摘要
1) 一句话总结 本文详细介绍了一种利用AI生图、首尾帧生视频及后期剪辑技术，制作与经典影视或游戏角色“片场探班合影”视频的三步工作流。
2) 关键要点
- 核心工作流：整个制作过程分为三步：用提示词生成图片、用首尾帧生成视频、用剪辑软件（剪映）拼接并添加特效音效。
- 提示词生成：无需购买付费提示词，可直接使用Gemini生成包含“场景与地点、人物与角色、光线与氛围”三大模块的初始提示词，或让其根据需求反推提示词。
- 国外模型生图：Nano Banana Pro具备强大的世界知识，只需在提示词中输入影片、角色和场景即可生成高质量的欧美明星或国际知名IP场景图。
- 亚洲人脸修正：针对国外模型生成亚洲人脸效果差的问题，工作流中采用即梦（Seedream 4.5模型）配合参考图进行面孔替换，以提升人物一致性。
- 国产IP生图：对于《武林外传》等国产经典IP，需直接使用即梦，配合网上搜集的人物和场景参考图以及Gemini生成的提示词进行生成，还原度可达80%。
- 视频生成工具：使用具备首尾帧功能的AI视频模型（如即梦3.5 Pro或可灵O1），将生成的两张图片分别作为首尾帧。
- 视频动作控制：在视频生成阶段，通过输入简单的动作提示词（如“人物从图一走到图二”）来驱动画面，并根据生成结果反复微调提示词以修正动作细节。
3) 风险与不足（原文明确提及）
- 人脸一致性风险：Nano Banana Pro等国外模型在处理亚洲人脸时一致性极差，容易出现面部特征变形或失真的情况。
- 本土知识库缺失：国外AI模型缺乏对国产经典影视IP（如《武林外传》）的认知，无法准确还原相关场景和角色形象。
- 视频生成不可控性：AI视频生成过程中容易出现幻觉或瑕疵（如人物凭空变出手机、走路速度过快等），需要通过增加约束性提示词并多次重试（roll）来解决。
正文
AI视频玩法又进化了。
最近这一周，小红书上和X上铺天盖地的都是AI片场探班的视频，点开视频一看，大家都在跟各路明星、角色合影，非常热闹。
我看到这个玩法之后，也立刻随手做了个小东西。
我跟我最喜欢的游戏制作人和主角们，在游戏世界中合影的小片段。
老规矩，教程也给你们奉上。
小红书上还有在卖提示词的，我是觉得，没有必要。。。
整个过程真的很简单，就三步：
用提示词生图，用首尾帧生视频，用剪辑软件把视频拼起来。
先说提示词这一步。
一开始本来我觉得，做个一劳永逸的提示词喂给Nano Banana Pro，让它直接就处理掉图片这一步部分。
毕竟大家都知道，Nano Banana Pro的世界知识能力强的离谱，所以理论上，只要我输入影片、角色和场景，它就能get到我想要的是啥。
于是，我就把我的需求和Gemini说了一通，做出来这样一套初始提示词，主要分为场景、人物、光线氛围这三块。
场景与地点： 还原经典影视作品的拍摄现场。这是一个正在拍摄的片场环境，拍摄现场包含大型电影电影摄影机、灯光设备、轨道车、吊杆录音设备、部分入镜的工作人员，以及场景中的重要道具。 人物与角色: 参考图中的人物，保持面部特征、五官、发型和衣着100%一致。 站在旁边的是影片中的角色，呈现角色在影片拍摄期间的装扮、发型和衣着。 两人站在一起，看向镜头，在影片拍摄的休息时间里，随机抓拍一张自然放松的幕后合影。 光线与氛围: 专业级影棚照明，捕捉到角色和设备的所有细节。 展现幕后制作的真实感，氛围捕捉到温馨但不被人看到的幕后时刻，两个人物的互动欢乐自然。 影片：，角色：，场景：。
然后上传我的照片，并在提示词里头填上，影片：怪奇物语，角色：demogorgon，场景：upsidedown。
照片和提示词都给到Nano Banana Pro之后，它就会给我生成一张符合描述的图片了。。。
我本来都喝了一口茶，等着美滋滋的收一张图。
结果，事实上我得到的结果是这样的。。。
乍一看好像是我，但放大脸部仔细看就不大对劲。
像韩国人。。。
还有这样的。
公司小伙伴瞟了一眼我的电脑，直接问我，你是在用faker做图吗？
