波妞PONYO's banner
波妞PONYO's profile picture

波妞PONYO

@ponyodong14,437 subscribers

AIGC Video Creator & Animation IP Strategist 🐷 前 Peppa Pig China Mktg. 🎨 专注 AI 视觉叙事与漫画 IP 孵化 💡 分享高阶 Prompt 与工作流实战 商业咨询|课程学习 V:PONYODONG

Shorts

MiniMax H3 特效提示词分享 以前这种镜头,是 AE 里一帧一帧抠出来的活。AI 视频卷了两年画质,MiniMax H3 直接把手伸进了后期这块。 MiniMax H3 真正强的不是"能画特效",是它把手绘图层和实拍的运动逻辑锁在了一起——手机手持在晃,那层涂鸦跟着一起晃,不漂、不掉、不像贴上去的。最后整间洗衣店变成夜空涂鸦,洗衣机的圆形视窗变成闪烁的星座窗口。这才叫包装。 😝提示词给你们: 15秒16:9横屏短片,深夜自助洗衣店,实拍叠加蜡笔质感抖动线条的手绘发光动画,手机手持拍摄。指尖一缕紫色丝线→紫色蜡笔水母→逃窜到洗衣栏里,变成手绘袜子→手绘袜子一蹦一跳撞上真实袜子,变成紫蓝色流星→滑进洗衣机,变成浅蓝色小鱼→变成浅蓝色小火车,触碰售货机按键→变成夹子机器人,紫色与淡蓝色手绘纹路铺满开。整间洗衣店变成夜空涂鸦,洗衣机圆形视窗化作闪烁的星座窗口。最后一只手绘袜子坠落到洗衣篮内。 Sources: MiniMax H3 release

MiniMax H3 特效提示词分享 以前这种镜头,是 AE 里一帧一帧抠出来的活。AI 视频卷了两年画质,MiniMax H3 直接把手伸进了后期这块。 MiniMax H3 真正强的不是"能画特效",是它把手绘图层和实拍的运动逻辑锁在了一起——手机手持在晃,那层涂鸦跟着一起晃,不漂、不掉、不像贴上去的。最后整间洗衣店变成夜空涂鸦,洗衣机的圆形视窗变成闪烁的星座窗口。这才叫包装。 😝提示词给你们: 15秒16:9横屏短片,深夜自助洗衣店,实拍叠加蜡笔质感抖动线条的手绘发光动画,手机手持拍摄。指尖一缕紫色丝线→紫色蜡笔水母→逃窜到洗衣栏里,变成手绘袜子→手绘袜子一蹦一跳撞上真实袜子,变成紫蓝色流星→滑进洗衣机,变成浅蓝色小鱼→变成浅蓝色小火车,触碰售货机按键→变成夹子机器人,紫色与淡蓝色手绘纹路铺满开。整间洗衣店变成夜空涂鸦,洗衣机圆形视窗化作闪烁的星座窗口。最后一只手绘袜子坠落到洗衣篮内。 Sources: MiniMax H3 release

48,215 views

如何用 SeedDance 2.0 拍摄出闺蜜私房视频?最近真的被 SeedDance 2.0 喂饱了!😭 以前总觉得 AI 生成的人像虽然美,但总缺了点“人味儿”。但这次,我亲手“养”出来的这四个女孩——茶花、雪渡烟、青梅、落,真的让我看到了数字生命的呼吸感 她们不只是代码,是那种会在镜头前抢手机、会因为水花溅到脸上而大笑的真实女孩。

如何用 SeedDance 2.0 拍摄出闺蜜私房视频?最近真的被 SeedDance 2.0 喂饱了!😭 以前总觉得 AI 生成的人像虽然美,但总缺了点“人味儿”。但这次,我亲手“养”出来的这四个女孩——茶花、雪渡烟、青梅、落,真的让我看到了数字生命的呼吸感 她们不只是代码,是那种会在镜头前抢手机、会因为水花溅到脸上而大笑的真实女孩。

