴纸,高饱和、糖果色的 3D 卡通贴纸风格,表面有塑料或果冻般的光泽,配白色模切描边、厚阴影和夸张的弹跳动画。整体偏短视频里醒目、活泼的视觉效果。

Image

Image

Image

Image

Image

Image

Image

除了剪辑会用到的素材之外,我平时做公众号也会需要很多动图素材,毕竟公众号最多只能放10个视频,而且像结尾这种引导互动的肯定还是放能一直循环播放的动图比较好,重要的是做好一个基本都能一句话批量做出同类型的素材。

制作一张用于微信公众号文章结尾的超窄横版循环动图,画幅 1400×260,时长约 3 秒,固定镜头,真正透明通道。左侧是圆滚滚的手捏黏土小人,神情一本正经,吃力地举着一支比自己还大的红橙色复古剪纸箭头,箭头始终指向右侧。小人向右挪两步,被箭头带得踉跄,努力站稳;箭头尖端轻碰右侧文字。

右侧单行、准确写出「点个在看」四个汉字。文字像小孩子用一根根圆头黏土条手工拼出的字,笔画略微歪斜、粗细有细小变化,表面柔软、有轻微手捏纹理和立体厚度;每一笔之间留出清楚空隙,四个字必须一眼可辨。「点个」为珊瑚红,「在看」为明亮橙黄。被箭头碰到后,文字依次轻弹,从接触点迸出几颗彩色小星星,文字短暂变成粉红与薄荷绿,再恢复原色。动作滑稽、轻快,但不过分夸张;约 3 秒自然回到起点,首尾无缝循环。

所有人物、箭头、星星和文字完整处于画幅内,上下保留安全边距。只在小人脚边添加少量手绘速度线和小纸屑。**不要背景场景、白底、纯色底、棋盘格、额外文字、水印或番茄。**输出带真实透明通道的循环 GIF 或 APNG。

Image

Image

Image

还可以做这种很有趣的loading图,以前要找这样的素材有时候真的要翻很久,不过现在都可以自己手搓了,比直接用AI视频做我觉得来的方便很多,AI视频很容易动态做的过大,没有这种动图的感觉了。

生成一个透明背景的动态 GIF,用于网页 Loading 动画。主角是一只圆滚滚、脸颊鼓鼓的小仓鼠,用黑色蜡笔和炭笔涂鸦画成。画风稚拙可爱:线条粗细不均,带有断线、重描和粗糙笔触,像小朋友随手画出的角色。仓鼠在一个歪歪扭扭的手绘跑轮里拼命奔跑,小短腿快到只剩几条潦草的速度线;它一直盯着前方一颗瓜子,伸爪去够,却每圈都差一点点。表情一本正经,动作笨拙好笑,耳朵和大脸颊随着奔跑弹动。
仅生成 8 帧,首尾无缝循环,带轻微的逐帧手绘抖动。主体居中,轮廓清楚,适合作为小尺寸网页加载图。**背景必须完全透明,导出保留透明通道;不要白底、纸张底色、棋盘格或任何背景图案。**不要文字、进度条、霓虹、金属、科技元素、彩色填充和水印。

Image

Image

Image

Image

再就是做PPT的时候有时候也很需要动态素材,相比AI视频总是会做很多多余的动画,动图的好处就是动态比较克制,文字更加稳定,展示的数据和数据图类型都是可以自己设定好的。

⚽

文生 GIF 动图,16:9,用于业绩汇报。清爽的二维扁平矢量信息图风格:暖白色背景、轻微纸张质感、大量留白,深海军蓝细线与明亮蓝色为主,珊瑚橙只用于强调增长。画面中央是一张大幅上升折线图,展示季度营收:Q1 120 万、Q2 168 万、Q3 215 万、Q4 306 万。  
动画开始时,浅灰色网格和坐标轴轻轻浮现;蓝色折线从 Q1 向 Q4 快速但顺滑地绘制,线下方出现半透明蓝色渐变填充。每到一个数据节点,圆点弹跳一下,对应的数值卡片弹出;线条经过时留下一小段发光轨迹。到达 Q4 时,终点出现珊瑚橙色上升箭头和“增长 155%”卡片,周围有少量星形闪光与圆环扩散。随后高亮、卡片和填充平滑收回,回到初始画面,形成
首尾一致的 4 秒无缝循环 GIF。图表位置始终固定,动效有节奏感但不杂乱。不要人物、实拍质感、3D 效果、镜头运动或声音。

Image

Image

除了展示数据之外,做一些产品功能展示预演的时候用动图也很合适,不需要把详细的信息展示出来,只展示功能的交互动画,我这里做了生成摘要、点击收藏和切换夜间模式的演示图。

👍

制作一段 3 秒、可无缝循环的网页产品演示动图。鼠标点击文章右上角的“生成摘要”按钮,按钮短暂显示加载状态,右侧随即展开简洁的摘要卡片。镜头固定,保留真实界面布局,让点击和结果清晰可见;动画轻快、克制,不添加其他操作或虚构文案。

Image

Image

Image

还有一种就是可以做产品的零件爆炸演示图,尤其这种偏2.5D类型的,用AI视频做就很容易崩,零件也容易多给,倒是可以用Opus5.5做出来,不过现在Image2.6做出来的循环动画效果也真是不错。

等轴测2.5D爆炸拆解视图,一台经典的单反相机。拆成金属机身外壳、镜头零件、等等拆件的爆炸镜头,生成从完整相机到拆件的无缝循环GIF动图。

然后就是可以直接利用GPT强大的世界知识同时检索历史时间生成对应的图像素材,做成这样的历史流程图,有动态感的同时信息也会保证准确。

🏆

历史科普长卷动态时间轴,动态GIF,泛黄水墨宣纸质感底纹,手绘水墨写意风格,一支饱蘸浓墨的毛笔自左向右极速扫过划出一条起伏有力的墨迹时间线,墨迹划过之处依次如盖章般晕染浮现出四个朝代关键节点的微缩手绘插画:商周青铜司母戊鼎、秦代陶俑战车、盛唐飞天壁画阁楼与大明宝船,节点带有毛笔小楷年代标注,墨韵流动,首尾相接无缝循环

做成这样的路线示意图也很好玩,感觉非常适合游戏里的结算画面使用,这里地图都可以使用自己上传的。

🚅

复古探险寻宝手绘路线图,动态GIF,泛黄古老牛皮纸羊皮纸地图质感,手绘等高线与山川河流,一条红色的虚线轨迹从左下角出发像活蛇般沿着山谷快速向前蜿蜒穿梭,轨迹前端是一辆可爱的复古小越野车在颠簸狂奔,每到达一个补给站地标,一枚立体红色图钉便伴随微小冲击波咚地一声精准扎在地图上,最终在右上角的大红叉宝藏点画圈点亮,冒险故事感 

最后也可以给名画做一些比较有视觉标识性的二次处理,放到文章中或者网站里作为配图素材使用都还能挺吸睛,挺有视觉冲击力的感觉。

❤️

艺术解构科技动态视觉,动态GIF,16帧完美闭环,纯黑极简暗调背景。一座纯白古典大卫大理石雕像胸像静静伫立,一道刺眼的青蓝色水平全息激光束自下而上快速扫过雕像,被激光扫过的瞬间,坚硬的大理石雕像瞬间炸裂崩解为成千上万颗极度微小的发光青色几何体素立体方块与数字碎片,如失重般向四周爆发扩散悬浮;在第8帧达到最大扩散范围后,所有发光粒子如同时间倒流般以极高加速度逆向收拢吸附,严丝合缝拼回完好无损的白色大理石雕像,极具张力与科技美感