。。。。。。
也是越级碰瓷上了。
然后我一通试，发现，用我的脸，屡战屡败，亲妈不认，但朱迪兔碧昂丝邓紫棋周杰伦什么的，效果又不错。
只能说 Nano Banana Pro 的世界知识确实很齐全，但是吧，又是国外模型的通病，针对亚洲人脸的一致性，还是太差了。
那没办法，只能换别的了了。
因为生图只是第一步，后面还要生视频，视频的一致性本来就不如图片可控，如果图片的一致性不好，那就真的是从地基开始崩坏了。
于是只能扭头转战即梦。
但我没有直接用即梦从头生图。
因为提示词里输入影片和角色就能出图，算是大香蕉的独门技，还挺方便的，出来的图光影构图啥的也都不错。所以，我只需要用即梦把我的脸变得更像我自己就行了。
用的模型是Seedream 4.5，也就是图片4.5。
在亚洲人脸上，效果确实还是强太多了，就很适合我这个改图的场景。
于是我给了即梦我的参考图和另一串提示词，让它把图片里的面孔替换掉。
终于得到了这样一张，能认得出来是我自己的图片。
看着舒服多了。。。
生图的第一个问题，人脸解决了，就来到第二个问题：如果不是电影场景，比如我开头展示的那种游戏场景，提示词要咋改。
我用的方法其实非常的懒癌，就是，也别自己写了，就还是，直接让Gemini干活吧。。。
把我的初始提示词扔给它，让它根据这个提示词反推。
然后，直接把它给我的提示词们复制到Banana里，就可以得到。
跟宫本茂和马里奥的合影。
跟英雄联盟主创和主角的合影。
还有我私心最喜欢的，跟黑猴还有冯骥老师的合影。
所以说，不用背提示词，更不用去买，善用Gemini就行。
到这里，其实你已经可以让Gemini帮你自由出图了，只要你想，万物皆可摄影棚。
但是这一趴其实还没结束。
因为我在试一个我童年时代就很喜欢的电视剧合影，武林外传的时候，翻车了。。。
我悲催地发现，Nano Banana Pro的能力，在武林外传上面彻底歇菜了。
甚至在我给了它佟掌柜的参考形象之后，出来的结果依然有些灾难。
你会发现，Nano Banana Pro既不具备对武林外传的知识，也无法准确地还原参考形象。
所以，类似于武林外传这样的经典国产剧，确实没有办法，还是得祭出国产模型才行。
所以我又回到了即梦，去网上找了人物参考和场景参考，然后用Gemini生成的提示词和参考图在即梦上一起roll。
最后，总算是把武林外传的这些人，以及我自己都做到了80%的还原。
总的来说，生图这一步是最坎坷的，因为训练集和人物一致性的原因，所以经常会在Nano Banana Pro和即梦之间来回转战，力求画面构图没问题的同时，人物一致性也要达标。
而到了生视频这里，一切就简单多了，只要这个模型有首尾帧功能就行，比如可灵O1，或者即梦3.5 Pro，都行。
因为图最后都是在即梦里面出的，所以我图方便，用的还是即梦。
只需要把生成的前后两张图贴在首尾帧上，然后给一句提示词，让人物从图一走到图二就行。
巨简单。
但是，要是仔细看的话你会发现我的提示词其实经历了很多缝缝补补，因为我发现它很容易从虚空中掏出手机，就取消了手机。发现人物走路速度容易过快，就加了提示词约束，等等等。
所以也没必要完全遵循这个提示词本身，可以根据出来的结果再做调整。
而在roll了n次以后，我也拥有了全部素材。
这时，只要把它们导到剪映里加工一下，再加点拍照的特效和音效。
一条视频，就做完了。
接下来，集中给你们看一下我都做了哪些case。
比如最近阿凡达很火，我就去潘多拉星球转了一圈，碰见了男女主，还有反派。
还去了趟怪奇物语片场，遇见了几个主角，还和张着大嘴的魔王花合照了一张。
穿越到三国，遇见了一个拍三国纪录片的剧组，跟刘关张曹操都见了一面。
最后，还跟我的童年回忆同框了一回。
看着这个小片子，我想起了十岁那会儿，守在电视机前等待《武林外传》播出的日子。
当时那个仰着头看电视的小孩可能也想不到，快要二十年过去，他可以走进那个熟悉的片场，和他喜欢的人物来一张合影。
这可能是我这个月最喜欢的AI玩法。
也希望，你们能够用它。
走进那个你心中最经典的回忆里。