312,897 views

MiniMax H3真的太适合做广告了,电商神器来着! 用 MiniMax H3 做了一条 10s 首饰广告片 + 九宫格主图。给两张参考图,它就能把模特、银饰编织纹理和暗调光影稳定地「翻译」成电影级镜头:微距金属光泽、慢动作特写、强烈明暗对比,产品身份没崩。 对广告最友好的三点:参考一致性强、动态运镜自然、视觉冲击力足——正好对应品牌片需要的「认得出产品、记得住氛围、停得下滑动」。 Demo品牌来自Muse jewelry —— 我只能看见美的东西。 #MiniMax #AIvideo #AIGC #jewelry #广告片

MiniMax H3真的太适合做广告了,电商神器来着! 用 MiniMax H3 做了一条 10s 首饰广告片 + 九宫格主图。给两张参考图,它就能把模特、银饰编织纹理和暗调光影稳定地「翻译」成电影级镜头:微距金属光泽、慢动作特写、强烈明暗对比,产品身份没崩。 对广告最友好的三点:参考一致性强、动态运镜自然、视觉冲击力足——正好对应品牌片需要的「认得出产品、记得住氛围、停得下滑动」。 Demo品牌来自Muse jewelry —— 我只能看见美的东西。 #MiniMax #AIvideo #AIGC #jewelry #广告片

12,452 views

实测即梦Seedance2.0: 多镜头连贯、人物一致性拉满、画质清晰,从此小白也能拍电影级视频 #即梦ai #Seedance2 #AI视频实测 #AI漫剧

实测即梦Seedance2.0: 多镜头连贯、人物一致性拉满、画质清晰,从此小白也能拍电影级视频 #即梦ai #Seedance2 #AI视频实测 #AI漫剧

128,870 views

最近这个「真人实拍 + 2D贴纸小人」真的太上头了,我也来跟风整了一个咕咕嘎嘎版 🐧🍞 我的流程很简单: 先定一个真实生活场景:早餐吐司台 再把角色做成扁平 2D 贴纸感 然后设计 10 秒剧情:偷涂果酱 → 被吐司反击 → 崩溃爆哭 → 被吐司机弹飞 最后再做六宫格故事板 + 3:4 海报封面 重点就是: 真实道具越写实,2D小人越离谱,反差就越好笑。 这类小短片真的很适合做系列,下一集准备让咕咕嘎嘎去冰箱偷吃。提示词见评论区alt #AI视频 #AIGC #咕咕嘎嘎 #AI创作

最近这个「真人实拍 + 2D贴纸小人」真的太上头了,我也来跟风整了一个咕咕嘎嘎版 🐧🍞 我的流程很简单: 先定一个真实生活场景:早餐吐司台 再把角色做成扁平 2D 贴纸感 然后设计 10 秒剧情:偷涂果酱 → 被吐司反击 → 崩溃爆哭 → 被吐司机弹飞 最后再做六宫格故事板 + 3:4 海报封面 重点就是: 真实道具越写实,2D小人越离谱,反差就越好笑。 这类小短片真的很适合做系列,下一集准备让咕咕嘎嘎去冰箱偷吃。提示词见评论区alt #AI视频 #AIGC #咕咕嘎嘎 #AI创作

20,003 views

【干货】如何让你的 即梦Seedance 2.0 听你的话! Seedance 2.0 火了,但 90% 的人都在浪费它。 你是不是也这样: 提示词写得很详细,出来的却像“尴尬的废片”,3 秒就能认出是 AI。 问题不在模型,在文本写法。 我花 6 小时逆向拆解了两段“电影级” AI 视频,发现一个隐藏结构👇

【干货】如何让你的 即梦Seedance 2.0 听你的话! Seedance 2.0 火了,但 90% 的人都在浪费它。 你是不是也这样: 提示词写得很详细,出来的却像“尴尬的废片”,3 秒就能认出是 AI。 问题不在模型,在文本写法。 我花 6 小时逆向拆解了两段“电影级” AI 视频,发现一个隐藏结构👇

35,142 views

【即梦seedance2.0技术分享】上周三凌晨 2 点刷 X,看到一个 13 秒的修仙视频。 幽暗空间炸开一道白光,一个古代剑客身着深蓝劲装破空而出,手中长剑剑气纵横——背后寒冰巨龙盘旋咆哮,镜头极速推近穿过异次元隧道,最后在雷电破碎的虚空中定格—— 我愣了 5 秒。 然后把视频下载下来,逐帧分析了一整晚。 我就想搞明白一件事:凭什么同样用 Seed Dance,我的只是“动一动”,人家的能“炸裂全屏”?

