抖音起号做出爆款诀窍：首帧生成 I2V。 如果你的目标是做出爆款AIGC短视频起号，而不是出长期稳定的动画剧集，那么我更推荐使用视频生成模型的首帧生成模式，该模式对于seedance系列与minimax-h3都是适用的。 一开始我在抖音上调研时，发现了一个爆款的 AIGC 博主。他的视频风格非常华丽，角色动作干脆利落，特效炫酷。而且他非常慷慨，把提示词都分享了出来（是真的自用提示词，甚至连他的本地缓存图片路径都露出来了） 结果我看他的提示词，虽然动作很华丽，但编排其实特别简单，与我们想象中长篇大论的那种“导演视角”做出来的效果完全不一样。 他分享的真正诀窍在于：使用视频模型首帧生成。只要规定好首帧的场景、人物等约束，并通过首帧画面定住风格，后续画面就会非常统一，哪怕只用简单的提示词，都能做出非常震撼的效果。 最后从技术层面解释一下，为什么首帧生成比上传参考图，设定图更具有优势。... Seedance 官方有写说明文档：若要严格保证开场画面和指定图片一致，优先走真正的图生视频首帧。 官方论文提到，I2V 主流做法是把给定图像当作时间轴上的第 0 帧： 图像 latent 与噪声拼接、首帧特征进时空注意力、甚至用图像噪声先验做残差预测。 后续帧是在「已经钉死的像素布局」上长出来的运动。 参考图常见路径更偏语义嵌入或特征引导，能够保证「像不像这个人 / 这种风」，不保证第 1 帧构图、光影、材质、镜头焦段和你上传的那张图像素级对齐。 不过首帧参考图的生成也是有很多门道，这点是被很多人忽略，也是那些爆款视频不说的秘诀（是的，那位抖音博主分享了所有提示词，唯独没有分享首帧怎么生成的，属于是真正的技术壁垒） 我自己深入扒了两天，把里面的门道也探索了个七七八八，下期给大家分享我自己实操总结的首帧生成技巧。 最后依然是展示视频效果，搭配bgm食用更佳show more

最近抖音上把你的户外照片做成“法天象地”效果的图片非常火。 他们大多是生成的图片，但我试了一下，直接生成视频的效果会更好。 优化了一下提示词，主要是 GPT-Image-2.0 加上 C-Down 3.0。图片的提示词我放在视频后面了。

Skywork 上线了视频 Agent 能力，他们这个流程有意思 你可以从第一个分镜开始，左边生成之后，将生成的视频和音频素材发到右边的视频编辑器里面去进行编辑。 支持使用主流的视频模型和能力，文生、图生、首尾帧都有，另外支持生成音乐和语音。 我用首尾帧做了一条香水广告的演示，还不错。 也上线了一些特效模版，你可以不用管提示词直接复用。 而且会员从昨天（0106）开始会有为期七天的无限使用优惠，只要你是会员就可以一直用。 最近有需求的朋友们可以看看，说不定这几天直接回本了。

卧槽！现在我才搞明白seedance2.0规避审核的方法。 如果你想做尺度更大的视频， 一定要用“参考图+分镜提示词”， 而不是先把“参考图变成分镜图，再用分镜图生成视频”。 因为seedance2.0文生视频的审核，要比图生视频更宽松。 另外参考图尽量用“角色卡”，即可规避真人审核。 下面是我的完整视频生成流程👇

分享一下具体步骤 原视频用这个工作流出黑白深度视频 然后把原视频和深度视频以及你生成的人物图给 codex，并用下面的提示词： 分析视频，将角色替换成我在我图里的角色，后续我会利用深度视频作为参考，也就是附件中的黑白深度视频。所以你要先参考原视频的面部表情，给我写出面部提示词。因为深度视频里面没有面部的提示词，所以你要把这个写出来。然后你再根据用深度视频作为参考，写最后的提示词 之后在使用视频生成模型多参生成即可

昨天给大家写了个小白如何使用seedance 2.0的教程 想必大家都已经下载并且尝试了。 ❓ 是不是发现自己写的提示词效果不是很好， 没有别人搞的炫酷呢？ 👉 没事，今天炫酷的提示词来了，先来看下我生成的视频。 我给大家提供了一个基础版提示词，只需要放到... Gemini 等 AI 工具中，然后说出你要做的事情，他就会给你生成一个对应的提示词，然后按照昨天教你的使用方式就可以直接生成视频了。 什么？你说不懂提示词怎么用？考虑到了，看最后一个图片就好了。 ✅提示词见评论区show more

