楼主发表于 2026-01-25 06:03:56

第一节：AI智能写作实战指南：从零基础到高效产出的完整攻略

作者：莫潇羽 | 无忆研习社
文章类型：莫潇羽(李老师)直播课程配套资料 / 课堂笔记 / 复习手册
适用人群：AI新手小白、职场人士、学生群体、内容创作者
阅读提示：建议收藏本文，边看边实操，效果更佳

写在前面

你好，我是莫潇羽，无忆研习社的主理人。在过去一年多的时间里，我深度使用了市面上几乎所有主流的AI大模型，从最初的好奇尝鲜，到现在把AI融入日常工作的每一个环节，我深刻体会到：会用AI和不会用AI的人，效率差距正在以惊人的速度拉开。

这份资料是我直播课程的完整配套笔记，涵盖了AI辅助写作的方方面面。无论你是想用AI帮你写论文初稿、整理会议记录，还是想让AI帮你创作短视频脚本、设计海报，这份指南都能帮你找到最适合的方法。

重要声明：本课程中涉及论文写作的部分，强调的是AI辅助生成初稿，用于提高学习和研究效率。所有AI生成的内容都需要经过人工审核、修改和完善。请合理使用AI工具，禁止学术不端行为。 AI是你的助手，不是你思考的替代品。

第一部分：AI辅助论文初稿生成

为什么论文写作需要AI辅助？

相信不少同学都有这样的经历：面对一篇几千上万字的论文，不知道从何下手；明明脑子里有想法，却很难把它们组织成逻辑清晰的文字；查阅了大量资料，却不知道怎么把它们串联起来……

AI大模型的出现，为解决这些问题提供了新的可能。它可以帮你快速搭建文章框架、梳理写作思路、生成参考性的内容，让你把更多精力放在真正需要深度思考的地方。

但请记住，AI生成的永远只是初稿，它无法替代你对专业知识的理解、对研究问题的独特见解，以及严谨的学术态度。

一、大纲生成：搭建文章骨架

写论文就像盖房子，没有图纸就动工，最后只会一团糟。大纲就是你的"建筑图纸"，决定了整篇文章的结构和逻辑走向。

核心提示词模板：

帮我以《xxxxxxxxx》为主题写一个论文的大纲出来，要求全文12000字，整体可以分成"五"个大的章节，每个大的章节分为"三"个小章节即可，合理地分配每个部分的字数，整体的逻辑性要好，现在帮我生成这个大纲吧

提示词解析（这很重要）：

明确主题：把《xxxxxxxxx》替换成你的论文题目，越具体越好。比如"人工智能在医疗诊断中的应用研究"就比"AI应用研究"要好得多。
总字数要求：12000字只是示例，根据你的实际需求调整。本科论文通常8000-15000字，硕士论文3-5万字。
章节划分："五个大章节"和"三个小章节"可以根据需要修改。一般来说，五章结构（绪论、理论基础、研究方法、分析讨论、结论）是比较经典的论文框架。
字数分配：让AI帮你分配各部分字数，可以避免写作时"头重脚轻"或"虎头蛇尾"的问题。

实操案例：

假设莫潇羽要写一篇关于"直播电商对消费者购买决策的影响"的论文，我的提示词会这样写：

帮我以《直播电商对消费者购买决策影响的实证研究》为主题写一个论文的大纲出来，要求全文15000字，整体可以分成"五"个大的章节，每个大的章节分为"三"个小章节即可，合理地分配每个部分的字数，整体的逻辑性要好，现在帮我生成这个大纲吧

