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。

　　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。。。

　　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。

　　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。

　　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。

　　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。

　　你会发现，Nano Banana Pro既不具备对武林的知识，也无法准确地还原参考形象。

　　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。

　　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。

　　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。

　　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。

　　以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。