【即梦seedance2.0技术分享】上周三凌晨 2 点刷 X,看到一个 13 秒的修仙视频。 幽暗空间炸开一道白光,一个古代剑客身着深蓝劲装破空而出,手中长剑剑气纵横——背后寒冰巨龙盘旋咆哮,镜头极速推近穿过异次元隧道,最后在雷电破碎的虚空中定格—— 我愣了 5 秒。 然后把视频下载下来,逐帧分析了一整晚。 我就想搞明白一件事:凭什么同样用 Seed Dance,我的只是“动一动”,人家的能“炸裂全屏”?

29,047 views

【ZenMux 深度评测第二弹:AI 视频的“动线导演思维”】 在实际动作片拍摄中,动作导演和武指执行一镜到底的格逐戏前,会先设计完整的“动线”——角色从哪进、经哪些节点、在哪完成动作。路径定了,机位反而是被动推导出来的。控制的核心是动线,不是镜头。 用 AI 生成建筑跑酷或一镜到底也是同理。很多人直接在提示词里描述运镜,结果画面空间感混乱。正确解法是先建立动线(沿哪个立面跑、在哪腾空、落点是哪个平面),把空间路径描述清楚,AI 生成的运动才会有连贯的空间逻辑。 但怎么把这种抽象的“导演思维”翻译成 AI 听得懂的语言?这就涉及到一个高频痛点:不同的 AI 模型,对空间和镜头语言的“理解性格”完全不同。以前为了试一组跑酷动线 Prompt,要在 Claude、GPT、DeepSeek 之间来回切平台,切到思路断线,月底对账单也头大。 最近把这个动线测试工作流接进了 ZenMux,在同一个界面里直接调度和交叉实测,发现很有意思:Claude 的空间解构和节点拆分极专业;GPT-4o 对材质和光影的细腻润色拿来就能用;而 DeepSeek 成本极低,适合批量跑盲盒初筛。全程在一个入口搞定,后台额度清晰,还有智能路由和延迟赔付。真正干活和做内容交付的人,要的就是这种多模型调度的“确定性”和工作流“韧性”。降本增效不只是换个便宜模型,而是像导演一样,把不同的任务精准派发给最合适的工具。

【ZenMux 深度评测第二弹:AI 视频的“动线导演思维”】 在实际动作片拍摄中,动作导演和武指执行一镜到底的格逐戏前,会先设计完整的“动线”——角色从哪进、经哪些节点、在哪完成动作。路径定了,机位反而是被动推导出来的。控制的核心是动线,不是镜头。 用 AI 生成建筑跑酷或一镜到底也是同理。很多人直接在提示词里描述运镜,结果画面空间感混乱。正确解法是先建立动线(沿哪个立面跑、在哪腾空、落点是哪个平面),把空间路径描述清楚,AI 生成的运动才会有连贯的空间逻辑。 但怎么把这种抽象的“导演思维”翻译成 AI 听得懂的语言?这就涉及到一个高频痛点:不同的 AI 模型,对空间和镜头语言的“理解性格”完全不同。以前为了试一组跑酷动线 Prompt,要在 Claude、GPT、DeepSeek 之间来回切平台,切到思路断线,月底对账单也头大。 最近把这个动线测试工作流接进了 ZenMux,在同一个界面里直接调度和交叉实测,发现很有意思:Claude 的空间解构和节点拆分极专业;GPT-4o 对材质和光影的细腻润色拿来就能用;而 DeepSeek 成本极低,适合批量跑盲盒初筛。全程在一个入口搞定,后台额度清晰,还有智能路由和延迟赔付。真正干活和做内容交付的人,要的就是这种多模型调度的“确定性”和工作流“韧性”。降本增效不只是换个便宜模型,而是像导演一样,把不同的任务精准派发给最合适的工具。

