一起来看一下成品：
准备工具
使用多个平台模型进行生成
Nano banana pro https://labs.google/fx/tools/flow/
Gemini（https://gemini.google.com）
即梦AI (https://jimeng.jianying.com/ai-tool/generate)
第一步：创建专属的猫咪“数字分身”
视频成功的基石是主角形象的一致性。我们需要先为猫咪建立一个标准的“角色参考图”。
我从网络上找到一只橘猫
使用nano banana pro（需要梯子）进行三视图生成。
输入提示词：
生成这个猫咪的4视图，最左侧是大头照，右侧是3视图，保持写实风格，白底图
第二步：利用大模型拆解爆款脚本
面对空白屏幕容易没有灵感，我们可以让AI帮我们搭建故事骨架。
寻找对标：
在短视频平台下载一个你觉得节奏和运镜都不错的宠物Vlog（或普通Vlog）作为参考。
多模态输入：
将下载的视频文件，连同你第一步生成的“猫咪四视图”一起上传给 Gemini。
实操提示词：
“帮我分析一下这个AI制作的猫咪vlog视频。我要制作一个属于自己的猫咪vlog视频，不要完全学习视频中一样的内容，帮我想一下2分钟的视频内容与分镜，符合中国上班族的一天。”
核心逻辑：
这一步是让AI学习原视频的叙事节奏，同时结合你限定的“中国上班族”背景，生成本土化的全新剧情。
第三步：定制“高真实感”的分镜提示词
有了基础脚本，接下来要将其转化为生图提示词。AI默认倾向于生成完美的电影画质，我们需要打破这种完美。
实操提示词：
“基于上述分镜，给我每一个画面的AI生图提示词。必须是中文。拍摄画质需要手机拍摄质感，保持真实随手拍的感觉，光线不要太完美，带有日常环境的杂乱感。”
细节控制：
明确要求AI在提示词中加入视角设定（如：第一人称POV视角、自拍视角、监控视角等），这会极大增强Vlog的代入感。
第四步：人工润色与静态分镜生成
AI生成的提示词只是初稿，直接使用往往会翻车，必须经过人工微调。
举例1：
这是AI生成的提示词
这是我更改后的提示词:
手机真实拍摄质感，低画质。昏暗的中国公寓卧室里，一只橘猫穿着一件深蓝色格子睡衣，脸生无可恋地埋在枕头里。一只猫爪烦躁地拍打着床头柜上亮起的智能手机。手机屏幕反光刺眼，屏幕上清晰显示着7:10的闹钟响起（手机内的画面参考图2）。画面有手持轻微晃动感。
我增加了：脸生无可恋，烦躁地拍打，
更改了：手机真实拍摄质感，屏幕上清晰显示着7:10的闹钟响起（手机内的画面参考图2）。
参考图2如下
图生图生成
举例2：
这是AI生成的提示词
这是我更改后的提示词:
手机随手放置在洗手台上拍摄的固定视角，光线昏暗，构图随意。图1橘猫，穿着一件深蓝色格子睡衣，站在中国家庭的卫生间镜子前，洗手台上放着大宝和百雀羚的瓶子。猫咪一只手拿着电动牙刷，塞到嘴里，眼神依然坚定但略显麻木地盯向前方镜子。画面边缘有轻微镜头畸变。
我增加了：穿着一件深蓝色格子睡衣
更改了：猫咪一只手拿着电动牙刷，塞到嘴里
图生图
查漏补缺：
如果发现场景A到场景B的跳跃感太强，根据逻辑自己补充一张过渡分镜的提示词。分镜图越连贯，最终的视频越自然。
以下是其他几张图的生成提示词，都进行了润色
分镜3
提示词：
场景 3：极速通勤 自拍视角，手机手持自拍，手机随手拍质感，画面晃动，清晨刺眼阳光直射。由于是猫的自拍，所以视角较低，背景都是人的腿部，一只橘猫（图1）站在街边拥挤早餐摊前，一只手拿着塑料袋包着的煎饼果子往嘴里送。眼睛盯着屏幕
分镜4
提示词：
（进地铁-POV视角）手机随手拍质感，环境参考图2，手机第一人称主观视角。一只猫爪拿着手机，手机背对镜头，放在扫码处
分镜5
提示词：
手机前置镜头自拍视角，超广角变形，中国的地铁超级拥挤。都没有空位可以站立。由于是猫的自拍，所以视角较低，背景都是人的腿部，猫脸被挤得变形，眼神疲惫，困倦。手机随手拍，手持晃动。
分镜6
提示词：
手机摆在办公桌上，超低视角仰视，前景是键盘微微遮挡。手机前置拍摄质感，距离猫咪很近，白天，桌堆满文件，背后是很多工位，工位上都是人在办公。一只爪子搭在键盘上，一只在使用鼠标。桌子上有一杯瑞幸咖啡，猫咪坚定的黄绿色眼睛依然锐利地盯着前方
分镜7
提示词：
镜头改到左侧方（环境随镜头变化而变化），近距离特写，猫咪拿起瑞幸，喝咖啡
使用分镜6进行图生图
分镜8
提示词：
（自拍吃播视角） 手机自拍视角，超低视角，超级仰视拍摄，镜头从轻食碗的视角拍摄，环境参考图3（去掉桌子上的键盘。瑞幸咖啡，去掉背景中的人）桌上放着图2的轻食，图1的橘猫爪子拿起几片个虾仁送入口中
找了一张轻食素材以及分镜6一起进行图生图
分镜9
提示词：