那动图的部分看完了,咱们在看三个静态能力的更新。

第一个是跨对话角色记忆,以前最烦的就是换个聊天框 AI 就失忆,非得逼你重新再上传一遍图片然后再解释。现在只要先让他保存好参考,

Image

然后在在提示词里,它就能记住这个角色长什么样。比如我这个黑大圣从破布衣换成黄金甲,换了场景也换了光影,主角的长相也没变,就还挺方便。

Image

第二个是结构引出线拆解图,是做产品说明书或设计拆解的神器。2.6 标出来的白色箭头引出线和数字标号排得很整齐,端点老老实实指在零件上,不会像以前那样箭头乱指、字在天上乱飞,看起来很像正经的产品说明书。

Image

Image

左 Image2.6    右 Image2.5

第三个就是直接输出纯矢量 SVG 代码,它生成的不是带有矢量画风的普通图片,而是直接吐出可以在前端运行的代码。代码结构很干净,没有乱七八糟的多余节点,丢进 Figma 或者浏览器里可以直接无限放大,对前端和 UI 同学来说拿过去就能用。

不过要说做矢量图的话,做简单的图表类型还是可以的,

Image

如果做复杂一点的,曲线多一点的人物类型的图就基本都会跑偏。。。这个也不知道是不是codex的问题,反正目前我用着是一般。

Image

除了做表情包之外,我也算是绞尽脑汁,给大家硬抠出了几个稍微能派上用场的 GIF 玩法。

但有一说一,测到最后,这波更新实在算不上什么颠覆性大版本。

尤其是在人脸一致性上,只要多改两轮,五官漂移得甚至还不如老版 Image 2.5 稳当。

更要命的是,成本还实打实地翻倍了——静态单张直接从以前的4美分涨到了8美分,要是生成一个十几帧的 GIF,抽一次卡就得烧掉小两毛美金。

至于这次主打高速的API 的Flare模式,体感上速度提升也不是很明显,画质还缩水了一圈。

所以我的建议是大家可以当个新鲜玩具友情试两把,

没必要特意为了它去充值改工作流。

至于真正有颠覆性的能力跃迁,

我们还是等下一个大版本吧。

@ 作者 / 卡尔


最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

如果想第一时间收到推送,不妨给个星标🌟

如果你有更有趣的玩法,欢迎聊聊🤝

更多的内容正在不断填坑中……

跳转微信打开

  •  

UI/3D/代码动画... 分享4大类能去掉AI味的新技巧

原创 AI沃茨 2026-11-05 17:34 上海

商汤这次新模型有点东西

这段时间我只要打开抖音都是vibe coding知识大赏动画。这段时间就是不停地刷动效 Skill,刷麻了。

见过9种到65种画风,甚至99种都有。在这些教程底下,不管提的pr、issue还是评论,都是在说,我用不了Opus 5.5,那我要怎么做?

这个节点我就想看看,有没有国产模型,也能做出类Opus 5.5的代码动画?如果能,需要经过哪些步骤?

所以这次我跟商汤的新模型SenseNova-6.8-Flash一拍即合,想来完成这个挑战。除了代码动画,我还加上了UI,3D和SVG动态海报,凑够四类常见的AI生成产物,先看在没有额外风格约束和Skill辅助时能做到什么程度,再用我自己做的vibecoding-humanizer重跑一遍。Here we go!

 ㅤ

直接上正菜,代码动画。

想摸清一个模型的审美底子,我觉得第一个case上一支经典的代码动画就够了。也不用先去挑Three.js还是p5.js 这些技术栈,直接让它生成 15 秒,看它自己怎么选。

提示语就这一条,中英各一版。

    制作一支充满动感的 15 秒动态图形视频,像求职作品集中的个人精彩混剪一样,充分展现你作为顶尖动态设计师的实力。放开手脚,火力全开。
    make a dynamic 15-second motion graphics video that shows what an incredible motion designer you are, like it's your showreel for a résumé. go all out.

    为了观察模型最原始的表现,我新建了一个环境。一开始这个环境里啥都没有,没装视频制作Skill,没装 HyperFrames Skill,连Playwright都没装。我只给了上面这条提示语,没有任何风格上的约束。缺什么工具,要不要装,装哪个,全让模型自己拿主意。

    做出来的15秒,长这样,

    整体水平是在我预估之上的,特别是开头日落渐变色的同心圆环,搭配SHOWREEL字标擦除式显现的,还有第五幕的星形多边形的工具徽章,都挺有作品集的味道。

    比起Opus 5.5的话,我可以挑出有比较有AI味的细节,一个是字体样式,一个是固定节奏的转场。

    虽然一开始让AI做PPT的时候,这些还不叫AI味,但我觉得AI味这个词最没有道理的就是,一旦有个东西,有个风格,所有人那一段时间都在做的话,它也就被自动划分成为AI味这个广义的概念。

    所以你仔细看这一版,用的其实就是当时我们做AI PPT最常见的那套样子。画面中间留一大片白,左上角挂一行补充说明的英文小字,意义不大,字形从头到尾几乎没变过。

    再就是Opus 5.5比起国产模型,它在单次生成中还有一个比较明显的不同。

    就是在画logo或者画像素动画的时候,定位会特别准。所以你可以看到商汤在这一版生成的时候,特别是在 logo,你会看到它中间的圆形会非常细微地超出这个外围正方形的靛青色线。

    但我想说,这些都是能被解决的 AI 味。

    上上篇里,我总结过最近半年大家常用的,用一两句提示语就能压掉AI味的办法。

    分享6个新提示语去掉DeepSeek新模...

    里面有两条准则,放到这里刚好对症。

    第一条,去掉没必要的英文小字说明。用大白话讲,就是别什么都靠文字解释,能靠排版,位置,间距,大小和视觉关系让人看懂的,就别再啰嗦。

    第二条,在整个页面里,先定好要用哪几种色号,哪几档字号,每种颜色各自负责什么功能。规矩定在前面,页面做出来才会不烧心。

    前面说的这些,我已经总结成了自己做的 vibecoding-humanizer skill。把它安装到商汤小浣熊里,再用 SenseNova-6.8-Flash跑一次,你就会看到明显不一样。我这些写到的四类案例的优化版本用的都是这同一个 Skill。

    来看7秒左右三原则那一帧,Purpose,Rhythm,Craft换成了压画面的粗重大字,旁边只留一句短说明,层级一眼就分开了。配色也从首版的紫粉橙,收进了橙红金一个色系,正好对上第二条准则。那种会动的PPT感淡了很多。

    这类代码动画,模型从头到尾都是在写代码,再由浏览器或者渲染器把代码一帧一帧跑出来。

    你可以把它想成小时候那种手翻动画书。每一页上的小人站在哪,多大,多透明,都是代码按时间算出来的,再套上一个缓动函数,比如弹性,正弦波,让动作有快有慢,然后一页一页重画。翻得够快,它就动起来了。

    那些3D圆环点云,就是在代码里算出每个点的三维坐标,每帧转一点点,再投影到平面上。生成艺术那部分,是拿一个随机种子加上流场公式,算出粒子该往哪儿飘。用的基本都是Canvas、SVG 或 WebGL,再加上 JavaScript。

    OK,既然UI跟代码动画在审美和排版上重叠的地方这么多,那下一个,就来测UI。

    老粉应该知道,很长一段时间,我在设计AI提示语网站goodcase和AI热点图谱 aimap 的时候,都是刻意躲着黑色蓝色紫色这几个色系走的。

    后来给AI教程网站learnprompt用上了紫色,我也是把墨黑,淡紫和3D素材搭在一起,才敢说它没那么重的AI味。

    因为黑色网页是真的不好做。

    做得好是高级,做得一般,就会被一眼认出来,然后被吐槽一句,好重AI味。大家可以看一下啊,DeepSeek跑出来的这个,比方说我让它生成一个深黑背景、银色金属轮廓、冷白光这种,一看就知道会踩那个AI味的雷点。

