GPT Image（image2）+ Seedance 2.0：视频创作的“王炸组合”怎么用

做视频最折磨人的环节是什么？

不是想点子，是“把脑子里的画面变成能剪的素材”。

这套组合的爽点在这：

• GPT Image（image2）：用很简单的提示词就能把你的意图画出来，直接出分镜图。
• Seedance 2.0：把分镜图丢进去，生成视频，观感丝滑、稳定。

咱们把它当成一条流水线：脚本 → 分镜图 → 视频 → 字幕/配音。

你会用在什么场景？（很具体）

• 你要做 产品宣传：一天内出 3 条不同卖点的视频。
• 你做 知识科普：用镜头语言把“抽象概念”讲清楚。
• 你做 剧情短片：不用先拍摄，也能先把节奏和镜头跑通。
• 你是 运营/投放：快速做 A/B 测试素材，少加班一小时就很香 😄

核心思路：把“成片难度”拆掉

很多人直接文生视频，然后崩：人物变脸、镜头跳、风格飘。

更稳的做法是：

1. 用 GPT 把脚本变成“镜头语言”（每一镜要拍什么，怎么拍）。
2. 用 GPT Image 先定格画面（分镜图 = 你的视频蓝图）。
3. 用 Seedance 按分镜逐镜生成（每镜 3~5 秒最稳）。
4. 剪辑拼起来（再补字幕、音乐、配音）。

你会发现：分镜一旦定了，后面就像照着施工图盖房子。

准备工作：开工前你要定 4 件事

写在纸上都行，别偷懒。

• 主题：这条视频讲什么？
• 受众：给谁看？（新手/职场/宝妈/摄影圈…）
• 风格：写死一个，比如“写实电影感”“日系清新”“赛博朋克”。
• 规格：竖屏 9:16 还是横屏 16:9？时长 15s 还是 60s？

小建议：短视频更推荐 9:16，镜头更紧凑，转化更友好。

Part 1：用 GPT 产出“可执行脚本 + 分镜表”

你要的不是作文，是能直接拿去做分镜的结构化输出。

把下面这段提示词直接复制改改就能用：

✅ 提示词：脚本转分镜表

你是短视频导演兼编剧。
请把我给你的主题，输出为“可执行拍摄分镜”。
要求：
- 时长：30秒
- 画幅：9:16
- 风格：写实电影感，光影柔和
- 节奏：前3秒强钩子，中段信息密度高，结尾有行动引导
- 输出格式为表格，列包含：镜头号、时长、画面内容、景别/机位、镜头运动、屏幕字幕、旁白、音效/音乐建议
- 镜头数控制在 8~10 镜
主题：{把你的主题写在这里}
产品/品牌信息（可选）：{写这里}
目标受众：{写这里}
必须强调的卖点：{写这里}
禁用内容：{写这里，比如不要夸张承诺、不要出现竞品}

拿到分镜表后，你会得到一个很爽的东西：每一镜要画什么都明确了。

Part 2：用 GPT Image（image2）把分镜表变成“分镜图”

分镜图的目标不是“美术大作”，是稳定一致。

分镜图要做到的三件事

• 同一主角：发型、衣服、年龄别乱飘。
• 同一风格：色调、质感统一。
• 同一世界观：场景别从办公室跳到沙漠。

✅ 提示词模板：单镜头分镜图

把每个镜头独立生成一张图，按镜头号保存。

生成一张短视频分镜图（storyboard frame）。
画幅：9:16。
风格：写实电影感，柔和自然光，低饱和，轻胶片质感。
主体设定：同一个亚洲年轻女性，短发，白色衬衫+浅蓝牛仔裤，干净利落。
场景设定：现代办公室/城市街头（按镜头需要选择）。
镜头信息：{镜头号}，{景别/机位}，{镜头运动（如有）}。
画面内容：{把分镜表里“画面内容”粘过来}。
要求：画面简洁，主体明确，避免多人脸堆叠；不要文字水印。

🧩 一致性技巧（很关键）

• 固定“主体设定”段落：衣服、年龄、发型、配饰写死。
• 固定“风格设定”段落：电影感/日系/赛博，别一会儿写实一会儿插画。
• 镜头只改“画面内容”：别每镜都大改设定。

