用 Midjourney/ChatGPT/Gemini 复现美女OL下班后去酒店换万圣节cosplay的流程(附提示词)
日本创作者公开了一套用 Midjourney、ChatGPT、Gemini 等生成 AI 复现"OL 下班后走进酒店换上万圣节 cosplay"全流程的提示词,按 STEP1 至 STEP5 拆解:挂员工证走出办公楼、夜街步行、酒店玄关脱鞋、沙发与床上的 cosplay 姿态。
日本创作者公开了一套用 Midjourney、ChatGPT、Gemini 等生成 AI 复现"OL 下班后走进酒店换上万圣节 cosplay"全流程的提示词,按 STEP1 至 STEP5 拆解:挂员工证走出办公楼、夜街步行、酒店玄关脱鞋、沙发与床上的 cosplay 姿态。
2026 年 AI 导演软件排名中,ScreenWeaver 位列第一,其后是 LTX Studio 和 Saga。该排名按“生成镜头是否与剧本文字保持关联”等标准评估六款覆盖至少两个制作环节的工具,ScreenWeaver 集成 Seedance 2.5、Veo 3.1、Kling 3.0 等 7 个视频模型,Auteur 版 39.99 美元/月,但工具内不含完整剪辑。
用 Google AI Studio 测试视频生成时,应制作带剪辑决策的三镜头连续序列,而非只看单条精彩片段。测试需统一拍摄简报、限定每镜头尝试次数(如三次)并预设费用上限,检查角色身份、道具位置与空间方向在剪辑点两侧是否一致。审片修改应只重生成受影响镜头,并以可接受成本交付可剪辑序列作为采用标准。
Gemini Omni Flash 擅长对话式编辑与多模态输入,Wan 3.0 可生成最长 30 秒片段并支持文档输入,两者各有优势。Luma AI 的 Ray 3.2 提供多关键帧序列、HDR 输出和 EXR 导出,Layers(由 Uni-1 驱动)支持单元素修改,适合生产流程。2025 年 AI 视频生成市场规模约 7 亿至 20 亿美元,北美领跑。
Veo 3.1 与 Runway Gen-4.5 的对比显示,创意团队选择 AI 视频工具时需兼顾生成质量与后期工作流,Luma Ray 3.2 以多关键帧控制(最多 16 个)加入竞争。
YouTube 委托 NRG 调查近 700 名过去 12 个月上传过视频的 14-44 岁用户,72% 的受访上传者表示会在视频或图片上使用 AI。超三分之二的 AI 视频发布者称内容中出现了自己,61% 的受访者有兴趣用 AI 把自己插入视频画面。报告还提到有创作者用生成式 AI 构建完整电影世界,形成一批“AI 作者”。
Higgsfield 的 Prompt Team 按提示词响应、运动稳定性、光照、角色一致性和编辑控制五项标准,对比了 Seedance 2.5、Veo 3.1。
Higgsfield 官方博客对比了 Higgsfield、Midjourney、OpenAI、Google Gemini、Adobe Firefly、Ideogram。
Higgsfield 在 2026 年十大 AI 视频生成器对比中位列第一,以 35+ 模型和工具整合角色一致性、广告制作与智能体能力于一份订阅。Runway 凭 Gen-4.5 主打剪辑与 VFX 流程,Kling 官方应用提供 Kling 3.0/4.0 直连,Google Flow 以 $4.99 起提供 Veo 3.1。各平台价格与额度均于 2026 年 10 月核验。
cinemaOS、CUTROOM 和 invideo 代表三条不同的 AI 视频剪辑路线:cinemaOS 是 Momentum Studios 的 Mac 原生订阅应用。
一份面向 2026 年的 AI 视频工具选购清单列出 10 项可快速验证的功能:多模型选择、文生视频与图生视频、音频、HD 分辨率、片段时长、画幅比例、水印政策、透明定价、移动端流程与隐私控制。
Sora 的 Web 与 App 已于 2026年4月26日、API 于 9月24日终止,作者认为真正受冲击的是把 API 接入工作流的用户,普通用户只是重新选一个更便宜的入口。
Krea 官方对比 Krea 3 与 Nano Banana Pro,称 Krea 3 在 Arena Multi-Image Edit、Design Arena 和 Artificial Analysis 三个榜单上均排名更高,多数编辑在原生 2K 下 8 秒内返回,且比 GPT Image 2 与 Nano Banana Pro 便宜 3 倍。