    看那行PRECISION IN SILENCE的英文大字就够了。产品图也有点跑偏,我要的是银色金属耳机,出来更像一副耳塞。深黑加冷光这种题,最容易交出来的就是这种看着高级,换谁来做都差不多的页面。

    然后我换到SenseNova-6.8-Flash加载我这个 Skill,再做一次。加载 Skill 之后,网页搭建的顺序就变了。先生成主视觉图,然后主动检查有没有达标,最后才按我们给的方法搭首页,不往上堆功能区。

    我的习惯是先出首页,首页过了,再出后面的页面。首页一定下来,后面几页的风格就都有了参照。

    大家可以看一下它完整的页面。

    UI 这方面去AI味,这段时间能补充的新细节不多,我更多是在看Taste Skill这类项目怎么做。

    现在很多 Skill 的思路挺一致的。卡片的大圆角和阴影减下去,主题色控制在一到两个,背景用接近黑白的中性色,点缀色只留给关键的交互位置。

    AI 写的网页还有一个老毛病,字特别多。所以现在去 AI 味有个很重要的办法,是拿真实截图或者线框图去当参考,光靠文字描述是不够的。全大写的胶囊标签,莫名其妙在滚的emoji,装饰性的光晕,这些也都被ban掉了。

    如果你想把这些东西收成一个简单的动作,除了装我这个能覆盖四类情况的Skill,我还挺建议在生成完之后,多走一步验收。生成后用Hallmark,Impeccable,Taste Skill 再跑一遍审计和polish

    这三个里两个都是10万Star的项目。

    OK,都做了两个平面了,接下来就做3D。

    3D也一样,不管是做3D动画,还是做能互动的3D建模,其实都能看出一个模型带不带所谓的AI味。

    测试题很简单。第一轮限定只用Three.js,不碰Blender,提示语里尽量写清楚想在场景里放哪些物体,哪些细节,然后看模型会用什么样的几何形状去表达它们。等到优化阶段,再让它开Blender神力。

    这一版挺有意思的。仙鹤是用类似折纸鹤的方式叠出来的,能看出它有自己的思路。

    普通的阶梯和瓷砖,用的都是长方体堆砌上来的。

    3D 跟前面两类不太一样,它的AI味更多出在物理上。看这一帧,第一级台阶往上抬了一大截,真爬上去,估计都要飞天遁地了。山是另一个问题。山体做成了带锯齿的形状,有点像金字塔。侧面那些纹理更像是一张贴图直接贴上去的,一道道没有规律的黑线,看着不像枯掉的树,也不像荒山。

    然后,树是浮在半空中的。。。

    所以这里最明显的改进方向有两个。

    一个是把建模细节做好。第一轮只用Three.js,到了优化阶段就开放Blender,让模型自己判断哪些部分适合交给 Blender建,哪些部分继续用Three.js实现。另一个是,在规划好的场景里,尽可能保留真实的物理性质。

    这块我还专门翻了goodcase这段时间抓到的3D case,看看大家做3D都会用到哪些关键词。3D这方面专用的 Skill其实挺少的,所以我把下面要说的这些点,都融进了vibecoding-humanizer里。

    可以看出,改过光影,调整过细节之后,SenseNova-6.8-Flash用的几何体其实没有更复杂很多,但是在细节方面,不同颜色的青砖瓦,房间的结构,以及重构之后的鹤,表现效果已经不一样了。绕到侧面那几个视角看,平台底下有岩柱撑着,树也都长在台面上,之前那些物理性的bug基本都消掉了。

    准确地说,要明确材质,再指定灯光。

    像Blender这样的工具,需要通过灯光形成明确的阴影。如果到处都在发光,整个画面就会显得很假。就算建模精度不高,灯光合理了,表现也能好上一大截。

    然后像刚提到的这种几何感要怎么磨掉呢,其实我们就可以在普通的面上去加轻微磨损,边缘倒角,以及非完美的几何去增加它的真实缺陷。

    也可以加入更具体的3D约束。如果Agent能操作本地建模工具,SenseNova-6.8-Flash也是支持computer use的,我就二次明确了相机的位置和角度,不要总用默认正视视角。另外,制作PBR贴图时,要禁止把阴影和高光烘焙进贴图。

    最后,分步完成的思路也适用于3D。做 UI 时,可以先做好hero模块,定下风格,再完成其余部分和后续页面,做 3D 时,则可以先定几何和拓扑,再单独调整材质与灯光。

    最近还有一种形式,有点类似SVG的新分支。

    以前我们做SVG的时候,可能就是做经典的鹈鹕骑单车,这次新模型做的,我也放在这里了。

    另外一个新的形式其实就是动态海报。

    它是HTML,SVG和CSS搭起来的一种组合。一张图里,每个元素都可以单独拿出来用。图表,数据,文字都放在独立的HTML层上,这时候动态海报里的标题,图注,数值都保持成随时能改能动的文本。用人话来说,相当于一张可以随时调整文本的海报,换一句话,改一个数值,都不用重新生成,还可以加上一点简单的位移和光框。

    SVG 当然也有自己独特的压缩AI味的方法,前面 UI 里说过的那些,约束输出格式、颜色、风格锚点和图标系统,这里就不重复了。3D里说的分步生成,也一样适用。

    SVG要多花功夫的,是生成之后那一步清理。

    回到这张海报的静帧,主照片旁边那几格,每一格都有自己的小标题。哪一格要换图换字,单独动那一格就行。

    后期清理我整理成了4类。

    第一就是删除背景和隐形层。这里说的背景,是那种盖满整个viewBox、没有任何意义的白底矩形或路径;第二简化路径节点。一条简单的曲线,不该挂几十个点,可以用Illustrator的Object>Path>Simplify,把多余的节点合掉;

    第三统一重叠路径。模型画的图经常把一条线拆成好几个重叠的形状,透明度一叠就发暗。在Illustrator 里做一次布尔合并(Boolean)就好了;最后一步,像是GPT特别喜欢写注释,冗余属性和一长串小数,可以用SVGO或 SVGOMG 清掉注释和冗余属性,再把小数精度降下来。

    好,四类都走完了。

    回头看,这四大类产物,都是可以靠提示语加Skill往好了改的。而且也不一定非得每一类都去找一个专用的、特别底层的去 AI 味提示语,有一些限制写对了,就能把效果稳在一个不错的水平上。

    再说回开头那个问题。

    用国产模型做 Opus 5.5 风格的代码动画,真的不可能吗?

    我自己的答案是,不至于到我在某音上刷到的那么惨,只能做成会动的 PPT。

    方法对了,做之前给它参考影片,做完以后接着调,也能做到八九成相似。

    所以我觉得,大家真的不用太担心。

    看到一个好看的case,就去复刻它,它就是能做出来的。

    国产模型追上Opus 5.5速度还是超快的。

    模型会更新,会换代,也总会有一时半会儿用不上的时候。

    但你攒下来的审美,踩过的坑,总结出来的方法,

    可以装进一个Skill里,

    跟着你换到任何一个模型上。

    @ 作者 / 卡尔


    最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

    如果想第一时间收到推送,不妨给个星标🌟

    如果你有更有趣的玩法,欢迎聊聊🤝

    更多的内容正在不断填坑中……

    跳转微信打开

    •  

    分享靠1个Agent控制所有Agent和应用新技巧

    卡尔的AI沃茨 2026-11-04 09:46 浙江

    两周前我吐槽Grok Bot控制终端codex绕开沙箱用上gpt独一档的computer use能力失败率奇怪的难题终于被我解决了,不只是浏览器自动化,是能操控本机里其他Agent,能操作剪映做AI剪辑,在第二次操作的过程中还可以完全不消耗额度,非常Amazing。

