波妞PONYO's banner
波妞PONYO's profile picture

波妞PONYO

@ponyodong • 15,650 subscribers

AIGC Video Creator & Animation IP Strategist 前 Peppa Pig China Mktg. VSC Creator 商业咨询|课程学习 V:PONYODONG

Shorts

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。

317,880 次观看

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

130,867 次观看

兄弟们,在视频制作里Blender 配什么是仙品? 我现在最想继续折腾的组合:Astra+Seedance 2.5! 不是让三个工具各干各的,而是这样搭: Astra 帮你拆戏、画调度草图,想清楚谁追谁、怎么接招、镜头往哪走。 Blender 把人物距离、建筑位置、遮挡和机位摆出来。 再把人物图、场景图和动作参考交给 Seedance,让它往成片质感上跑。 说白了:别光让 AI 猜,先把这场戏怎么发生给它看。 但有个坑我真踩了:白模能动,不代表人物会演。跑步、回头、逗小妖,想要灵动,还是得有好的表演参考。 先拿最难的5秒试,顺了再做15秒,比上来就憋一整段靠谱。 下面这条是我们用 Seedance 2.0 做的对照实验,2.5 的组合还要继续验证。等我陆续测评! #Blender #Astra #Seedance #AIFilmmaking #AIVideo #Previs #VirtualProduction

兄弟们,在视频制作里Blender 配什么是仙品? 我现在最想继续折腾的组合:Astra+Seedance 2.5! 不是让三个工具各干各的,而是这样搭: Astra 帮你拆戏、画调度草图,想清楚谁追谁、怎么接招、镜头往哪走。 Blender 把人物距离、建筑位置、遮挡和机位摆出来。 再把人物图、场景图和动作参考交给 Seedance,让它往成片质感上跑。 说白了:别光让 AI 猜,先把这场戏怎么发生给它看。 但有个坑我真踩了:白模能动,不代表人物会演。跑步、回头、逗小妖,想要灵动,还是得有好的表演参考。 先拿最难的5秒试,顺了再做15秒,比上来就憋一整段靠谱。 下面这条是我们用 Seedance 2.0 做的对照实验,2.5 的组合还要继续验证。等我陆续测评! #Blender #Astra #Seedance #AIFilmmaking #AIVideo #Previs #VirtualProduction

13,771 次观看

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

15,171 次观看

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 次观看

【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 次观看

【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 次观看

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

13,988 次观看

【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 次观看

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 次观看

Videos

ponyodong's profile picture

Ming-3.0|声音的魔力:同一句话,三次告别的演技 测评:我给同一个 AI 角色安排了三次告别。通过不同的音色演绎,只说这一句“我没事,你先走吧。” 先把三种演法写进 Ming-3.0-tts-tiny 的指令,再把生成的声音交给即梦参考,最后做成这条45秒短片。 第一种音色演绎场景 咖啡店里,她笑着挥挥手,然后低头喝一口咖啡。朋友可以放心去忙,她真的没事。 第二种音色演绎场景 便利店门口,她也在笑。可等对方离开,视线就落到了手里的纸上。那句“我没事”,更像是在让人别担心。 第三种音色演绎场景 到了深夜的排练室,她说完话,合上台本,把桌面压平,没有再抬头。 同一句话,后面可以藏着三种心事。 这也是我这次想试的:让声音先给角色找一个表演方向。 三条语音的文本完全一样,我分别给了“真的放松”“强装轻松”“压着火气”三组要求。比如第二条,除了人物受了委屈、又不想让朋友担心,还写了具体的说法:“我没事”稍慢,两个短句之间留一个短暂停顿,尾音轻轻放下,尽量克制,不放声哭。 这种写法挺像给演员说戏。 Ming-3.0 TTS 的导演模式,可以用文字描述情绪、节奏和重音;到了视频这一步,我再围绕声音安排动作:挥手、目送、低头,或者合上台本。 我觉得这条工作流对做短剧、配音和角色预演挺有意思。台词先有了节奏,接着就能考虑:她说完以后看哪里,手里那件东西要怎么放下。 当然,指令写了什么,还得回头检查实际输出。这次“压着火气”那条 Ming 原音,怒意就比较轻,还需要继续调。视频里的声音采用即梦的音频参考生成,三条未处理的 Ming 原音和直接配回原音的版本,我也单独留了下来。 蚂蚁百灵这次开源的 Ming-3.0 语音系列,共五款模型,覆盖语音识别、音频理解与对话、语音合成。我这次主要试 TTS 接角色表演,用的是社区部署的 tts-tiny。 如果你手里也有一句“字面很平常,心里有很多话”的台词,可以拿它试试。 体验: 官方体验:Ling Studio 模型资源:tts-tiny模型卡。