推荐理由:Krea 官方用三个公开榜单和同题实测对比自家 Krea 3 与 Nano Banana Pro,并列出各自适用场景。
Krea 3 Ultra 在 10 月 19 至 20 日公布的三个图像编辑榜单上分别位列 Arena 多图编辑第 4、单图编辑第 8、Artificial Analysis AA-Image-Editing v2.1 第 5、Design Arena 第 4(共 51 个模型)。
推荐理由:Krea 官方逐条拆解三个榜单的票数、置信区间与排名区间,说明同一模型为何出现四个名次。
NotebookLM 的 Video Overview 创作技能文件公开,完整呈现从读取笔记本来源、协助用户选定主题、确认设置到提交视频生成管线的多步工作流。该提示词重点在于意图消歧:区分新建视频与询问已有视频,用户重新开始时丢弃旧选项,并原样保留用户确认的主题文本提交生成。文件还包含问卷与审核卡片的 schema、格式与视觉风格规则、本地化要求及示例工具调用。
Hugging Face 宣布 TorchTPU 为 PyTorch 带来原生 TPU 后端,Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行,模型只需指定 device_map="tpu" 即可加载。
Synthesia 视频制作人实测十款 AI 视频生成器并给出排名,Seedance 2.5 因电影级运镜与运动表现居首,但仅支持 720p、最长约 15 秒且难以免费获取。
Frank Houbre 给出跨镜头保持同一角色的制作方法:先做一张正面主图加两三个角度参考,再使用模型自带的角色参考入口而非纯文本提示,最后按镜头风险拆解分镜。
推荐理由:作者按官方文档横向对比 Kling、Seedance、Flow、Runway 的角色参考入口,并给出可复用的分镜与参考图准备流程。
用 Grok API 的 grok-imagine-image-quality 模型在 3:4 比例下同提示词分别生成 1K(864×1152)与 2K(1776×2368)图像对比后发现,人脸特写 1K 已足够,全身等人物较小的构图差距明显:1K 睫毛糊成线块、珍珠耳环成模糊点,2K 能逐根画出睫毛并保留高光。
Google Flow 不提供任何官方 API、密钥或 SDK,开发者只能通过 Gemini API 或 Vertex AI 调用其背后的 Veo 3.1 视频模型。
Wireflow 用 Veo 3.1 Fast 各跑一次 8 条 Veo 3 提示词,8 秒 720p 带声音,结果 5 条通过、1 条部分通过、2 条失败。通过的多是单一镜头、单一动作加一句 15 词以内的台词;失败集中在要求一条 8 秒片段内切三个镜头,以及 39 词长台词被截断到 31 词。
推荐理由:作者用同一套参数实测 8 条 Veo 3.1 Fast 提示词,逐条给出成败原因与改写方式,可对照自己的出片流程。
在 VIBE 应用中,用户可在 iOS 和 Android 手机上直接选用 Google Veo 3.1 系列三个版本生成带声音的短视频,无需开发者账号或 API key。
学生可免费获得一年 Google AI Pro,并在 Google Colab 每月免费使用 A100 达 35 小时。配套的 ComfyUI Notebook 会根据 Colab Pro 提供的 T4 或 A100 自动切换对应模型。
WorldCast 构建覆盖 8 类任务、320 个手工案例、1352 个待生成视觉状态的基准,评测 12 个图像模型、统一多模态模型和视频生成系统。GPT-Image-2.5 搭配 GPT-6 Astra 取得 72.8 分,超过参评视频生成系统;改为一次输出全部步骤的网格图后降至 50.1 分。
用同两条提示词分别测试 Kling 3.0 Pro 与 Veo 3.1 Standard,Veo 3.1 在人物对镜头说台词的镜头更自然,Kling 3.0 Pro 在冷萃咖啡液体产品镜头更贴合提示词。
面向想拍成片却不想用 Higgsfield 的创作者,可按项目类型选替代工具:写剧本的剧集或短片用 ScreenWeaver(39.99 美元/月起)或 Saga(19.99 美元/月起)。