公众号和X上大家评论最多的是插画风格的方法最好用： 人物转成全彩插画风格 把人物生成插画风格，以适应平台的写实人物检测标准。 操作步骤： 直接在豆包/nano中，把真人图片转成手绘电影分镜插画风格 提示词：转成手绘电影分镜插画风格，角色使用全彩，白色背景，保证参考的角色长相一致，服饰的颜色款式不变 处理过的图片，保留了人物的特征，但已经不是真人照片了。 进阶技巧： 为了更好的还原人物特征，也可以做出三视图。... 接下来上传图片，输入视频提示词，就可以了。 #Seedance2show more

这个工作流可以稳定输出时尚质感短片 受到 willie 和 underwood 的启发，突然有了灵感，也想试试看。整个流程比想象中更可控，而且每一步都有明确的作用。 这个视频的生成教程： 1. 生成一张基础人物图... 2. 将图像导入 Nano Banana Pro，使用提示词：在一个 3×3 的网格中展示这个角色，从不同的角度呈现，单色的渐变背景，姿势随机。 如果需要特定姿势，直接在提示词中指定即可。 3. 生成后截图喜欢的关键帧，然后使用提示词：放大到 4K。得到高清图片 4. 使用 Kling 2.5 Turbo 将首尾帧变成视频，提示词：摄影机在摇臂上缓慢平稳地下降 5. 使用 willie 开发的速度曲线工具使用预设调整每个片段的播放节奏，最后拼接成完整视频。 对比在传统剪辑软件慢慢调试实在方便太多。 自从有了 AI 之后，每个人都可以高效地开发出解决痛点的小工具，让我们可以把更多精力投入到创意本身，而不是被技术细节困住，这个转变真的很棒。show more

豆包 Seedance 1.5 Pro 要是早点发，能省我几个小时时间，前几天我在折腾 AI 视频的时候，首帧图和剧本没花多少时间，但是基于首帧图和剧本去做音画同步的视频折腾了很久： Google Veo... 3.1 中文支持不好，Sora 2 经常说话的人和要说的话张冠李戴，孙悟空说唐僧的台词，需要抽卡多次，然后没几次就到限额了。 今天用同样的图片和提示词测试了豆包 Seedance 1.5 Pro ，大部分镜头都是一次性就成了，效果也相当不错，人物和台词对应的很好，口型能对的上。 比如图1 这个会说方言的熊猫我们家孩子很喜欢，提示词也很简单，把熊猫宝宝图片和下面的提示词一起发过去就生成了： > 小熊猫一边吃竹笋，一边奶声奶气的用四川话说：“哎呀～太阳晒得暖烘烘的， 我啃个竹笋儿，慢慢长胖胖～”。show more

Google推出了一种在 StableDiffusion 图像生成中保证内容特征一致性的方式。 这个其实是现在图像生成中一个非常重要的问题，故事可视化、游戏开发资产设计、广告等都需要在生成的时候具备角色或者内容的一致性。 从演示来看效果非常好人物角色和其他内容的特征都保持的非常好，他们有一个示例是一个男人的一生十几张不同年龄段的图片都很像能看出来是一个人。 而且这个项目还可以跟 SD 已有的控制方式结合，比如局部重绘和 Controlnet... 等。下面是具体的介绍： 实现方法： 身份聚类：这一步骤涉及首先生成一系列图像，然后将这些图像嵌入到一个语义空间中。接着，使用聚类算法将这些图像分组，每个组代表一种可能的角色身份。这个过程旨在识别出一组视觉上一致的图像，从而确定角色的主要视觉特征。 身份提取：在确定了一组具有高内聚性的图像之后，接下来的步骤是通过在这些图像上训练模型来提炼出一个更一致的角色身份。这意味着模型将学习到特定角色的关键视觉特征，以便在未来的生成中更准确地重现这些特征。 收敛性：方法的最后一个步骤是迭代过程，该过程在达到一定的收敛标准时停止。在每次迭代中，模型基于最新的训练数据生成新的图像，并重新进行聚类和身份提取。这个过程重复进行，直到模型能够可靠地生成具有一致视觉身份的角色为止。 效果验证： 定性和定量比较：在这一部分，作者将他们的方法与其他个性化文本到图像生成技术进行比较。这包括通过视觉和数值指标来评估生成图像的一致性和质量。 用户研究：作者还进行了一项用户研究，以评估他们的方法在实际使用中的效果。这包括让用户评价生成图像的一致性和吸引力。 消融研究：这部分是对方法中不同组件的效果进行评估。通过修改或移除方法的某些部分，作者能够理解每个组成部分对最终结果的贡献。 论文链接：show more