    先说一下结论,目前最佳搭配是,

    Grok Bot➕vercel开源的agent-desktop

    因为openai没有开口子所以现在想要用codex同款computer use有两条技术路线。

    1️⃣ amontlabs的LCU(Local Computer Use)跟codex用的同一条路,通过macOS的accessibility API读取界面,用accessibility动作去点击输入拖放。

    好处是能「看懂」界面,知道哪个是按钮、哪个是输入框。坏处是,如果app的UI不暴露给 accessibility tree,就抓瞎了。它们都需要一个模型在后面做视觉理解和决策,所以截图,识别,规划动作都烧tokens。LCU作为MCP工具我在grok bot调用的时候也是走Codex的token。

    2️⃣agent-desktop走的是另一条路CGEvent 注入。它不通过 accessibility API,是直接在操作系统层面模拟鼠标和键盘事件。按下,移动,释放,跟我手指在触控板上划一样。app 收到的就是真实的输入事件。它本身只是一个 CLI工具,不做任何推理,所以单独跑agent-desktop的命令是零额度消耗。

    但agent-desktop不会自己思考。要告诉它点哪里,拖到哪里,等多久。这个「告诉它」的工作可以交给1个agent来做,写成脚本后回放时,消耗的额度是零。

    重复的操作步骤遇到可变项,比方说ai剪辑就是素材不同导出分辨率不同,才需要模型介入,这样换来就是操作速度会快很多。同样是剪辑视频,第一次用了13分钟但是第二次用37秒就搞定了,LCU平均是4到5分钟。

    但也不是完全没有缺点。agent-desktop模仿是真实输入所以需要占窗口,不像LCU可以在后台慢慢跑,最佳搭配还是mac mini。

    还有一个技术点区分来这两套方案,

    1️⃣ 我仔细对比了ai剪辑每步的操作时间,LCU在素材拖拽里浪费大部分时间,后面发现剪映是Electron套壳的自绘 UI,时间线区域的drop target对accessibility API几乎不可见,用人话说就是发的拖拽指令剪映根本收不到

    2️⃣agent-desktop就没这麻烦,duration给了800ms的慢速拖动。对剪映来说这就是一个真实鼠标操作,跟人手拖一样。

    果然这种在不断尝试慢慢找到正解,

    在啥都可以问agent的现在还是很爽的,

    现在我们都可以用1个Agent控制各种应用了!

    这把效率又原地起飞了!

    跳转微信打开

    •  

    在OiiOii用Opus5.5+S2.5批量复刻6类高质感视频后,这一次,传统拉片过时了

    原创 AI沃茨 2026-11-03 20:08 浙江

    能省89%的积分啊

    大家都知道,现在Opus 5.5做代码动画和精准的图形动效有多猛,我自己前段时间也深入玩过不少。

    但其实身边不少人跟我抱怨过不知道怎么用,或者一用就被封了,我现在战绩可查已经有7个号用不了。

    这解决办法不就来了,我今天发现,OiiOii刚上线的新功能全能复刻,底层已经直接可以用上满血的Opus 5.5 了!

    Image

    话不多说,我先给大家看一条,我用它复刻出来的品牌网站 UI 动效视频,

    一眼看过去,是不是就是妥妥的满血Opus 5.5代码动效质感?

    画面里的文字边缘锐利、界面推进和卡片弹性缩放丝滑得就像原生网页一样,甚至连里面的功能演示界面、轻电子背景音乐、点击交互音效和最后的行动按钮节奏,全都严丝合缝地替换成了OiiOii的AI动画Agent的工作台流程。

    这条一分钟的成片,没有打开终端跑一行代码,也没有打开AE抠一个关键帧。我只是往OiiOii的全能复刻里丢了条原视频、和一张logo和一张 OiiOii的界面截图,再加一句大白话提示语,

    Image

    完成这样一个一分钟视频的复刻,大概用了不到一个小时,而且全程没用我手动参与任何调整。

    所以,秉承着我一定会给大家完整测评一个功能的决心,这把我又开始大测特测了。

    那今天在把我实测跑通的另外5个硬核Case和技术原理拆给大家之前,OiiOii也是放出了双十一的羊毛,会员可以用7天的Seedance2.5等20款模型不烧积分,如果有大量的使用需求还是可以尝试一下的。

    Image

    🔗 oiioii.tv

    话说回来,可能很多朋友会好奇,为什么平时我们把视频直接丢给传统的视频模型,只要一碰上文字、UI 界面和排行榜这类多文字的画面,出来的字大概率会糊成鬼画符,而OiiOii却能把开头那条网站动效复刻得这么干净?

    我去看了一下发现,它是在后台把Opus 5.5(内置网页渲染录制)和Seedance 2.5给放到了一起。

    用人话说,凡是镜头光影、真人表演和商品物理质感,它就交给 Seedance 2.5 去生成,一旦识别到画面里有文字排版、UI 界面和MG动效,它直接调用Opus 5.5写代码并在云端浏览器里渲染录制合成,甚至连原片里原本有点压缩模糊的字,复刻完都能变得比原片还清晰。

    Image

    操作入口很简单,进了OiiOii之后,在对话框底下点那个全能复刻,上传你看上的参考视频,再塞入你要替换的人物、商品或者界面图,目前最大数量是5张,直接打字提要求就完事了。

    除了大家刚刚在开头看到的复刻UI动效之外,OiiOii也是可以做MG动画的动效复刻,我直接把大佬做的这样一条鸡尾酒配方动画换成了冰美式。

    大家都知道,这种带配料比例、流体倾倒动画和丝滑几何图形转场的分步图解 MG 短片,在以前这种片子全是专业动效师在 AE 里一根根拉速度曲线做出来的,如果直接拿普通视频大模型去生成,节奏不一定能保持下来不说,旁边的配料文字更会直接糊成外星文。

    我一句话没写复杂代码,直接让 OiiOii 把它复刻成了早八打工人的续命冰美式配方图解,甚至还把全部文字换成了中文。,

    Image

    做出来的效果是这样的,你看这个复刻出来的冰美式 MG 动画,从冰块落杯、清水注入到深褐色浓缩咖啡液倾倒融合的流体层次感,完全保留了原片那种高级的扁平插画节奏,最舒服的是旁边的步骤数字、配料比例和中文标签,全是由代码图层重新渲染出来的,放大看边缘跟矢量图一样齐整,真的完美解决了我日常使用经常出现文字扭曲的苦恼。

    接着我还做了一个单品商业广告复刻,这回我选的是一条爆款润唇膏视频,要把它直接复刻成了不同口味气泡水的商业广告。我要特意找的是超级卡点的,可以说是视频模型生成的噩梦了。

    做电商带货和品牌投流的朋友都知道,纯拍一个商品放在桌子上转圈圈早就没人看了,现在跑量最猛的单品商业短片,全都是高质感微距旋转、光影扫光,再配上快节奏卡点飞入的大字卖点卡片和促销片尾。

    所以我就把这条润唇膏原片和一张我刚生成的冰镇气泡水产品图一起喂给了OiiOii,让它把画面中心的润唇膏直接替换成不同口味的气泡水。,

    Image

    这条片子跑出来的那一刻,我是真的被爽到了!