作者依据 Google Cloud 视频生成提示词指南(10 月 15 日更新)中的 13 个 Camera angles 与 12 个 Camera movements,用 ChatGPT 生成同一女性、同一路巷、同一夕照的对照图,做成 25 个运镜名称速查表。
一位用 RTX 3060 Laptop(6GB VRAM)做图像视频生成的创作者,分享了对 ChatGPT、Gemini、Grok、Meta AI 的日常使用感受。
AI 绘图时「小公女セーラ」及其英文「A Little Princess」均会被屏蔽,SakanaAI 解释原因是该名称在网络上被污染:有人用 AI 生成该角色的恶意图像并用于恶意点击网站。作者尝试查看 SakanaAI 提供的真相网站时,浏览器弹出钓鱼诈骗警告。
一位自学 AI 视频创作者用 Gemini 生成全 6 部构成的日式刀剑题材小说,再尝试将其漫画化、动画化。漫画阶段只得到分镜和图像、无法成篇,但画面质量很高;转为动画后成功做出"会动的漫画",追加彩色与配音后还意外自动生成了一首主题曲。
当地时间10月12日,Character.AI 在美国特拉华州法院提交《破产法》第11章重组申请,开启法院监督下的资产拍卖。迪士尼作为底价竞购方出价2000万美元,买下部分知识产权的非独占永久许可,并承诺用其雇佣的前员工提供过渡期技术服务,交易不包含公司主体、产品App和用户资产。
Claude 本身不能生成视频,但可通过 MCP 调用视频模型并返回成片 MP4。在 Wireflow 上搭建的四节点流水线中,Nano Banana Lite 生成关键帧,Gemini Omni Flash 1.1 与 Kling O3 各出 5 秒片段,Video Editor 合成 1920x1080 成片,全程 101 秒、消耗 176 credits。
VIBE 的隐私政策规定,上传照片仅发送给生成视频所需的 AI 模型 API(如 Kling、Veo、Sora、Seedance、WAN),不用于训练模型、不做人脸识别,最长保存 90 天后自动删除,用户也可随时手动删除。提示词与生成视频保留在账户中直至用户删除,个人数据不出售;服务条款授予用户将生成视频用于个人及商业用途的许可,用户保留原始提示词和图片的所有权。
Google 正在全球范围扩大 SynthID Detector 的开放范围,让用户可检测图片、视频和音频中来自受支持工具的隐形 AI 水印。该工具此前仅面向有限用户,此次扩展后覆盖更多国家和地区。
Instagram上一个拥有超百万粉丝、带蓝标认证的账号发布AI生成的Mia Goth伪造图片,获近50万点赞,经八卦媒体和Google搜索AI摘要扩散后,Instagram以冒充公众人物为由删除该账号。
一位用户用 AI 图像生成想让自家猫摆出 JOJO 立,反复调整日语提示词未果,免费额度先用完,最终没能完成。体验中 Canva 生成画质出色,但免费服务普遍受额度限制;改用 Google 搜索的 AI 模式后,感觉其图像生成限制比 Gemini 更宽松。
用 Midjourney 生成的 5 张关键视觉图和絵コンテ,在 Gemini Omni 中生成 5 段竖屏 9:16 视频,每段约 3 秒,分别对应钩子、开瓶、饮用、甩镜到海、沙滩余韵五个镜头。作者随后在 Canva 里把 5 段视频拼接成一条 CM,原计划 15 秒,最终成片 20 秒。
同一组提示词下,ChatGPT(Pro、思考级别「高」)与 Gemini(Nano Banana 2.1)在缩略图、写实风、搞笑漫画、海报、局部修改 5 项测试中分别得 65 分与 70 分。ChatGPT 倾向把结果「加工得更好看」,在写实风与漫画两项偏离指定风格;Gemini 更忠实于提示词,但海报中「そう」一词的强调处理被扣分。局部修改两项双方均满分。
Google 的 Nano Banana 2.1 支持最多 14 张参考图,分为 10 个物体位和 4 个角色位,并新增 minimal、medium、high 三档思考级别,medium 为默认。
Ideogram 4.5、GPT-Image-2.5 和 Nano Banana 2.1 三款图像模型均宣称可可靠渲染文字,但 Ideogram 官方指南仍列出数字错误、多余标题、换行丢标点等失败案例。