13,190 views

潮玩游戏化商业变现探索|兄弟们,我感觉这个路子真的有点东西。 不是单纯做一个 AI 视频,而是把“潮玩角色”一路做成可以变现的 IP 资产。 比如这次的 CITY BOUNCE,我不是只想看它动起来。 我更想测试一条完整路径: 角色设定 → 故事板 → 视频生成 → 3D 建模 → AI 角色人格 → 短视频连续剧情 → 潮玩周边 / 游戏互动 / 品牌合作。 以前我们做一张图,最多就是“好看”。 但如果这个角色能持续出镜、能说话、能跳舞、能演剧情、还能被做成 3D 潮玩,那它就不是一张图了。 它是一个可以长期运营的 IP。 我觉得 AI 潮玩 + 游戏化 + 短视频叙事,可能是未来很好的变现方向。 这次流程大概是: - ChatGPT Image:做角色和故事板 - Dreamina:让角色动起来 - Codex + ffmpeg:做 3:4 上视频下故事板包装 - PONYO logo:打上自己的创作者品牌 下一步我想继续试: 把这个角色做成更稳定的 3D 潮玩资产,再给它加 AI 人格,让它能持续讲自己的故事。 这个方向我觉得值得深挖。 This is not just an AI video. It’s a storyboard wearing motion. For CITY BOUNCE, I wanted to test a small directing system: first lock the character attitude, then build the storyboard, then generate motion, then package the final piece like a designer’s board. My belief is simple: AI video should not start from random prompts. It should start from direction, rhythm, layout, and visual identity. Workflow: 1. Storyboard & visual planning with ChatGPT Image 2. Motion generation in Dreamina 3. Final 3:4 video + storyboard package with Codex / ffmpeg 4. Custom PONYO prism logo added as the creator mark The final piece keeps the video on top, the storyboard below, and the whole process visible. Not just an output. A trace of how the piece was directed. #AIVideo #AIFilm #Storyboarding #ChatGPTImage #Dreamina #CreativeWorkflow #PONYO

潮玩游戏化商业变现探索|兄弟们,我感觉这个路子真的有点东西。 不是单纯做一个 AI 视频,而是把“潮玩角色”一路做成可以变现的 IP 资产。 比如这次的 CITY BOUNCE,我不是只想看它动起来。 我更想测试一条完整路径: 角色设定 → 故事板 → 视频生成 → 3D 建模 → AI 角色人格 → 短视频连续剧情 → 潮玩周边 / 游戏互动 / 品牌合作。 以前我们做一张图,最多就是“好看”。 但如果这个角色能持续出镜、能说话、能跳舞、能演剧情、还能被做成 3D 潮玩,那它就不是一张图了。 它是一个可以长期运营的 IP。 我觉得 AI 潮玩 + 游戏化 + 短视频叙事,可能是未来很好的变现方向。 这次流程大概是: - ChatGPT Image:做角色和故事板 - Dreamina:让角色动起来 - Codex + ffmpeg:做 3:4 上视频下故事板包装 - PONYO logo:打上自己的创作者品牌 下一步我想继续试: 把这个角色做成更稳定的 3D 潮玩资产,再给它加 AI 人格,让它能持续讲自己的故事。 这个方向我觉得值得深挖。 This is not just an AI video. It’s a storyboard wearing motion. For CITY BOUNCE, I wanted to test a small directing system: first lock the character attitude, then build the storyboard, then generate motion, then package the final piece like a designer’s board. My belief is simple: AI video should not start from random prompts. It should start from direction, rhythm, layout, and visual identity. Workflow: 1. Storyboard & visual planning with ChatGPT Image 2. Motion generation in Dreamina 3. Final 3:4 video + storyboard package with Codex / ffmpeg 4. Custom PONYO prism logo added as the creator mark The final piece keeps the video on top, the storyboard below, and the whole process visible. Not just an output. A trace of how the piece was directed. #AIVideo #AIFilm #Storyboarding #ChatGPTImage #Dreamina #CreativeWorkflow #PONYO