    你会发现,哪怕原片里的主体是一支小小的润唇膏,换成气泡水的瓶装包装之后,就连细密的冰镇水珠质感都被还原得极其逼真。更绝的是,随着不同口味罐身的切换,背景色调和弹出来的圆角参数卡片、大字排版也跟着自动对齐,完全就是一条能直接拿去放到官网首页或者投信息流的商业大片。

    如果说换个快消品还在你的预期之内,那我还尝试做了高燃游戏实机短片的批量一键替换素材,这绝对能让做游戏买量、独立游戏宣发和动漫二创的朋友们坐不住了。

    我找了一条大佬做的像素风《真三国无双》赵云长枪连招的实机短片,画面里赵云一杆长枪在千军万马的杂兵堆里七进七出,满屏都是大范围横扫刀光、受击击飞反馈、连击数字跳动以及顶部的武将血条 UI。

    如果放在以前,你想测试不同英雄题材的买量点击率,得让美术和动作师重新建模、重新绑骨骼、重新录实机。而我直接把提前生成好的大圣和赛博武士两张英雄皮肤立绘图丢进 OiiOii,让它保持原片爽快的无双割草运镜、连招打击感和顶部血条 UI,一次性就能把赵云批量复刻成暗黑大圣版和赛博武士版。,

    Image

    你看这两个跑出来的实机版本,原片那种一骑当千的镜头震动、横扫杂兵的物理受击节奏和顶部的游戏 UI 界面不仅没乱,而且文字细节也进行了相关的替换。

    重要的是画面正中间的主角,一个变成了像素版的身披黑金熔岩战甲、挥舞金箍棒砸出烈焰的暗黑大圣,另一个变成了闪烁着青紫霓虹能量条、挥出赛博刀光的像素风机甲武士,一条实机原片直接裂变出两套截然不同的买量爆款。

    除了做这些之外,我发现还可以做口播复刻,这个复刻不仅仅只是说可以复刻口播的内容,实际上是连剪辑方式、一些动效,甚至是画面的排版,都可以一次复刻下来。

    那我就找了不同行业的一位博主做的从夯到拉给产品排名的口播原片丢进OiiOii,上传了我要替换的出镜形象图片,直接让它保留原片的镜头切换、说话气口节奏以及画面里的动态文字卡片包装,把出镜人和核心口播主题换成我们自己的内容。,

    Image

    我当时看完复刻出来的成片真有点感慨,我甚至连新的产品都没给图,它都能直接给我生成出来对应的图片。

    而且Seedance 2.5 把新人物的面部微表情、眼神交流、手势动作和自然光影接得很自然,而原片里最出彩的那套动态弹出字卡和排版节奏,又被Opus 5.5做的字迹干干净净,动画节奏也和口播卡的刚刚好。

    再来再来,看完了真人口播,我们还可以做全维度批量一键替换素材,这才是我觉得它真正能变成流水线的大招。

    做电商产品的都知道,如果想要做出海,或者是针对不同产品、不同人群的投放,一条视频肯定是不够的。不仅要翻译出不同的语言版本,还要根据场景、人群去分别拍摄不同的剧情。

    所以这把我直接拿了一条产品口播原片丢进去,没有一条条重做,而是让它从多语言、多场景、多人群三个维度,一次性并行裂变出了全套矩阵视频!

    我直接把这三波裂变出来的实测效果放在一起给大家感受一下,

    首先是多国语言出海裂变。同一条中文产品口播进去,一键直接吐出韩语、日语、英语等多个语言版本,

    然后是全天候多场景裂变。保持核心产品和卖点节奏不变,一句话直接把口播背景批量切成了深夜加班、阳光户外、还有外务出差等不同高频场景。

    还有就是针对多人群画像的定向裂变。同一个爆款叙事骨架,结合不同圈层人群的痛点话术,直接并行跑出了宿舍书桌前的学生党版、居家带娃的宝妈版、以及工位前的程序员版,这就会让每个圈层的人刷到都会觉得这简直就是专门拍给我的。

    顺便提一嘴,除了像这样1 条原片裂变N 版本之外,它甚至还支持反过来玩多对 1,也就是同时把好几条完全不同爆款结构的参考视频,一次性全部替换成你手里的同一个新产品,几个模板并行赛马测爆款,试错效率直接拉满。

    聊到这儿,你可能已经开始心疼积分盒饭了(没错积分是叫盒饭,有点给模型放饭的感觉),像上面这样动不动改十几个话术和字幕版本,放在传统视频工具里,每改两个字都得整条推倒重烧一遍积分,钱包根本顶不住。。。

    但在OiiOii里实测的时候,它同一个创意反复修改,速度能快4到5倍,费用能省80%左右,原因是OiiOii在第一次复刻时,会把中间工程文件(包含分镜素材和 Opus 5.5 写的代码图层)直接存下来,后面你改文字,改界面,改配音,它只改工程代码,不用重新调Seedance从头渲染整条视频

    Image

    最后,根据我这几天实测踩坑的经验,给大家提3个最实在最不烧心的省钱建议,

    先用480P样片模式测,第一次跑就选 Seedance 2.5 480P,花最少的积分先把节奏、文案和动效调顺,满意了再切高清导出。原片和替换图尽量干净,参考视频越清晰,你上传的素材主体越明确(比如纯白底商品图、干净背景立绘),AI 抠图和替换就越准,别让杂乱背景影响识别。

    别硬改大剧情,多人PK,吵架大特写,或者想把悬疑片硬改成美食片这种,不要指望一键替换。

    那今天这一整轮6个Case测下来,很明确AI视频又打通了一条新工作流,

    用Seedance 2.5搞定镜头与光影 + Opus 5.5写代码渲染文字与动效 + 中间工程文件留存的方式,把爆款视频变成了像代码一样可以随时复制,改参数,批量编译的生产力资产。

    之前在网上刷到一条百万播放的剪辑神片或者动效爆款,

    我觉得那都是特专业的AE 工程文件和剪辑团队,

    我能用Opus5.5做出节奏但是还要搜索大量真实素材,

    但现在我们可以跳过本地配环境的折腾, 

    跳过AE关键帧, 

    跳过传统视频模型乱码的外星文字, 

    跳过改两个字重烧一遍积分的肉疼, 

    直接把验证过的爆款视频,也做成自己的版本。

    说实话,

    这个流程这两天用多了,

    真有点回不去了。

    @ 作者 / 卡尔


    最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

    如果想第一时间收到推送,不妨给个星标🌟

    如果你有更有趣的玩法,欢迎聊聊🤝

    更多的内容正在不断填坑中……

    跳转微信打开

    •  

    即梦正式上线短剧工作室,我决定公开这三年持续迭代的AI视频工作流

    原创 AI沃茨 2026-11-02 23:33 浙江

    这次剧本模型看着不烧心

    大概三年前,我们用即梦手搓过我们第一部 AI 小短片《我是瓦猫》,

    Image

    当时发出来反响还不错,即梦也算是我入坑AI视频的第一批工具了。

    但这阵子我在抖音上高强度刷AI短剧,发现现在是画面越来越能打,但只要里面的人物一张嘴,我脚趾头能当场抠出一套三室一厅。。。全是那种极其经典的 AI 造句,什么我不是在妥协,而是在给你最后一次体面,要么就是这不仅仅是一场背叛,更是一次灵魂的审判。

    不是哥们儿,真人吵架谁这么说话啊???

    每次刷到这种一眼大模型直出的台词,我撑死三秒就划走了。反过来看最近真在抖音跑出几百万赞的爆款 AI 短剧,你会发现作者在剧本上都贼下功夫,会刻意把这种AI爹味洗掉,塞很多自己的想法进去,看着才舒服不烧心。

    然后这两天我发现即梦直接更了个大活,上线了即梦短剧工作室。

    Image

    我进去摸了一圈,发现他们这次干了件特别狠的,把全网上千部真跑出来的爆款短剧攒到一起,专门训了个写短剧的剧本模型,叫DreamScript。

    Image

    用人话说,就是先给AI换了个懂短剧懂爽点套路的编剧脑子,让它别再写小学生作文了。

    当然,光听我说没用,所以来吧开肝!