波妞PONYO

12,883 次观看 • 6 天前

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

46,559 次观看 • 2 个月前

ponyodong's profile picture

让 AI 帮我判断,哪个镜头值得留下 我让 AI 看了一段自己做的《五王醉归》。它给我的一个剪辑建议是:留住桌下的杯盏镜头。 这倒是切中了我做片子时经常纠结的问题:画面都挺好看,但剪短的时候,到底该留哪一段? 这次拿 Ling-3.0-flash-VL 当了一回剪辑助理。我上传了15秒的宴席片段,没给完整剧情,只让它看画面:梳理人物动作、挑保留段落,再说清楚为什么。 它把这段拆成了举杯、桌下杯盏、多人扶持几个环节,还特意提醒:如果跳过杯盏这一段,转折就少了视觉证据。 我回看片子,这个建议确实有用。杯盏不只是一个道具特写,它把前面的共饮,和后面人物状态的变化接了起来。 另一个我喜欢的地方,是这次回答把“看到什么”和“可能意味着什么”分开了。看到有人被扶住,没有直接把原因写死。 对我来说,这种视觉理解接进创作流程,最有意思的不是让 AI 替我做导演,而是多一个能拿着画面跟我讨论取舍的助手。 先帮我整理出值得回看的位置,再由我核对时间点、决定怎么剪。这个用法,我会继续试。 想自己试试的,可以去 OpenRouter 体验 Ling-3.0-flash-VL,目前处于免费体验期。免费额度和开放情况以平台页面实时信息为准。 体验地址: 合作内容|视频素材为本人 AI 创作;附真实测试录屏。

波妞PONYO

29,445 次观看 • 1 个月前

ponyodong's profile picture

我用 ChatGPT 5.6 测了 9 种漫剧男主脸,终于不是“AI帅哥流水线” 附全套漫剧男主脸提示词🤣 这次我用的是 5.6 模型,一口气测试了 9 种漫剧男主人设。不是只生成一张头像,而是从: 人物脸型 → 全身三视图 → 六宫格故事板 → 最终视频 完整跑了一遍。 这次最明显的感受是,ChatGPT.5.6 不只是把脸做得更精致了,而是开始真正接近“能继续拍戏的男主脸”。 我觉得它有三个地方特别好用: 1. 真人感更稳 脸部骨相、眼鼻口比例、皮肤质感都更接近真人,不会一眼看起来像 2D 插画。 尤其是侧脸和近景,鼻梁、下颌线、眉眼关系都更有层次。 2. 人设差异真的拉开了 这次测试了 9 种风格: 禁欲霸总、清冷校草、邻家少年、不羁青年、美式街头狼尾男、斯文精英、野性冷感硬汉、韩系花美男、校园阳光男神。 它们不是换个发型就结束,而是连眉眼、脸型、气质和穿搭都跟着变化。 你一眼就能看出来: 这个适合演霸总,那个适合演校草,还有的天生就是漫剧里的危险男主。 3. 角色脸更适合做视频 很多 AI 男主图片单张看很帅,但一动起来就崩。 这次我特意把角色继续做成故事板和视频,发现 GPT 5.6 设计的脸更适合特写、侧脸、低头、抬眼这些镜头。 也就是说,它不是只能做一张海报,而是可以继续往角色卡、分镜和漫剧视频里延展。 真正好用的“漫剧男主脸”,重点不是单纯帅。 而是要有: 清晰的骨相、能记住的眉眼、明确的人设气质,以及一张经得住镜头靠近的脸。 我的提示词习惯也很简单: 人设标签 + 骨相特征 + 眉眼细节 + 发型造型 + 服装身份 + 镜头光线 这样出来的脸,才不容易变成千篇一律的 AI 男模。 这轮ChatGPT 5.6 测试,我是真的有点惊喜。 如果你也想做漫剧角色、AI 短剧,或者想要 9 种女主人设的提示词,可以在评论区留:女主脸。 #ChatGPT #AI漫剧 #漫剧男主 #AI角色设计 #PromptEngineering

波妞PONYO

58,717 次观看 • 3 个月前