AI可能给出的大纲结构：

第一章绪论（约2000字）

1.1 研究背景与意义（700字）
1.2 国内外研究现状（800字）
1.3 研究内容与方法（500字）

第二章理论基础与概念界定（约2500字）

2.1 直播电商的内涵与特征（800字）
2.2 消费者购买决策理论（900字）
2.3 相关理论模型构建（800字）

第三章研究设计（约2500字）

3.1 研究假设的提出（800字）
3.2 问卷设计与变量测量（900字）
3.3 数据收集与样本描述（800字）

第四章实证分析（约5000字）

4.1 信效度检验（1500字）
4.2 相关性分析（1500字）
4.3 回归分析与假设检验（2000字）

第五章研究结论与展望（约3000字）

5.1 研究结论总结（1000字）
5.2 管理启示与建议（1200字）
5.3 研究局限与展望（800字）

二、内容生成：填充血肉

有了大纲这副"骨架"，接下来就是往上面填充"血肉"了。这一步需要特别注意：不要试图一次性让AI生成全文，而是分章节、分小节地推进。

核心提示词模板：

这篇文章全文约12000个汉字，结合你已有的知识库的内容，按需联网搜索资料，联系上下文，把

"xxx小章节标题的内容(字数)"

这部分内容生成出来吧，要符合论文的输出方式；文章要求原创；中文输出；去除AI味儿；不要使用例如"首先、其次、再次、此外、最后"等这样生硬的过渡词，开始你的创作吧

提示词核心要点拆解：

上下文联系：让AI知道这是系列创作的一部分，保持前后一致性。
联网搜索：对于需要最新数据或专业知识的内容，开启联网功能可以让输出更有参考价值。
去AI味儿：这一点非常关键。AI生成的文本往往有一些典型特征，比如过度使用"首先、其次、再次"这样的连接词，或者"总之、综上所述"这样的总结性表达。明确告诉AI避免这些，可以让文本更加自然。
符合论文规范：论文有特定的语言风格和表达方式，需要明确提醒AI注意这一点。

实操技巧——分段式推进：

以上面的大纲为例，我会这样一步步推进：

第一轮对话：

这篇文章全文约15000个汉字，结合你已有的知识库的内容，按需联网搜索资料，联系上下文，把"1.1 研究背景与意义（700字）"这部分内容生成出来吧，要符合论文的输出方式；文章要求原创；中文输出；去除AI味儿；不要使用例如"首先、其次、再次、此外、最后"等这样生硬的过渡词，开始你的创作吧

第二轮对话：

很好，现在继续生成"1.2 国内外研究现状（800字）"这部分，注意与前文的衔接，保持风格一致。

以此类推，直到完成所有章节。

莫潇羽的独家建议：

保持同一对话窗口：在同一个对话中持续推进，AI会记住上下文，输出会更连贯。
适时提供反馈：如果某一部分生成得不满意，直接告诉AI哪里需要调整，它会根据反馈优化。
手动添加你的见解：AI生成的是初稿框架，你自己对课题的独特思考和创新观点，才是论文的灵魂。
务必核实引用：AI可能会"创造"一些并不存在的参考文献，所有引用都需要你手动核实。

三、论文初稿的后续处理

AI帮你生成初稿后，你的工作才真正开始。无忆研习社（www.wuyi.wiki）的莫潇羽在这里分享几个关键步骤：

查重与降重：AI生成的内容虽然是"原创"，但表达方式可能和网上已有内容相似，需要用专业工具检测。
专业性审核：请你的导师或专业人士审阅，确保内容的学术准确性。
格式规范：按照学校或期刊的要求调整格式、参考文献格式等。
多轮修改：好论文是改出来的，不要指望一稿定音。

第二部分：智能整理杂乱文本

场景描述

日常工作中，我们经常会遇到这样的情况：开完一个两小时的会议，用录音软件转成了文字，但转出来的内容杂乱无章——有错别字、有语序颠倒、有前后重复、有无意义的语气词……

手动整理？太费时间。不整理？这份记录基本没法用。

AI大模型可以帮你解决这个痛点。

核心提示词模板

参考这篇文档，帮我写一篇详细的文章，去AI痕迹，文本里的段落顺序有可能是错乱的，你要根据文章的内容意思智能地理一下顺序，根据语义智能修复语音转文字时的转写错误，需要联网核实文中引用的网址等信息是否正确】【文章中不要提转写稿字样，以资深作者视角来写，排版适配公众号排版，要讲解的尽可能的详细(文章至少要xxx字以上，可以联网丰富资料)，对小白要友好，输出一个完整的.md文件给我】现在开始创作.md文件稿吧

