Grok Bot 直出:15秒电影级真人肖像视频提示词
作者分享了一套用于 Grok Bot 生成 15 秒、9:16 竖屏、4K 超写实真人电影肖像视频的完整提示词。提示词详细规划了人物外貌与面部结构、发型服装、镜头构图(85mm 电影镜头、f/2.0 浅景深、极近特写)、光线环境(阴天窗光、冷灰色调)以及按 3 秒分段设计的连续微表情动作,并给出真实感控制与负面限制清单,避免 AI 网红脸、塑料皮肤等失真效果。评论区讨论了视频时长限制、4K 超分处理等实用技巧,作者表示该提示词可完美复刻。
作者分享了一套用于 Grok Bot 生成 15 秒、9:16 竖屏、4K 超写实真人电影肖像视频的完整提示词。提示词详细规划了人物外貌与面部结构、发型服装、镜头构图(85mm 电影镜头、f/2.0 浅景深、极近特写)、光线环境(阴天窗光、冷灰色调)以及按 3 秒分段设计的连续微表情动作,并给出真实感控制与负面限制清单,避免 AI 网红脸、塑料皮肤等失真效果。评论区讨论了视频时长限制、4K 超分处理等实用技巧,作者表示该提示词可完美复刻。
一篇高质量可复刻的AI视频提示词教程,实用性极强、时效新鲜,但缺乏深度分析和观点创新,信息密度有限。
文章针对AI生成视频人物表情夸张、缺乏灵魂的问题,提出5套可直接套用的微表情提示词方法:情绪阈值控制法(用程度副词+具体面部动作控制情绪幅度)、因果肢体连动法(让身体动作带动表情)、时序演变法(写清情绪变化的起点、转折、终点)、视觉焦点引导法(给眼神具体落点避免死盯镜头)、生理呼吸注入法(加入眨眼、吞咽、呼吸等生理细节)。全部提示词中英对照,适用于即梦、可灵、豆包、千问等视频模型,并附赠55套编号提示词库供读者复制使用。
作者分享团队过去一年研究市面上主流AI视频模型的经验,涵盖物理运镜控制、光影材质一致性和多模型协同的工业化分镜工作流。他们认为技术壁垒正迅速瓦解,未来制作的真正门槛在于叙事野心、分镜审美与思考深度,因此决定开源团队实战打磨的技巧与核心Prompt。文章附上一个30秒、16:9横版、音画同步的原创奇幻机关剧场片头的完整提示词,详细描述了朱红版画、幽蓝巨物、金箔机关三种美术段落的分镜设计、运镜手法与128BPM原创配乐方案。
作者以致敬抗美援朝的AI音乐短片《茶汤》为例,完整拆解了AI短片制作流程:找对标、拆剧情、写剧本、查参考、做资产、生视频、后期。文中介绍了豆包辅助分析对标视频、ChatGPT写剧本、Gemini换装改图、即梦生成视频、剪映后期剪辑的工具分工,分享了角色与场景资产制作的具体提示词,并对比了海螺H3与Seedance 2.5在画面质感上的差异。文章附有可直接参考的提示词与操作截图,帮助读者从单镜头进阶到完整成片。
文章介绍了用 Codex 作为总导演指挥 AI 视频工具 Muse,将一张古堡场景图制作成 50 秒雄鹰穿越短片的完整流程。作者分五步讲解:准备场景图与飞行参考视频;让 Codex 制定分镜与制作方案;用清晰语言描述飞行路线(贴地、穿拱、盘旋等);由 Muse 参考前段末帧逐段生成视频,保持方向、速度与主体连贯;最后由 Codex 统筹配乐、成片检查与导出。成片为 1216×672、24fps。文中提供了可直接复用的提示词模板,建议新手先尝试 10 秒短片练手,是一份可照做的 AI 视频创作 SOP。
文章介绍了一种简单易上手的AI视频玩法:上传一张图片加一条指令,即可生成360°环绕(Bullet Time)效果的视频。作者展示了旅游、美食、美妆、商业摄影、产品展示、服装穿搭等多个应用场景及商业潜力。实现方法分为两种:一是免部署的Web端方案,使用豆包等可生成视频的模型,配合文中提供的通用短指令和完整10秒详细指令;二是适合进阶用户的ComfyUI本地部署方案,通过加载MiniMax H3 I2V模板和360° Orbit LoRA实现。作者以设计师视角分享了最低门槛、可复用的AI玩法。
作者实测Vidu新一代视频模型Vidu Q4 Preview,认为其演技表现力出色:复刻《你的名字》真人版最后一幕效果惊艳,1080P直出具有电影感,台词配音也能同步生成;同一句台词可演绎五种细腻情绪;还能生成动作连贯的伪纪录片式视频,并可将旅游照片做成文旅宣传片。模型支持3段参考音频、15张参考图,最高2K/4K输出,价格0.09元/秒起,大幅降低AI短片制作门槛。文章附详细教程,包括分镜截图转真人实拍风格的提示词技巧、按秒拆解的动作提示词结构,并开源了情绪表演skill和导演Skill合集,供读者拿来即用。
Kling 4.0 已进入封闭测试,预计10月正式发布。奥美资深创意总监、Kling AI 创意合作伙伴 Johnson Sheng 从商业制作角度对模型进行了实测。评测显示:4.0 在大幅度运镜和高速动态中保持画面稳定,支持最长30秒的一镜到底打斗场景生成,动作连贯且能与环境实时互动;通过千字长提示词(使用 Skill 编写)可准确理解复杂创意意图;在多场景切换中,人物、道具和环境保持高度一致性。模型还支持立体声音频、精准口型同步、最高4K分辨率和10-bit HDR输出,显著提升商业广告交付的可用性。