用 ChatGPT、Google Flow 和 Claude Code 制作「动态 LINE 贴纸」全流程
一位不擅长电脑的上班族爸爸用 ChatGPT 生成 12 格绿色背景网格图、Claude Code 逐格切分并转成 LINE 规定的 APNG、Google Flow 将每格做成 4 秒视频,完成动态 LINE 贴纸制作到申请上架的全流程。他目前上架 5 套动态贴纸,累计销售额 76 日元,并记录了透明背景、画面裁切和规约报错等 7 类失败的修正方法。
一位不擅长电脑的上班族爸爸用 ChatGPT 生成 12 格绿色背景网格图、Claude Code 逐格切分并转成 LINE 规定的 APNG、Google Flow 将每格做成 4 秒视频,完成动态 LINE 贴纸制作到申请上架的全流程。他目前上架 5 套动态贴纸,累计销售额 76 日元,并记录了透明背景、画面裁切和规约报错等 7 类失败的修正方法。
一位 60 多岁的作者用 Gemini 尝试 AI 视频生成,输入"女性将热黑豆茶缓缓倒入杯中"等文字提示,生成了注茶、冒热气、黑豆特写等镜头。他发现提示词越具体(人物、场景、光线、运镜)结果越接近预期,但同一人物跨场景易变脸、手部变形等失败仍常见。他认为 AI 视频是素材工具,需与 Premiere Pro 剪辑配合,并看好其在短视频、商品介绍等副业方向的应用。
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5,这是首款支持可调推理强度的 Haiku 模型,面向摘要、分类和编程子 Agent 等高频任务,提示词不超 10 万 Token 时每百万输入、输出 Token 分别定价 0.10 美元和 0.50 美元。
AI 视频生成平台是把多个 AI 视频模型、文生视频与图生视频、云端渲染和导出打包在一起的单一服务,让用户从想法直接得到成片。
Dario 已实质性取得AI模型现阶段性全面胜利! 证据如下: 🔸凭借Opus 5.5、Sonnet 5.5、Haiku 5.5 精准高质量三连发,并配套Claude Code Mods插件等优化功能,问鼎AI霸主宝座 🔸Sam Altman叫停GPT-6.1 Astra自断手脚,GPT-6.1 Sol输给Opus 5.5、Sonnet 5.5,GPT-6 Luna参败给Haiku 5.5 🔸Elon Musk宣布Grok Bot正式接入Opus 5.5,间接承认 Grok 4.7 不如Opus 5.5 🔸Sundar 预告 Gemini 4 Argon 很强,但至今仍未开启公测,仍是纸上谈兵,也正在错失最佳模型迭代时机 #Dario #SamAltman #ElonMusk #Sundar #Haiku55 #Opus55 #GPT61Sol #GPT6Luna #Gemini4Argon #Grok47
Google 宣布其 SynthID 检测器现已支持所有合作方的水印,并上线独立网站 SynthID.com 供任何人使用。SynthID 是编码在 AI 生成图像、视频像素和音频波形中的隐形信号,Google 称仅 Gemini 就已为超过 1800 亿张图像和视频以及 24 万年时长的音频集成该水印。
谷歌在 Gemini API 正式发布图像生成与编辑模型 Nano Banana 2.1(模型 ID:gemini-nano-banana-2.1),单张 1K 图成本约 $0.034,约为 Nano Banana 2 的一半。
推荐理由:谷歌图像模型 2.1 单张成本约降一半并新增全景比例与 14 图融合,可据此评估是否迁移现有出图流程。
一套用自家产品实测 AI 图像生成器的方法:选三款难画的产品(带标签文字、反光表面、织物图案各一),固定尺寸与宽高比,用三条指令在每款模型上各跑两遍,共 18 张图,按形状比例、标签文字与 logo、材质色彩、光影、是否凭空添加五项逐张打分,全过才算通过。
印度广告标准委员会(ASCI)9 月 29 日发布 AI 广告规则,三个月后生效,要求合成网红、经同意的声音或面部克隆、虚构场景、不存在的产品演示等在可能误导买家时加注标签,虚假证言与未经同意的深度伪造被直接禁止,责任由广告主承担。
Gemini Nano Banana 2.1 是 Google 的图像生成与编辑模型,作为 Nano Banana 2 的继任者,现通过 Partner Nodes 在 ComfyUI 上线。
推荐理由:ComfyUI 官方接入 Gemini Nano Banana 2.1,创作者可对比其分辨率档位、思考等级与单次成本变化。