提示词解析

这是一个相当复杂的提示词，我来逐一拆解：

1. 段落顺序智能调整

语音转文字的内容，往往不是按照逻辑顺序排列的。说话人可能会跳跃、插入、补充，导致文字记录看起来杂乱无章。让AI"根据内容意思"重新组织顺序，可以得到逻辑通顺的文章。

2. 转写错误修复

语音识别技术虽然越来越强，但仍然会出错。尤其是同音字、专业术语、人名地名等。AI可以根据上下文语义，智能修复这些错误。

3. 联网核实信息

如果原文中提到了某些网址、数据、事实，AI会尝试联网确认其准确性，避免以讹传讹。

4. 去转写痕迹

最终输出的文章，看起来应该是一篇正常的、可读性强的文章，而不是"根据会议录音整理"这种明显的转写稿风格。

5. 适配公众号排版

如果你的最终用途是发布到微信公众号，提前说明这一点，AI会注意段落长度、留白、重点突出等排版细节。

实操案例

假设你有一段混乱的会议记录：

然后呢关于下个月的营销计划，李总提到要加大在抖音的投放，哦对了他还说上个月的数据出来了转化率提升了15%，还有张经理说的那个私域流量的事情要跟进一下，客服那边反馈说用户对新功能不太懂，产品组要出个教程，对了市场部那边建议做一个促销活动配合双十一……

使用上述提示词后，AI会帮你整理成：

## 一、上月数据回顾

据李总介绍，上月的营销数据已经出炉。从整体情况来看，转化率实现了15%的提升，说明前期的策略调整正在发挥作用。

## 二、下月营销计划

针对下月的工作安排，主要明确了以下几个方向：

李总提出要加大在抖音平台的投放力度，这与当前短视频流量红利的趋势相符。市场部建议配合双十一策划一场促销活动，以提升销售转化。

## 三、待跟进事项

张经理负责的私域流量项目需要持续跟进。同时，针对客服反馈的用户对新功能不熟悉的问题，产品组需要尽快制作使用教程。

适用场景

这套方法不仅适用于会议记录，还可以用于：

采访录音整理成稿件
直播/播客内容转成文章
讲座笔记系统化
零散素材整合成完整内容

第三部分：文心一言实战指南

百度文心一言是国内最早发布的大语言模型之一，经过多次迭代，在中文理解和知识准确性方面有着不错的表现。它的定位是"知识增强型AI助手"，特别适合需要专业性、准确性的场景。

一、报告撰写

使用场景：工作汇报、行业报告、调研报告等

提示词模板：

作为一名资深的[行业]分析师，帮我撰写一份关于[主题]的分析报告，要求包含以下部分：
1. 行业背景概述
2. 现状分析
3. 存在的问题
4. 发展趋势预测
5. 建议与对策
全文约[X]字，数据尽量使用近期的（2024-2026年），语言专业客观，配合图表说明可以的话列出建议配图位置。

文心一言的独特优势：

百度搜索生态支持，可以获取较新的数据
对中文行业术语理解更准确
多人协同编辑功能，适合团队协作

实操技巧：

写报告时，可以让文心一言先生成大纲，确认框架合理后再逐部分展开。如果对某一部分数据有疑问，可以要求它给出数据来源，方便你进一步核实。

二、行业分析

提示词模板：

请以行业研究员的角色，对[具体行业]进行深度分析，需要涵盖：
- 市场规模与增长趋势
- 主要玩家与竞争格局
- 技术发展与创新方向
- 政策环境与监管动态
- 投资机会与风险提示
联网搜索最新信息，用数据说话，避免泛泛而谈。

三、教案设计

适用人群：教师、培训师、知识博主

提示词模板：

作为有10年经验的[学科]教师，帮我设计一节关于[主题]的教案，学生年级为[X年级/大学X年级]，课时[X]分钟，要求包含：
- 教学目标（知识、能力、情感）
- 教学重难点
- 教学方法
- 教学过程（导入、新授、练习、总结）
- 板书设计
- 作业布置
内容要符合国家课程标准，活动设计要有趣味性和互动性。