特写猫咪面部，公司卫生间蹲坑场景，（画面中只露出猫猫头，和卫生间背景去暗示厕所环境，不要出现马桶）手机前置摄像头自拍仰拍视角（低角度从下往上拍），带有自拍视角的轻微鱼眼畸变和广角拉伸感，眼神直视镜头，表情呆滞又认真。背景是卫生间天花板和顶部灯光，手机前摄随手拍风格。暖色顶光，幽默荒诞氛围，类似人类自拍角度。
分镜10
提示词：
将画面改成猫咪的侧后方视角（环境也随之改变，展现出电脑屏幕），背景环境可依据你的想法变化
对分镜6进行图生图
分镜11
提示词：
自拍视角，手机手持自拍，猫咪是主角，手机自拍的画质。视角略微有些下颌角度，猫咪只露出头部，图1的猫咪后躺在家中的沙发上，另一只爪子往嘴里送零食。环境较暗但温馨。猫咪神情放松。
分镜12
提示词：
自拍视角，特写猫咪面部，猫咪完全侧躺在枕头上
使用这张图片再次进行图生图
prompt：
关闭屋内灯光，只留下手机屏幕照在脸上的光
第五步：图生视频，赋予画面动态与灵魂
这是最考验耐心的一步。将满意的静态图转化为动态视频。
选择工具： 本视频使用了 Veo 3.1、可灵 V3、Seedance 2.0 等视频生成模型交替配合。
化繁为简的提示词： 视频大模型的提示词不需要像画图时那么复杂。重点只写两件事：摄影机运动 + 主体微小动作。
举例：
例如附分镜1提示词：
手机上的闹钟响起，猫咪睁开眼后，伸出爪子烦躁的关闭闹钟，随后翻了个身
顺序极其清晰： 响-睁-关-翻。就像给演员递剧本，动作一环扣一环，AI处理起来就不会“手脚并用”导致穿模。
全是实在动词： 没有写“清晨的慵懒”这种虚词，全是“睁眼、伸爪、翻身”这种立刻能出画面的物理动作，不难为AI的理解能力。
“烦躁”是灵魂： 加了这俩字，AI立刻就懂了猫的力度和微表情，定住了画面的基调。
例如附分镜5提示词：
猫咪俩眼无神的看着镜头，然后左看看，右看看，自拍视角也跟随着左右移动
第一句定神态：“俩眼无神”。 上来直接把面部表情锁死，精准拿捏了打工人的“班味”基调，AI就不会乱发挥，去生成卖萌或微笑的表情。
第二句定顺序：“然后左看右看”。 用“然后”切分了时间线。先死鱼眼盯镜头（静），再左右转头（动）。一静一动，主次分明，动作逻辑绝对清晰。
第三句是精髓：“视角跟随移动”。 这是最妙的一笔！把主体的动作和镜头的运动死死绑定在了一起。它明确告诉AI这是“自拍镜头”，脑袋转，镜头就得跟着晃。这极大地增强了第一人称视角的真实感，也有效防止了AI瞎转镜头导致背景穿模崩坏。
例如附分镜6提示词：
猫咪的一只爪子在鼠标上，鼠标桌子滑动，另一只爪子在键盘上快速敲击。背景里虚化的同事在走动和交谈。
肢体分工极度明确： 一只爪子鼠标，另一只爪子键盘。
动作频率拉满： 鼠标“滑动”加上键盘“快速敲击”，动词不仅具体，还自带节奏感。AI立刻就能领会到那种疯狂赶工的职场紧绷感。
“虚化”是神来之笔： 既要求有“同事走动交谈”来烘托办公室的真实氛围，又特意加了“虚化”两个字。这等于在告诉AI：“背景随便糊弄一下有个动态就行，把好钢（算力）全用在刀刃（猫）上！”主次极其分明。
其他的视频提示词都在工作流里，都比较简单，可以自行查看
https://www.flowpix.club/bj/14334.html?token=a19b5dd105bf418e420a2f4a975a1dd4
第六步：后期剪辑
在剪映中，按照顺序简单拼接一下，再配上字幕
BGM:
在音频中搜索‘’哈基米‘’即可
角色设计执行卡
把这节课压缩成一张可执行卡片：看重点、照步骤、避坑，再复制模板直接开做。
这节课不是让你照着参考图抄脸，而是围绕「用AI制作专属猫咪Vlog的保姆级图文教程」把原创角色脸拆成结构、比例、五官主次和妆造记忆点。
按原文节奏走最稳：先吃透「准备工具」，再把「第一步：创建专属的猫咪“数字分身”」定住，接着处理「第二步：利用大模型拆解爆款脚本」；最后用「第三步：定制“高真实感”的分镜提示词」收口。
- 先把「准备工具」里说的脸型或气质定住。
- 围绕「第一步：创建专属的猫咪“数字分身”」收一收五官，不要让每个部位都抢戏。
- 做完「第二步：利用大模型拆解爆款脚本」后，先确认角色还是原创。
- 把「第三步：定制“高真实感”的分镜提示词」整理成可复制版本，后面直接复用。
- 围绕「第四步：人工润色与静态分镜生成」收一收五官，不要让每个部位都抢戏。
- 做完「第五步：图生视频，赋予画面动态与灵魂」后，先确认角色还是原创。
不要直接套真人脸或影视角色脸；不要把所有五官都做成强特征，否则容易撞脸、割裂、不稳定。
检查角色是否有清晰记忆点；年龄感和气质是否一致；换妆造后脸是否稳定；是否不像任何明确真人或影视角色。
请围绕「用AI制作专属猫咪Vlog的保姆级图文教程」帮我做一个可直接执行的方案。 我的目标是：【填写你的具体目标】 我的素材/产品/角色信息是：【填写已有素材和限制】 请输出：角色定位、脸型方向、三庭五眼比例、五官主次、妆造记忆点、完整生图提示词。要求原创、有辨识度、避免撞脸和网红脸。