12,986 views

最近在做一个「御姐光纤舞」的 AI 视频测试。 我没有直接写“跳一段酷炫的舞”,而是先做了一张动作地图: 入镜、软腕、绕圈、低扫、收束、腰线环绕、光带定格。 再把 30 秒拆成两段: 0-15s:从黑场出现,用光带画身体路线; 15-30s:侧影再入场,光带绕身、画出棱镜,最后回到黑暗。 动作地图生成后,视频模型会更容易理解身体路线和道具轨迹。 前面用 Agent 拆动作、写 prompt、做故事板; 后面我直接放到 Rita 里跑 Seedance / Kling 看效果。 Rita 的好处是不用来回切平台,Seedance、Kling、GPT 都能用统一积分跑,适合高频测试和快速迭代。新用户有 100 积分。

最近在做一个「御姐光纤舞」的 AI 视频测试。 我没有直接写“跳一段酷炫的舞”,而是先做了一张动作地图: 入镜、软腕、绕圈、低扫、收束、腰线环绕、光带定格。 再把 30 秒拆成两段: 0-15s:从黑场出现,用光带画身体路线; 15-30s:侧影再入场,光带绕身、画出棱镜,最后回到黑暗。 动作地图生成后,视频模型会更容易理解身体路线和道具轨迹。 前面用 Agent 拆动作、写 prompt、做故事板; 后面我直接放到 Rita 里跑 Seedance / Kling 看效果。 Rita 的好处是不用来回切平台,Seedance、Kling、GPT 都能用统一积分跑,适合高频测试和快速迭代。新用户有 100 积分。

11,669 views

Videos

ponyodong's profile picture

我把一个快交不出来的广告项目塞给 AI,它先从 4 份文件里揪出一笔 18,700 元的预算口径差。 把这个仿生机器人 TVC 广告项目背后的 Brief、预算 Excel、交付标准和 6 个锁定镜头故事板,一次性丢进 Apodex 1.1 的真实过程。 我的要求一点都不“AI Demo”:哪些镜头必须原样保留,哪些还没做完;86,000 元预算到底花到了哪里;从今天到交付日怎么排;风险由谁负责;最后还要留下能继续维护的镜头决策和预算模型。 以下是它的执行过程: Apodex 先建了 Task Board,把文件、步骤、依赖和交付物全部摊开。它逐项把 6 个锁定镜头映射回故事板,很快发现两张表的数字对不上:镜头表里的已发生成本是 39,100 元,总预算表里的已发生支出却是 57,800 元。 多出来的 18,700 元没有被悄悄抹平,它直接把口径冲突标进结果。 更真实的一幕出现在生成 Excel 时。 颜色格式不兼容,报错。 合并单元格挡住公式,又报错。 页面里能看到它定位问题、修改结构、重新生成,再继续检查。最后交回来 4 份可以继续工作的文件:报告、Word、PDF,以及公式驱动的预算模型;还有 8 天排期、风险登记和每个镜头的处理决定。 以前测模型,我常盯着它“一次回答得有多聪明”。这次我更在意它能不能进入真实文件和工具环境,记住长链条任务的状态,碰到失败自己修回来,再把结果交到我手里。 Apodex 1.1 把这套能力建立在 Environment Scaling、Agentic Coordination Scaling 和统一的 AgentOS 上。录屏里看得很直观:步骤、异常、重试和产物都留在同一个项目里,你随时知道任务推进到了哪里。 想测它,最简单的方式是拿一份你正在做的 PDF、Excel、Brief 或代码上传,看看它最后能交回来什么。Web 工作台已经开放,新账号可领取体验 credits;API 本轮提供两周免费体验。 Web 工作台: API Platform: 开源执行框架 FrontierAgent: FrontierAgent 不强制依赖 Docker,可一条命令运行,欢迎顺手点个 Star。 Apodex 1.1 mini 模型权重: 35B 级 mini 权重可本地部署,也可以搭配 FrontierAgent 使用。 #Apodex

波妞PONYO

40,268 views • 8 days ago