    因为最近AI美高剧特别火,我就想在美高恋爱剧的底子上整点新活,也做一部短剧,每集一分半钟左右。设定是在美国高中留学的普通东北少女,和活了三百年的纯血高冷吸血鬼校草意外灵魂互换。

    做出来的成片是这样的!

    你别说有点招笑了,最逗的是女主平时是在东北话和英语之间来回切换的,等他俩灵魂互换之后,这顶着一张 188cm欧美禁欲系帅脸的吸血鬼校草一张嘴也开始满嘴大碴子味地飙东北话了哈哈哈哈

    其实在跑整个流程之前,我拿这个设定做了一个同题对比测试。左边丢给平时常用的某款通用大模型,右边丢给即梦短剧工作室里的DreamScript,让它们各自写第一集,你们自己看眼这个对比。

    两边出来的感觉其实挺不一样的。但我主观上会更喜欢即梦给出的这版走向,更收敛也更有代入感一些。

    Image

    其他通用大模型写的故事大纲

    大家先看上面这段,说实话,普通的模型写出来的就是流水账套路,看起来咋咋呼唬,刷到我就想秒滑走。

    但下面即梦这个自研的DreamScript模型写出来的不一样,作为字节首个剧本模型,它写出来的戏是有编剧意识的。

    Image

    即梦DreamScript写的故事大纲

    即梦这个它把冲突放在了晚上,林大鹅是为了偷溜出来拿回被没收的滑板,达蒙则是动机成谜的夜行,两个人撞上也是因为碰到了家族银饰才触发互换,前后的因果铺垫得比较扎实。

    普通大模型的逻辑很无聊,男女主相撞 → 灵魂互换 → 醒来发现不对劲。逻辑没毛病但太常规了,我看到开头就能猜到后续。

    DreamScript这一版明显是有递进层次的,

    第一步先立人物在这一幕的状态,林大鹅偷溜去拿滑板带点混不吝,达蒙则是避开眼线的夜行,动机先立住了;第二步是制造合理偶遇,两个人各怀心思没有过多关注环境,所以会在同一个死角撞上;第三步就是剧情高潮,错位反差,把高冷少爷顶着金发蓝眼,突然飚出一口东北话的反差感拉满。

    更关键的是它在第一集的结尾设置了一个很好的断点,停在林大鹅顶着黑发蓝眼的帅脸在洗手间刚一张嘴就是东北话,当场僵住。刚好把最大的反差悬念和笑点留在了结尾,会让我更有往下看的冲动。

    那话说回来,我们现在来看整个即梦短剧工作室完成一个短剧全流程。

    在剧本阶段,除了自研的这个DreamScript模型,还同时可以调用6个文本大模型,随时能切。如果你手里原本就有写好的网文,它最高支持直接扔10万字进去,一口气自动拆解成100集的短剧大纲和分集,手里有长篇存稿或者小说改编的朋友不用手动一章一章搬运了。

    而且它针对玄幻仙侠、都市恋爱、末世规则这些常见短剧赛道,直接塞了几个对应的题材的风格Skill,可以直接一键预设风格,让剧情走向更符合剧本的题材。

    Image

    比如我这里额外给了一个“上古诛仙剑灵是个暴躁东北大妈”的脑洞,在开了 Skill 和没开 Skill 的状态下各跑了一版故事梗概,没用skill直接写出来的是这样的,就是很典型的套路流水账,唤醒剑灵、一路打脸、最后揭秘身世,看着热闹但经不起细琢磨。

    Image

    没用skill写的故事梗概

    用了对应的玄幻仙侠短剧创意skill做出来的故事梗概是这样的,这里面最妙的是它在故事里加了一个关键代价,就是翠芬姐每次全力出手都会消耗封印、引来强敌,力量越来越弱濒临沉睡。有了这个设定,男主就从单纯抱大腿吃软饭,变成了必须主动变强去守护她,大结局魔头逼他在牺牲剑灵换太平和同生共死之间做二选一,人物的情感弧光和短剧的拉扯感一下就立住了,真的很懂行!

    Image

    用了skill写的故事梗概

    故事设定丢进去之后,还会有一个选题菜单。它把受众、故事背景、人设、核心关系这些东西拆开了,点进去能看到具体选项。有灵感但不知道怎么描述的时候,这些选项能把需求说清楚。

    当把这些预设参数都选好之后,就可以开始生成剧本了。第一个阶段即梦没有上来就把男女主的对白都写好,而是先给出了故事梗概。这里比较有用的是,它往灵魂互换后面接了具体麻烦,比如顶着校草的脸应付追求者、躲大蒜,还要面对吸血鬼家族。这个反差梗开始有了能继续往下演的情节。

    Image

    接着是人物小传。

    小传把两个人互换前后的表情、语言和关系变化都写了出来。说实话,不知道大家平时有没有看小说的习惯。看了N多小说的我觉得,这个人物小传实在是写得太对味了,什么孤独的异乡人、麻木厌世的永生者,以及两个人是彼此唯一的绝对核心关系,这种感觉全部都写了出来。

    Image

    同一页里能看设定,也能在右边继续提调整要求,下方再选生成大纲或正文。我的话更愿意在这里先把人设确认好,省得等几十场戏都写完了,再发现两个人的设定有问题要全部推翻重来就很难受了。

    Image

    即梦短剧工作室剧本生成页面

    然后才是分集大纲。

    就是我们刚刚看到的,第一集从校园里的文化冲突,推进到血月相撞、发现互换,结尾停在校草照镜子开口说东北话,第二集让两人被迫结盟,再抛出晚宴。这两集的任务分得比较清楚,反差出现之后,后面两个主角全部都有事可做,就不会出现那种什么工具人角色,就专门跑出来恶心一下,后面又没什么戏份的。

    Image

    注意看它在大纲里还单独标了冲突、期待点和结尾钩子。这些标签让我们能够判断这一集到底发生了什么变化,结尾又凭什么让人想点下一集。

    接着就可以进入完整剧本,我也录了一段。这里生成出来的剧本,正文里的字是可以直接手动改的。哪句话不顺、哪个词不像这个人物会说的,我们都可以自己动手换掉,需要大一点的调整,也能在右边继续跟助手聊。

    但我觉得,对于像没有专业学过写剧本的普通人来说,可能一眼望去并不知道剧本中目前存在了哪些问题。所以即梦这里有一个我非常喜欢的新功能,叫做剧本医生。它可以帮我们直接诊断出来目前已经写好的这个剧本里面存在哪些问题,是否可以使用,并做出评分。

    Image

    它列出了必须修和建议修的地方,比如第二集晚宴的伏笔没回收,以及第十集校长突然出现在吸血鬼庄园,这两个都是观众真会觉得不对劲的地方。

    然后他还会给我们输出一个完整的剧本诊断报告,

    Image

    综合结论认可了开篇的人设和反差,同时把主线因果、四到六集缺少大爽点列为短板。这一页把问题落到了具体集数和事件,第二集的晚宴承诺、第七集到第九集的血月时间衔接、第十集校长的出场。都落实到了具体的集数以及具体的问题。让我能很明确地get目前剧本的剧情逻辑哪里出了问题,我具体该怎么下手去改

    Image

    Image

    我觉得这个功能最重要的作用,就是可以总览全局,帮我们提前梳理所有集数目前埋的坑,或者是想要推进的剧情是否合理。因为我们也知道,剧情中只要存在一个漏洞,后面所有的剧情就会跟着发生变动,甚至出现不合理的情况。所以这个功能我觉得真的很有必要,完全切中了我的痛点。

    等我让这个医生帮我逐一把剧本修改完成之后,就可以直接进入视频生成了。

    我特别喜欢即梦这里说的,祝开机顺利!