Nano Banana 2.1 现已在 Pika 上线。更出色的画质、更快的速度,并内置 Gemini 的真实世界智能。 你可以尽情“bananas”了。
Google 正式发布 Nano Banana 2.1 图像生成与编辑模型,官方称其在视觉设计、Mask 精准编辑和主体一致性上全面超过上一代,画面更自然真实。该版本已在 Gemini、Search AI Mode、AI Studio、Flow、Stitch、Google Ads 和企业平台铺开。
推荐理由:Google 图像生成模型升级,点名视觉设计、Mask 编辑与主体一致性三项能力变化,并已在多个产品线铺开。
谷歌发布 Nano Banana 2.1 图像模型,中文文字清晰度和错字问题大幅改善,中文字体设计与排版美学也较好,画面干净。该模型支持生成 4K 图片,输出 2K 每张 0.050 美元,输出 4K 每张 0.076 美元。
这篇 2026 年版速查表按用途给出 AI 图像生成工具的选择结论:追求画面美感选 Midjourney,需要日语文字入图或对话式修改选 ChatGPT 或 Gemini,商用图片重视版权合规选 Adobe Firefly。
2026 年 TikTok 上反复出现的 AI 视频趋势是六种可复用格式:AI 微短剧、超现实角色梗、会说话的动物与物品、ASMR 解压片段、配音电影感 B-roll 和"what if"第一人称场景。
腾讯混元团队与复旦大学合作推出开源视频模型 Prism,原生生成 2K 带音频,约 10 秒 24fps、48 kHz 音频,仅支持图生视频,720p 需 80 GB 显卡且暂无量化版本;代码在 Tencent-Hunyuan GitHub 组织下,预览权重放在个人 Hugging Face 账号,腾讯未发布官方公告。
mushigaite 在 GitHub 开源 short-video-maker,可将 YouTube 视频或本地文件自动切成 9:16 竖屏短视频,集成高光检测、字幕、翻译与配音,且无片头署名和水印。
推荐理由:开源项目把长视频切片、字幕、翻译与配音串成一条本地流程,可作为短剧出海剪辑工具的免费替代方案参考。
VIBE 发布电影级 AI B-roll 生成指南,提出"主体、动作、镜头、光线、调色"五段式提示词配方,并列出 Kling 3 Pro、Luma Ray 3.2、Google Veo 3.1、Sora 2 Pro 等模型的具体参数。
用 AI 音乐做广告歌可分五步:写歌词、生成并锁定歌曲、测量逐词时间轴、按小节做画面、加字幕。作者对照各家条款指出,Suno 付费档才把生成结果的权利让渡给用户,Udio 现行条款仅限个人非商用且关闭下载,ElevenLabs 自助套餐排除影视、电视和广播;Meta 与 TikTok 的通用音乐库均不可用于商业广告。美国版权局认为纯 AI 生成内容不受版权保护,人写的歌词是最能主张权利的部分。
按每分钟 183 词的朗读速度,15 秒广告脚本约写 35 词、30 秒约 70 词、60 秒约 145 词,留出约 20% 时间给无旁白的画面。文中给出 8 个 15/30/60 秒脚本范例,每行分「旁白」与「画面」两栏,并说明面向 AI 配音或 AI 主播写作时需一句一呼吸、句子控制在约 15 词内,且不得让生成主播声称自己使用过产品。
研究团队提出 "Image-to-Code" 方法,让编码智能体从单张照片生成可执行的 Blender 程序,并推出 LEGO-Bench 基准(208 张图像、104 个场景、443 个资产)评测效果。
Google 9 月发布前沿模型 Gemini 4 Argon,具备 100 万 token 输出上限,主打高级推理与网络安全防御,目前通过 Fairwind Program 向可信网络安全人员分批开放。
AI 视频生成模型(如 Veo、Kling、Runway)只负责按提示词产出片段,规划、审核与拼接仍由人完成;Agentic AI 视频生成则由智能体接管分镜、调用模型、筛选候选并组装成片。
作者称其视频并非用 Seedance 2.5 或 MiniMax H3 等专用视频工具制作,而是把自制工具生成的 Storyboard Sheet v5.0 分镜表交给普通 Gemini(Google Flow),提示词仅为请把这张分镜表直接做成视频并加上日语字幕。
哈佛的Julian Simcock与Google DeepMind的Rick Ingram加入Runway AI Summit,讨论物理AI监管、政策制定以及与中国的竞赛。
