向我要我的动物或主题(“为什么X是海洋中最令人不安的动物?”、“为什么X很可怕?”),或者给我3个提案,每个提案配5个真实事实,且事实越往后越糟糕。问我用哪个图像模型(GPT Image 2或任何接受4K参考图的模型,每张约0.03美元)以及用哪个语音(ElevenLabs,或免费的Kokoro)。然后写出脚本和带秒数的镜头清单,并在任何东西花钱之前把两者都给我看。 一个1080x1920、60 fps、30-35秒的竖屏Short,风格模仿大型 narrated animal-facts 频道——一个穿连帽衫、拿麦克风的人会弹入每个场景。这里一切都采用扁平2D卡通:粗深棕色描边(#1f1418)、平涂颜色、简单赛璐璐阴影、大而圆的googly眼睛。 主持人:一个卡通年轻男子,凌乱棕发、戴眼镜、穿无标识的纯浅灰色连帽衫、深色牛仔裤、白色运动鞋,始终拿着黑色麦克风。 - 他在屏幕上高约1000-1050 px。他的脚位于画面边缘下方,所以小腿处被裁掉。 - 他以0.32秒从画面下方弹出,带过冲缓动。 - 每当他对着镜头说话时,他的嘴随语音开合。 - 他的脸始终保持在字幕胶囊上方。 动物:一个角色,9个姿势(中性、震惊、愤怒,以及用于事实的装扮姿势:年老有胡子和手杖、戴扑粉假发、戴牙套的青少年、醉酒、脸部正面视图、在盘子里被击败)。每个事实一个装扮就是笑点。 每1.5-3秒换一个新地点。绝不重复构图。 总有东西在动: - 动物游动时尾巴摆动并上下浮动±10 px。 - 镜头每个镜头推近2-4%。 - 姿势切换带挤压。 - 冲击会震动画面。 标题在每个节拍用Luckiest Guy(Google Fonts)写成一到两个大词,104-190 px,位于y 430,倾斜±0.03-0.05 rad: - 它们摆动±0.025 rad。 - 描边为字号的0.22,颜色#1f1418,下方再叠一层更暗的同色副本,为字号的0.09。 - 颜色是填充与阴影配对:黄色 #ffd21f/#c27a10,红色 #ff4a3d/#8e1a14,白色 #ffffff/#9aa6b4,粉色 #ff7ab8/#a8336d,绿色 #7dff6a/#2e9a2a。 字幕: - y 1470处白色胶囊中1-4个词:Luckiest Guy 66 px,深色文字,7 px描边,胶囊高度为文字的1.55倍。 - 关键词为黄色并带深色描边。 - 胶囊在0.13秒内从0.82弹到1。 当动物名字被说出时,一个红色马克笔椭圆圈住它。 禁止:把照片级真实抠图混入卡通艺术、真人脸、屏幕上出现真实频道的标志或名称、超过1秒的静止帧、主持人在关键词上挡住动物的脸。 长度:30-35秒,约115词,约每秒3.5词。时间基于33.5秒影片;按语音缩放。 0-1.9秒,钩子“为什么X是海洋中最令人不安的动物?”: - 动物在0.75秒内从画面外滑入,同时主持人从右下方弹出,已经在说话。 - 说到动物名字时:红色圆环、名字作为标题,主持人切换为指向它0.7秒。 1.9-3.7秒:对“令人不安”推近。水体调成红色,愤怒姿势,冲击星爆,词用红色。 3.7-8.2秒,事实1,惊人的数字: - 一个计数器滚动到该数字。 - 然后是一个人人都懂的对比(“比美国还古老”),以装扮姿势和一个弹入的道具呈现。 8.2-12.7秒,事实2和3以笑点方式演出: - 一个是新地点的装扮。 - 一个是动物输掉的比赛。说到“比你走路还慢”时,主持人从它旁边悠闲走过。 12.7-15.6秒:恶心的细节,镜头推近脸部。 15.6-16.7秒:“但还会更糟。”红色警报调色,带脉动暗角。动物朝镜头大喊,主持人从说话切换为惊恐。 16.7-21秒,最糟的事实: - 主持人躲在受害者后面,受害者随后噗地消失。 - 一个X光镜头显示里面有什么。 21-27.7秒:人类角度,每句都由演员阵容中的一个人演出来。主持人也加入(醉醺醺地挨着醉酒的维京人)。 27.7-29秒:有人开心地吃掉它,而主持人变绿并干呕。 29-33.5秒:回扣钩子的回调笑话。主持人对着镜头说话,然后在最后一个词上笑崩。最后一个词后保持1.15秒。 1. 工具:Python、Playwright配Chromium或Edge、FFmpeg、OpenCV、Pillow、numpy、soundfile。安装缺少的,并告诉我你安装了什么。 2. 美术,总共4张图(约0.12美元)。每个提示词都以“Match the exact art style of the reference image: flat 2D cartoon, thick dark brown outlines, flat colours with simple cel shading, big expressive googly eyes, clean vector look”开头。把你喜欢的第一张图作为其余图的风格参考再喂回去。 - 动物表:1:1,4K,“a 3 by 3 pose sheet of the SAME cartoon X, 9 separate poses on plain pure white, plenty of white space, nothing touching, no grid lines, no text, no ground shadows”,除正面脸外,每个姿势都是朝右的完整侧视图。 - 演员表:1:1,4K,用于事实的9个不同角色和道具,措辞相同。 - 背景网格:9:16,4K,“a 3 by 3 grid of 9 equal tall vertical panels separated by thin white gutters, each panel an EMPTY scene, no characters, no text, keep the lower middle open”。 - 主持人表:9:16,4K,9个相同尺寸的全身姿势:(1) 面向观众,麦克风在下巴下方,嘴闭合,(2) 完全相同的姿势,仅嘴大张,(3) 说话并指向侧面,(4) 惊恐,手放在脸颊上,(5) 蹲伏畏缩,带汗滴,(6) 朝右的侧视奔跑,(7) 大笑并后仰,(8) 绿脸干呕,拿着食物牙签,(9) 醉酒,螺旋眼。 3. 抠图: - 从边界泛洪填充白色(每64 px在边缘播种),浮动范围为7,这样柔和光晕也会被去掉。 - 在形状外侧3 px带羽化,alpha = clamp((250 - min(R
本片段由 Anthropic 的 Claude Opus 5.5 生成,页面上的提示词就是生成它的原始文本。
示例由 Claude Opus 5.5 生成,参数:9:16 · 0:34 · Animation · Cartoon · Horror。沿用这些参数可获得最接近的效果。
先原样复制提示词,只改主体、保留镜头/运动/光影描述。视频模型对措辞很敏感,多试几次为佳。
当然可以。提示词最适合作为起点——替换场景、调整节奏词或宽高比,适配你的项目。