模型们进步太快了，图像视频模型原来越听得懂人话，遵循的了指令，语言模型越来越多功能，控制能力思考能力越来越强，使用大模型来控制各种工具，在省事上更加省事。现在已经可以生成分镜了，不知道什么时候能到大成，直接生成一部短片，那可太爽了。 视频为我使用 Evoker 集成的 Seedance lite 模型生成的，首帧传了一张我拍的照片。 提示词很简单： 第一个画面，远景，一个穿着西服的女生坐在大树下的长椅上看书， 第二个画面，特写，画面切到女生的手，翻动书页， 第三个画面，中景，女生抬头看向天空， 画面真实唯美，柔光镜滤镜，莫兰迪色调。