你要的是“同一条片子的不同镜头”，不是“十张好看的海报”。

Part 3：用 Seedance 2.0 把分镜图生成视频

这里的策略很简单：

• 逐镜生成：每张分镜图生成一个短视频片段。
• 每镜 3~5 秒：更稳，细节不容易崩。
• 用轻提示词控制运动：别一上来就“疯狂运镜”。

✅ Seedance 提示词模板：分镜图 → 视频片段

把对应分镜图上传，然后用类似这样的提示词：

参考上传的分镜图生成视频。
保持人物外观一致、服装一致、画面风格一致。
镜头运动：{例如：缓慢推近 / 轻微横移 / 稳定手持但不抖}
动作：{例如：她抬头看向镜头，轻微点头，拿起桌上的手机}
氛围：写实电影感，柔和自然光，低饱和，轻胶片颗粒。
时长：4秒。
画面稳定，不要突然变焦，不要换脸，不要新增人物。

运镜怎么选才不翻车？

• 想高级：缓慢推近、轻微横移。
• 想有纪录片味：稳定手持（但不抖）。
• 不建议：大幅旋转、快速拉远、连续变焦（非常容易崩）。

Part 4：剪辑拼接，让它像“真的一条片”

把每镜生成的片段拉进剪辑软件（剪映/PR/CapCut 都行）。

建议这样做：

• 镜头切点跟字幕走：字幕换行就切镜头，节奏立刻变好。
• 统一调色：哪怕只做一个 LUT/滤镜统一，也会更像一条片。
• 加环境音：键盘声、街道底噪、咖啡机声，真实感暴涨。

配音也别纠结：

• 你真人配音最自然。
• 不想出声就用 TTS，但记得加一点呼吸停顿，不然像播报新闻。

示例：做一条“AI 帮你写周报”的 30 秒短视频

脚本方向（给你一个能抄的结构）

• 钩子：周五 18:30 还在写周报？
• 痛点：改来改去、领导要重点、自己没重点
• 方案：用模板 + GPT 生成结构
• 演示：3 个输入 → 1 份周报
• 引导：评论区发“周报”拿模板

分镜建议（缩略版）

• 镜头1（2s）：电脑屏幕，文档空白，手敲键盘很急
• 镜头2（3s）：主角抬头崩溃，手机弹出“今晚能发吗？”
• 镜头3（4s）：切到手机/电脑输入三条要点
• 镜头4（4s）：屏幕出现结构化周报（不拍清文字，拍“结构感”）
• 镜头5（4s）：主角松口气，合上电脑起身
• 镜头6（3s）：夜景电梯/下班路，轻松
• 镜头7（4s）：镜头推近，字幕：评论区发“周报”

按这个逻辑做，你会发现：镜头不需要花里胡哨，信息很稳。

避坑清单（踩一次就想骂人）

• 分镜表写太虚：像“展示产品优势”这种话没法画。改成“镜头里出现什么”。
• 同一个角色每镜都变样：主体设定没写死，或者每次提示词都重写了一遍。
• 一镜拍太久：10 秒以上容易飘，拆成两镜更稳。
• 运镜太猛：旋转、快速拉远、跳跃式变焦，生成模型很容易失控。
• 画面里塞太多字：字越多越容易糊。用字幕解决，画面负责情绪。
• 风格关键词乱加：电影感 + 二次元 + 赛博朋克 + 水彩？别折磨模型，也别折磨观众。

你可以直接照抄的“工作流卡片”

• 用 GPT 产出：30 秒分镜表（8~10 镜）
• 用 GPT Image：每镜 1 张 9:16 分镜图（固定主体/风格）
• 用 Seedance：每镜 3~5 秒视频（轻运镜）
• 剪辑：按字幕切镜头 + 统一调色 + 环境音

做完一条，你就会很上头。 因为这套流程的反馈太快了：想法出来 → 画面出来 → 成片出来。

如果你愿意，把你的主题丢给我，我可以帮你把分镜表模板填满到“可直接生成分镜图”的程度。