    真的满满的仪式感,让我感觉自己就像是在做一个一人剧组,操控着剧组里的各个角色完成各自的任务。

    Image

    OK,剧本这关过完,再往下看它怎么接制作。

    原来最烦的一步,是从剧本里把人物、场景一个个摘出来。即梦的短剧工作室可以批量把每集的角色和场景都拆成资产,然后在资产库里集中查看。

    Image

    根据剧情,即梦先把前两集的剧情资产拆解了出来。资产库里能看到7个角色8个场景,

    给主角做形象时,我用到的是AnyCook。这个故事需要的不只是一男一女两张定妆照,还得区分互换前后、校服和家居服等不同状态。画布里能看到同一角色连着不同造型,每张图片对应的提示词也都能打开看,具体到了衣服、肤色、表情和饰品。哪里不符合要求,可以直接手动修改提示词,再继续生成。

    Image

    也可以直接在下面进行角色设计,像捏脸一样进行自己想要的角色设定,从肤色到五官的每一个细节都可以调整。

    不想从头做角色的话,里面也提供了7000+AI演员和100+画风,可以先找接近自己故事的方向,再调整表情、妆容、皮肤和发型。

    顺带提一嘴,这里的资产是全链路打通的。中途要是觉得主角的衣服不合适,改一次,后面用到这个角色的所有镜头就自动跟着变了,改错了还能一键退回历史版本。

    要是几个人搭伙做剧,它的团队版支持最多20个人在一个项目里一起改本子、调分镜,积分也能放在一个池子里分着用,谁花了多少一清二楚,不用每次做完还拉个表格去对账。

    接着我们可以推进分集视频了,一共要做10集的话会都列在同一个项目里,第一集已经有了角色和场景,后面几集仍然是待生成。哪一集推进到哪一步,扫一眼能看出来,当然也是可以批量生成的。

    这里还有一步,是选脚本规划方式。生成脚本的时候有个小细节要注意,系统会让你选单个片段是15秒还是30秒上限。选完之后这一项就锁死不能改了,建议大家提前想好。

    Image

    到了具体的分镜里,每个镜头的长短还能单调,2秒,5秒,10秒都行。比如主角说话可以留长点,切到对方震惊脸的反应镜头两三秒就够了,不用死板地全拉成一样长。

    Image

    另外分镜里的角色资产变成了可点击的标签,点一下就能挑这出戏到底用哪套造型。像我们这种互换身体的戏,同样是林大鹅,在这一场里到底该顶着女高中生的身体、还是顶着吸血鬼校草的脸,直接在分镜里点选对应的人设就行,不会弄串。

    Image

    而且右侧还有一个故事板助手,可以辅助我们修改分镜里的各种细节。如果你不知道怎么手动修改,直接跟它对话修改就行。这里面搭载了很多不同类型的技能,比如我平时就很喜欢用它的分镜打分skill,真的可以像刚刚的剧本医生一样,帮我挑出目前这个场景里的分镜具体存在哪些问题,然后再帮我修改出来。

    Image

    再往下,就是我很在意的积分问题了。

    以前最肉疼的,是没想清楚就直接上高清视频,跑完才发现机位、动作或者前后衔接不对,再重新来一轮。即梦可以先用480P的样片模式生成,确认画面合适后再提升画质,这个方式真的生积分。

    复杂走位还可以用短剧导演台安排布景、人物站位和机位,内置道具、动作和图片转白模功能,平时用Blender的,也能通过插件导入白模作为视频参考。即梦的导演台的操作方式和我们之前讲小云雀的时候基本上都是类似的。大家可以参考我之前写的这篇文章。

    烧了四万积分之后,这是我找到的Seedance2.5最好用的玩法

    最后是故事板里的后期。基本上,简单的后期也都可以在即梦的短剧工作室里完成了,多轨道编辑、片段重拍、音频分离和配音等功能,可以直接在项目里收尾。

    Image

    今天跑完第一集,我最有感的其实还是剧本医生揪出来的那两条硬伤。

    吸血鬼说东北话,这个脑洞想出来挺乐呵,但第二集画的晚宴大饼后面填没填,十集之后故事能不能圆回来,才决定了它是不是真的能做下去。

    三年前做《我是瓦猫》,我们花了大把精力跟一张图、一个动作、一个镜头较劲。

    现在我更想把时间放在,AI人物开口能不能更有人感,这一场戏进行完了,两个角色的关系到底推进了什么。

    能帮我把这些问题提前摊开的工具,我就觉得值得折腾一把。

    顺便提一句,即梦还开放了《The accident》《反相之地》《丧尸清道夫》这些爆款的原版创作画布,想学习制作思路的可以去抄作业了。

    另外另外,给新上线全量用户送了免费额度,双十一SD2.5年卡能压到0.16/秒,想要发AI短剧的朋友可以顺便去看看他们的创作者激励。

    他们联合红果短剧和版权中心搞了个 300 万现金的创作大赛,作品发出去满 10 万播放就有保底拿,真正能做到一边搞创作一边顺手把钱给赚了。

    接下来,我要去做我的东北吸血鬼第三集咯!

    说不定过段时间大家能在某音看到咧。

    放心,台词就经过正宗东北人验证过的。

    @ 作者 / 卡尔


    最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

    如果想第一时间收到推送,不妨给个星标🌟

    如果你有更有趣的玩法,欢迎聊聊🤝

    更多的内容正在不断填坑中……

    跳转微信打开

    •  

    LibTV悄悄开源破亿AI短片画布,我决定公开拆解这些1人剧组工作流

    原创 AI沃茨 2026-10-29 11:06 吉林

    0积分无限用一个月!用着不烧心

    来不及解释了,今天我们来拆解破亿播放的AI视频工作流!

    这几天看AI视频圈的数据,我有点坐不住了都。现在全国短剧用户给干到了8.51亿,红果日活1.68 亿,一个 App 直接把爱优腾芒四大长视频平台加起来都给超了。这半年,某音上就冒出来 22 万部AI剧。国庆那阵子爆火的一句贵是贵了点但吃了不烧心就出自于AI短剧。

    还有几个超牛的创作者,数据简直可怕(说不羡慕是假的。。。。)

    90后王琨喆发了一条叫《过来人》的AI说唱 MV。他把杜甫、苏轼、刘邦十个古人塞进了一间光线昏暗的小酒馆,让他们围着麦克风,像老朋友喝大了一样唱自己的租房困境、职场贬谪、人生的那些难堪与窘迫。

    全网播放,直接破亿。。。

    还有DiDi_OK花了23天手搓了一部AI短片《牌子》,拿走某站创作大赛100万。

    甚至十万个挑战这个AI综艺,我估计刷视频的都看过,我本身野兽先生的视频基本是期期都看得,这个更是plus pro max版,冰原求生,恐龙料理,星座选秀,以前得拉一整个剧组投入七八位数干的事,一个人一台电脑就能手搓,月入能有50万。。。

    包括前阵子全网点赞100 万+的山东小伙恋爱韩剧首尔今天有点鲁,两集播放破亿的中式志怪剧非妖哉,还有X上很火的《中式天庭》,丧尸剧《末日山宿》,都是用LibTV做出来的,老朋友了。

    🔗 liblib.tv

    LibTV是直接把一些神作的完整工程画布给公开了!