不花一分钱快，速用Seedance2.0生成真人质感的假面全网爆火的打斗短视频呢？ 就是已经被说烂随便app和豆包，具体怎么操作，我先分享这个提示词再我写个文吧，这些app每天10次的抽卡加上豆包10个积分机会其实足够生成一个小片段用的，只要你的提示词写得好，抽卡几率也大大降低！ 另外再分享一个小云雀上都有的、但是热度一直很高的提示词，作为一名合格的搬运工！！ 我必须要说的是，这些其实都可以找豆包写的，完全不用问东问西，更不用付费！！！！（因为我抠搜，我至今没花过一毛钱在ai软件，gemini的其实也算是白嫖的） 最近因为敏感词和IP等不再提供假面、铠甲变身的素材，导致很多提示词不能用？那不是因为词的问题，问题在你的图，不要去垫图，用自己画的假面或者机甲，下面你只需要准备三样素材（正派、反派、背景（根据需求，也可以文字描述）： 1️⃣主角：@你的数字人/@图1的cos真人版（不要用IP） 2️⃣主角变身后：@图2（一定得用真实的照片，最好用mj/grok艺术化以后，用🍌转成真实风格（一定是写实的）保证成片！ 3️⃣反派：@图3/你用文字描述的即可（各大app一大堆） 4️⃣场景：@图4（如果你需要固定场景的长篇幅确保一致性，必须要垫的图）... 这样只用写动作和特效即可！（提示词我放在评论区了）👇👇👇 基本能保证你的账号日更基本不成问题！👇show more

字节Seedance 2.0真的好用 复刻百万转场特效 我上传了一个抖音上的爆款转场视频作为参考,然后上传了两张人物参考图。提示词:"将视频1的素人换成女生,长相参考图片和视频 可以让 AI 学习参考素材中你指定的元素，一键复刻任何爆款。

“深度”视频是指画面右边的参考视频。 有朋友在评论区 问怎么生成这样的深度视频 我使用的软件是Codex，方法其实挺简单的： 新建一个对话框，告诉Codex你要做 ControlNet Depth / Depth... Anything / MiDaS / SAM2 视频抠像 的视频 然后把原视频发给它 可以生成一段动作参考视频 ，也可以再生成72帧的截图（这个适合做分镜参考，舞蹈/武打动作 的迁移效果一般） 也可以让它从三只猫 变成 一只猫 这种比较基础的画面编辑show more

Qwen3.8发布了，据官方说仅次于 Fable 5？ 简单做个对比测试，给了一张古建筑的各个角度的图，一句提示词用threejs生成3D模型。左边是Qwen3.8-Max-Preview，右边是Fable 5的效果。两个模型均使用Chat模式生成。 Qwen3.8对图像的理解能力还是欠缺了一些，Fable 5明显还原的效果更加好。 当然前端能力不能代表全部，但也是最直观能体现出来的能力。 参考图像和提示词⬇️

太好看了!😀 这是MJ生成的图，在H3里进行简单动起来的视频 AI已经完成能理解人类的审美，太厉害了！ prompt视频提示词如下： 基于首尾帧生成连续单镜头视频：美女温情地对着镜头轻轻一笑慢慢走向镜头，风吹过来，头发飘扬，美女用右手抚一下头发。只保留真实现场声；无音乐、无人声。不要出现文字字幕 图片提示词：一个中国18岁美女

基于 神奇小喷菇AIGC 的思路和解析，实验基本成功。 主要思路包括以下几点： 1. 基础素材的准备，也就是首尾帧。就像最终呈现的结果，首帧是一个脏乱差的图片，尾帧是一个最终的装修结果图。基于这个思路，就比较好办了。 如果你有一张比较不错的图（比如你直接把你家的客厅、卧室拍下来，或者之前去网上找精致的装修图）。让AI帮你完成做旧。 提示词如下： “基于底图，生成一张年久失修，脏乱的室内场景，有很多老旧的家具与肮脏的使用痕迹”... 根据需求决定是否要移除家具，如果需要，增加这个提示词： “移除家具，保留脏乱的毛坯房的效果，但是要注意保持结构的一致性” 这样我们就能获得一张脏乱差的原始底图了。 至于尾帧，我们可以直接用比较好的成果图，如果你觉得你现有的这种照片不够好看，可以让AI帮你进行润色和修改。 提示词参考： “保持原图视角和墙体结构，生成室内{客厅} 真实渲染图。进行合理的室内家具布置与材质搭配，为室内天花板、墙面、地板分别赋予材质，整体呈现 {现代轻奢风格} 。房间内外均进行真实感渲染。包括 {沙发, 地毯 ,茶几} ，材质质感逼真，光线自然。整体画面呈现出专业建筑摄影的光线效果，具备4K超高清分辨率的图像细节。” 拿到首尾帧之后就可以进行视频生成了，在测试了即梦、可灵、Veo之后。目前最稳定的就是可灵2.6（O1在这个场景下表现一般，不推荐） 视频提示词如下： 房间装修延时摄影视频。工人们在一间简陋的毛坯房内工作，水泥墙面，。快进画面展示：人们清理杂物和垃圾袋、移除所有旧家具，{将房屋还原至毛坯房，擦洗墙壁、将灰色水泥墙刷成现代轻奢风格、先完成主体框架装修，再放入家具，再逐渐将一个房屋搭建成最终的现代轻奢风格的客厅}。多名工人在加速画面中快速移动，工具和材料不断出现又消失，窗外自然光线随时间变化。施工灰尘逐渐落定，从冷蓝色调转变为温暖的环境光。纪实风格，8-16倍速延时，4K画质。 中间的步骤可以再详细点，我这个比较泛用性。这个版本还是可以再次进行迭代的show more