作者对 Kling 4 早期访问版做了实测,目前仅开放 Flash 模型、输出 720p,面向年度套餐的 Ultra 订阅用户,更大模型计划 10 月推出。测试显示 Kling 4 似乎解决了 3.0 的对口型漂移问题,关键帧参考最多支持十个,但表演略显平淡。
2026 年 9 月 16 日上线的 135 分钟全 AI 长片《奥德修斯:陨落》以 9.99 美元网页端租赁发行,画面 100% 由 Kling AI 生成、静帧用到 Google Nano Banana,预算约中五位数美元。
创作者 piromo 提出「ピロモ式・絵コンテ動画生成(Piromo Method)」,只需向 Gemini 上传一张自制分镜表(Storyboard Sheet)并提问「这张分镜能做成视频吗」,即可生成 10 秒电影级片段,全程不使用任何文本提示词。
Flora AI 采用按席位订阅加美元用量预算模式,四档自助套餐为 Free、$18、$50、$200 每月每席位,付费席位额度汇入共享池且不结转,失败生成与 FAUNA 助手对话不计费。
Google 与 XPRIZE、Range Media Partners 合作的 Future Vision XPRIZE 公布大奖得主,独立电影人 Jeff Synthesized 的《The Gifted》从全球 2500 多份投稿中胜出,获 10 万美元奖金及 250 万美元长片制作资金。
设计与AI领域近期集中出现 Claude Opus 5.5 的实战验证:有人将长文提示词交给 Opus 5.5,结合 Midjourney 与情绪板运行约 12 小时,隔夜生成完整长片。
Avid 提出智能体媒体制作四项要求:理解项目上下文、在明确权限内运行、知道何时需人工审批、留下操作记录。Luma Agents、Runway Agent 与 Adobe Creative Cloud 已推出各自的智能体方案,Netflix 以 5.87 亿美元收购 Ben Affleck 的 InterPositive。
bestagentkits 在 GitHub 开源 motion-video-skill,这是一个让 Agent 生成节拍同步动态图形视频的技能,输出 1920×1080、30 fps,画面切点落在音乐节拍上、揭示动画落在旁白词上。
YouTube 宣布 Shorts Series,允许创作者把 Shorts 组织成季和集,移动端与网页端创作者均可使用,观众可以按预期顺序观看竖屏短剧。作者认为这补上了开放平台微短剧最大的分发缺口,并与 TikTok 的微短剧产品一起,让微短剧的分发和变现能力向所有人开放。
在 2026 年 Made on YouTube 活动上,YouTube 公布微短剧内容今年上半年累计 6.5 亿次观看,较 2025 年增长 50%,其中电视端微短剧观看同比增长超过 90%。
Google 于 9 月 23 日推出 Gemini 3.8 TTS 与 Gemini 3.8 Flash-Lite TTS,称其为目前能力最强的音频生成模型。前者面向创意方向与角色设计,可用自然语言提示从零生成新声音,覆盖游戏、有声书、播客等场景,并支持超过 100 种语言和方言的角色、口音与声音特征定制;后者用于 AI 配音、内容创作和语音智能体。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮替的动态视觉形象。
推荐理由:Gemini 3.8 Live 新增实时数字人能力,支持 97 种语言口型同步与后台工具调用,企业可据此评估虚拟客服等场景。
用 Google Flow 的免费额度,只需上传一张宠物照片,即可直接生成宠物躺在薯片袋里偷吃薯片的 9:16 竖屏视频,无需先生成图片。作者公开了 16 种提示词,涵盖「うちの子ポテチ」「じゃがChai」「Chaiのマーチ」「Chaiのやま」「ポップコーン」等主题,含 Google Flow 视频提示词、图像生成提示词和 Gemini 视频提示词。
Trendlume v0.3.0 发布,将视频生成引擎从单一文本流水线升级为知识科普、电商带货、故事短剧三大赛道生产体系。
VIBE 的 AI 视频画幅比例指南指出,9:16 适配 TikTok、Instagram Reels 和 YouTube Shorts,16:9 用于 YouTube、网站和多数广告位,1:1 用于信息流与轮播,21:9 用于电影感 B-roll 和预告片。