文心一言的教育优势：

根据无忆研习社莫潇羽的测试，文心一言在教育领域有一个亮点——课标对齐准确率据称可达92.7%。这意味着它生成的教案内容更符合教学规范，减少了教师调整的工作量。

四、知识点梳理

提示词模板：

帮我梳理[学科/领域]中关于[主题]的核心知识点，要求：
1. 按照由浅入深的逻辑排列
2. 每个知识点配一个简明的例子
3. 标注重点和常见考点
4. 知识点之间的关联关系要说清楚
输出格式为思维导图结构（用markdown缩进表示层级）

五、题库生成

提示词模板：

根据[知识点/章节]的内容，帮我出[X]道练习题，要求：
- 选择题[X]道（单选和多选都要有）
- 填空题[X]道
- 简答题[X]道
- 综合题[X]道
难度分布：基础题60%、中等题30%、提高题10%
每道题附上答案和解析，解析要详细说明解题思路。

六、文献解读

适用场景：学术研究、论文写作准备

提示词模板：

请帮我解读以下文献的核心内容：[粘贴摘要或上传PDF]
需要分析的维度包括：
- 研究问题与背景
- 研究方法与数据来源
- 核心发现与结论
- 创新点与贡献
- 局限性与未来研究方向
- 对我研究的启示
用通俗的语言解释专业术语，让非专业人士也能理解。

七、多语言翻译

提示词模板：

将以下[源语言]文本翻译成[目标语言]，要求：
- 保持原文的语气和风格
- 专业术语翻译准确（如有，请附上原文）
- 符合[目标语言]的表达习惯
- 翻译后请简要说明哪些地方做了意译处理
[待翻译文本]

八、PPT大纲生成

提示词模板：

帮我生成一份关于[主题]的PPT大纲，预计[X]页，演示时长[X]分钟，要求：
- 每页标题+3-5个要点
- 标注建议配图类型（图表/图片/图标）
- 逻辑清晰，有起承转合
- 最后一页为总结和号召性内容
用途是[汇报/培训/路演/其他]，风格偏[正式/活泼/科技]

九、表格制作

提示词模板：

帮我制作一份关于[主题]的对比分析表格，需要对比的维度包括：[维度1、维度2、维度3……]，对比对象为：[对象A、对象B、对象C……]，表格内容要具体、有数据支撑，输出markdown表格格式。

十、思维导图绘制

提示词模板：

帮我绘制一份关于[主题]的思维导图，用markdown缩进格式表示层级关系，要求：
- 中心主题明确
- 分支不超过[X]个大类
- 每个大类下的子类控制在3-5个
- 最多展开到3级
- 重点内容用加粗标注

第四部分：豆包实战指南

豆包是字节跳动推出的AI助手，依托抖音、今日头条等产品的内容生态，在创意类内容生成方面有着独特的优势。它的定位是"全能行动者"，特别适合需要创意、需要和短视频生态结合的场景。

一、短视频脚本创作

这是豆包最擅长的领域之一。

基础提示词模板：

帮我写一个[X]秒的短视频脚本，主题是[具体主题]，要求：
- 目标平台：[抖音/快手/小红书/B站]
- 目标受众：[年龄、性别、兴趣特征]
- 内容类型：[教程类/种草类/剧情类/口播类]
- 包含：开头钩子、内容主体、结尾引导
- 分镜头描述（画面+台词+字幕）
- 推荐配乐风格
- 标签和话题推荐

进阶技巧——系列内容规划：

我想做一个关于[主题]的短视频系列账号，计划每周更新3条，帮我规划：
1. 30条选题清单（标注难易度和预估热度）
2. 每条选题的一句话核心卖点
3. 建议的发布顺序（从易到难，从热到专）
4. 系列内容的差异化定位