复杂动作的复刻只用提示词是很难完整还原的，所以需要到白模做参考复刻。 白模是一套没有任何材质贴图的三维灰模。人物是胶囊体和方块，场景是简单几何体，不打光，不上色，不贴图。 画面上剩下的只有三样。人物在空间里的位置，人物的运动轨迹，机位的运动轨迹。 白模生成需要提供一段原素材，这个视频我给的是迈克尔杰克逊的舞蹈。你使用LibTV也好，Codex也好，都能生成白模。 内容太长，完整流程看评论：

让古画 动起来，且稳定控制 运镜（走位其实也可以，后面分享） 具体操作： 1.画线 找到一张喜欢的古画，根据你想要的相机运动轨迹和运镜 大致画个草图，如评论区图2 2.建模 将画好线的古画发给... codex，让它基于 这种图片完成 建模和预演视频 的生成 视频3 3.古画转 写实风格 接着 让GPT 转为 写实风格，可以拿一些参考图让它模仿风格 （如 图1） 4.渲染 写实的图+建模 视频 输入 AI视频（渲染）提示词 ，选择 2.5 样片模式 完成视频 生成 提示词 🔽 🔽 🔽show more

李飞飞的 World Labs 发布了他们新的世界模型 Atlas，这个看起来比上一代厉害多了。 通过一张图片就可以创建一个非常完整的 3D 空间场景，你可以在里面随意运动，它也能理解时间的演变规律。 它能将一张或多张输入图像整合进一个共享的空间上下文中，让每张图像都锚定在三维空间中的具体位置，再以此继续生成后续内容，既能保证当前场景的一致性，又能想象出没有看到的内容。... 它主要支持三大任务： 生成图像和视频：能从一张或多张参考图出发，以像素级精确的相机控制生成不同角度的图像或完整视频，最长可输出 1 分钟 1440p 的视频 3D 场景重建：用一张或几十张图片重建真实的 3D 场景，直接生成点云、3D 高斯泼溅（3D Gaussian Splatting）等三维结果（图片越多还原越真实），效果甚至超过了专门针对 3D 高斯泼溅优化的模型 时空仿真：能把几台普通手机拍摄的视频重新取景成“子弹时间”效果，还可以为机器人训练生成测试数据show more

突然想到一个做数字人的超低成本方案： 1. 先让 ChatGPT 生成人物形象和口播文案以及整个视频生成提示词，背景要带绿幕的 2. 上传这个绿幕人物形象到 Grok 视频生成网站，粘贴... GPT 写的提示词 3. 下载生成好的视频，打开达芬奇把绿幕抠掉，放到背景图片/视频上，导出视频 成本超级低！ 当然缺点也是有的，grok 最长只能生成 10s，还喜欢乱加字幕，如果不生成带声音的，声音自己合成也许就没这个问题。 生成效果也不太可控，不过这的确是成本很低的方案。show more

前几天在推特刷屏的基于LCM和SDXL Turbo每秒生成110张图像的项目居然开源了， 有想做相关实时图像生成产品的可以关注一下。 StreamDiffusion是一种扩散模型管道，主要是为了实时图像生成服务的，为实时图像生成提供了显著的性能增强。 支持的模型和输出帧率： ◆SD-turbo，1步，t2i每秒帧率106，i2i每秒帧率93。 ◆LCM-LoRA+KohakuV2，4步，t2i每秒帧率38，i2i每秒帧率37。 主要特点： ◆通过高效的批处理操作实现了数据处理的流程优化。... ◆改进的指导机制可以最大程度地减少计算冗余。 ◆通过先进的过滤技术提高GPU利用效率。 ◆有效管理输入和输出操作，以实现更顺畅的执行。 ◆优化缓存策略以加速处理。 ◆利用各种工具进行模型优化和性能提升。 项目地址：show more