    这意味着,那些破亿创作者们到底用了什么提示词、怎么串联分镜、怎么保持角色一致性,全像一张巨大的建筑设计图一样摊在了这张无边画布上。

    熟悉我的朋友知道,我一直很反感把某个工具捧那么高。但LibTV我们内部高频用了这么久,它解决的最重要的问题,就是把四分五裂的抽卡碎片,拼成了一条完整工作流。

    前段时间我们正好刚给大家测完最新的LibTV 1.5版本的所有功能,

    实测LibTV1.5五大新功能,我把1个完整剧组搬进了AI短剧工作流

    它本身就拥有完成一部片子全流程创作的能力。

    从最开始帮你写剧本拆镜头的TV Director,到像游戏一样专门给主角捏脸定妆、加刀疤加泪痣锁定人设的角色造型室,再到不用懂建模就能文字搭建3D场景和拿鼠标手绘画线就能控制运镜的导演台,还有为了避免面部被迁移能把实拍动作单独摘出来的深度动作捕捉,以及Seedance 2.5配套的逐帧拉片、智能引用和哪里崩了改哪里的片段重拍,全都在一张画布里打通了。

    虽然不能直接在别人的画布上跑自己的作品,但把人家的分镜结构、写词思路和流程逻辑摸透之后,自己再动手去开一个新项目,效率完全是天上地下。

    今天我就吸取《非妖哉》公开画布里的分镜和光影思路,结合《美妖姐姐》的反差喜剧人设,新建一个属于我们自己的工程画布,手把手再和大家一起跑一套完整的短片实测。

    在 LibTV 里新建空白画布后,我自然是不想从0开始想分镜。我借鉴了《非妖哉》画布中那种先定氛围、再切景别的逻辑,直接唤醒了画布里的 TV Director。这里面有三种模式,剧本创编、导演执导、全能创作。

    根据我这段时间摸索出来的经验,当你手里只有个模糊脑洞时,就用剧本创编,它会专心帮你扩写剧情和台词, 故事已经有了但不知道镜头怎么设计或者单个分镜如何优化时就用导演执导,它主要去拆解景别和运镜,至于想彻底省事的从剧本到分镜全交给它的,直接选全能创作就完事。

    这次我是有了一个大概的剧情想法但没有完整剧本,所以我用的全能创作并写了一段大白话给它,

      参考最近很火的《非妖哉》的中式古风志怪画风,结合《美妖姐姐麾下全是呆瓜》的人物反差,
      帮我做一段 30到45秒的AI短剧,剧情是在破庙里,一个绝美冷艳的狐妖姐姐正坐着闭目养神,
      结果镜头一转,她手底下那三个小妖精正蹲在旁边流口水抢烤红薯,一个个长得贼喜感。
      这时候外面突然冲进来一个道士要除妖,狐妖姐姐眼神一变,霸气护短单手施法,后排那三个小妖不仅不害怕,还在那整齐划一地递爆米花加油。

      然后,TV Director知道要做的是多镜头连续叙事,所以第一反应是先去自动联网搜索《非妖哉》的中式志怪画风参考,把电影级的色彩和质感规范先加载进来。

      然后反问了我三个问题,确认剧情骨架,小妖怪长什么样以及视频投放平台及适合的画幅,还推荐了适合的视频模型还有生成方式。

      接着TV Director会根据我们给到的这个大概剧情做出一个总规划,以及每个分镜的撰写。

      确认没有问题之后,就会直接给我们分批量产出目前这段剧情会用到的所有角色图、场景图以及道具图。这里每一张图片都是能够直接看到提示语的,可以自己进行手动修改,或者是直接和TV Director对话进行修改。

      OK,怎么保证视频里的狐妖姐姐的角色一致性更强,脸部不产生偏移呢?

      可以把画布中的资产用角色造型室再单独生成一个角色卡,生成出来的角色既能够保持生图模型原有图片的角色特征,我们还可以进行一些手动捏脸。比如这里我给它增加了眼影,又加了一颗泪痣。如果大家喜欢捏脸的话,这里还可以直接调整五官的大小、位置,以及脸型之类的。

      再次感叹这功能完全做成了大型3D游戏的捏脸系统。。。。

      最后做出来的角色卡,既能够包含角色的各个角度,面部特色以及全身镜头,还会有角色的各种表情,甚至还能关联角色银色,这样一个角色的构建就非常全面了。

      接着再叫TV Director把这个角色应用到之后的分镜节点里,后面不管镜头怎么切,主角的五官细节在画面里都会保持一致,告别换脸翻车。

      然后到了最核心的生成环节,直接让TV Director批量生成分镜视频就完事了。

      这里主力模型我选的是Seedance 2.5,毕竟连贯性最稳,后面还能无缝接局部修片功能。

      不过顺带提一句,如果大家平时自己做视频很看重性价比,或者每天有大批量的短剧镜头要做,其实也可以在模型列表里试试Wan 3.0。

      我随手拿狐妖姐姐那个面部镜头用 Wan 3.0 单独跑了一版对比,

      两者的成片质感差距真不大。Wan 3.0 出来的环境氛围、狐裘毛发质感、眼神里的冷淡微表情,还有古风志怪的暗部光影都非常扎实,但算力消耗上要友好很多了。

      回到我们这次的片子上,

      在跑第一镜的时候,我遇到了一个很刁钻的需求,镜头要先死死盯着狐妖姐姐冷酷霸气的脸,紧接着迅速向右大横摇,猛地刹车拍到旁边三个正蹲在地上流口水抢烤红薯的呆瓜小妖。

      这种带着喜剧节奏感的急刹车横摇运镜,文字提示词往往很难精准描述出来,第一遍生成出来的效果是这样的。

      看着其实还行,但是镜头没有大横摇,然后也没有急刹车,就导致画面的喜剧效果没那么足。

      这时候就轮到到3D-BOX功能了。

      说实话我是真不懂如何传统的去做三维建模,但在3D-BOX里我可以上传图片生成一个相应3D场景以及一条向右急转的横摇运镜轨迹,

      它立刻生成了一段 3D 剧情预演,

      拿着这个3D 轨迹预演喂给模型,跑出来的镜头机位确实更是我想要的那种感觉了。

      还有一点就是在制作过程中,可能某一个镜头只有中间两秒出现了失误,放在以前,哪怕只有这 1 秒出戏,整条镜头就得废掉,你得重新花积分花时间再抽一次卡。

      而我们之所以前面选 Seedance 2.5 作为主力,就是为了用上它的片段重拍,可以直接修改其中的几秒,而其他画面保持不变。

      点击片段重拍,找到想要修改的时间轴,然后把指令改成小妖把红薯塞进嘴里,两只手在头顶搞笑比心。

      生成出来的是这样的,确实感觉更逗了,也真正做到哪里不满意改哪里,非必要绝不整条返工。

      除此之外,我们还可以利用深度动作捕捉,把想要角色做的动作做成深度视频,然后引用这个视频和小妖做这个动作的角色,

      就能做出一条闪身步浪子回头摇头晃脑狗熊哆嗦毛的鬼畜花絮,而且面部不会被原视频影响,这效果别太搞笑了。。。

      话又说回来,刚刚改完就能拿到我们的最终成片了。整体完成度很高,我都迫不及待想做下一集了。

      从参考爆款画布的学习路径,到在自己的新画布里用TV Director编剧、角色造型室捏脸、3D-BOX 手绘运镜,再到用Wan直出与局部重拍,这一整套流程跑下来你会发现,拍一部 AI 短片已经彻底变成了一件可控可拆解的事。

      角色一致性、复杂运镜调度和局部翻工这三座大山,全被平推了。

      顺带提一嘴,这两天正好赶上双 11,

      超多模型(包括刚才用的 Wan3.0、Kling4.0、H3)搞了一个月0积分无限畅用的活动,平时舍不得多跑几版的镜头可以趁机去薅一波。

      飞书文档 - 图片

      那现在留给我们的, 有且只有一件事了,

      去把你脑子里想了很久的故事,

      全都拍出来吧!

      @ 作者 / 卡尔


      最后,感谢你看到这里👏如果喜欢这篇文章,不妨顺手给我们点赞|在看|转发|评论 📣

      如果想第一时间收到推送,不妨给个星标🌟

      如果你有更有趣的玩法,欢迎聊聊🤝

      更多的内容正在不断填坑中……

      跳转微信打开

      •  
      ❌