口播类脚本专用模板：

写一个60秒的口播视频脚本，主题是[话题]，风格是[专业权威/亲切接地气/搞笑吐槽/情绪共鸣]，要求：
- 前3秒的钩子必须抓人（最好是问题或反常识）
- 口语化表达，不要书面语
- 每15秒设置一个"爆点"或"转折"
- 结尾有明确的互动引导（点赞/评论/收藏/转发）
- 字幕需要标注重点强调的词

二、直播话术

直播开场话术：

帮我写一套[产品类型]直播的开场话术，时长3-5分钟，要求：
- 打招呼+活跃气氛
- 今日福利预告（制造期待感）
- 直播间规则说明
- 引导关注和互动
风格定位：[亲切邻家/专业顾问/活力带货/情感共鸣]

产品讲解话术：

为[产品名称]写一套直播讲解话术，产品信息如下：[产品基本信息、卖点、价格、优惠]，要求包含：
- 产品引入（痛点引入或场景引入）
- 卖点讲解（利益点而非功能点）
- 信任背书（资质、销量、评价）
- 价格塑造（原价vs现价的对比话术）
- 逼单话术（限时限量紧迫感）
- 异议处理（预设常见问题的回应）

直播互动话术：

给我一套直播间互动话术模板，包括：
- 欢迎新进直播间的用户（5种变体）
- 感谢点赞的话术（3种变体）
- 引导评论的问题设计（10个问题）
- 冷场时的暖场话术（5套）
- 处理黑粉/喷子的话术（温和但坚定）

三、文案创作

小红书种草文案：

为[产品]写一篇小红书种草笔记，要求：
- 标题：20字以内，包含emoji，有爆点
- 正文：300-500字
- 人称：第一人称，分享体验
- 结构：钩子+使用场景+体验细节+效果对比+推荐理由
- 结尾：软性推荐，不要硬广感
- emoji使用自然，不要过密
- 配图建议：需要哪些角度的图

朋友圈文案：

帮我写[X]条朋友圈文案，主题是[产品/活动/日常]，要求：
- 每条不超过150字
- 风格：[真实分享/轻松幽默/走心感悟]
- 有故事感或画面感
- 结尾可以有小尾巴但不要太商业
- 给出配图建议

公众号爆款标题生成：

为这篇文章生成10个公众号标题，文章主题是：[主题摘要]
要求：
- 5个走情绪路线（好奇/恐惧/期待/愤怒/共鸣）
- 3个走干货路线（数字/方法/清单）
- 2个走热点路线（蹭热点关键词）
- 控制在25字以内
- 标注每个标题的优势和适用情况

四、视频生成相关

视频分镜设计：

根据以下文案，帮我设计分镜头脚本：[文案内容]
输出格式为表格，包含：
- 镜头序号
- 时长（秒）
- 画面描述
- 景别（远/全/中/近/特写）
- 运镜方式（固定/推/拉/摇/移/跟）
- 画外音/字幕
- 配乐/音效建议

五、视频分析与关键片段提取

视频内容分析：

请分析这段视频的内容[上传视频或提供链接]，需要提取的信息包括：
- 核心主题和主要观点
- 关键时间节点和对应内容
- 高潮/爆点时刻标注
- 金句摘录
- 可借鉴的表现手法
- 改进建议

爆款视频拆解：

帮我拆解这个爆款视频的成功要素：[视频描述或链接]
从以下维度分析：
- 选题策略（为什么这个话题能火）
- 开头钩子（前3秒做了什么）
- 内容结构（如何保持观众注意力）
- 表现形式（画面、声音、字幕的配合）
- 情绪曲线（观众情绪如何被引导）
- 结尾设计（如何引导互动和转化）
- 可复制的方法论提炼

六、图像解读

图片内容识别与描述：

请描述这张图片的内容[上传图片]，需要包括：
- 画面主体是什么
- 场景/背景环境
- 色彩和构图特点
- 传递的情绪/氛围
- 如果用于[具体用途]，这张图是否合适，为什么

七、日程规划

日程安排助手：

帮我规划[时间段]的日程安排，我的情况是：[基本信息：工作性质、作息习惯、待办事项清单、优先级说明]
要求：
- 时间精确到半小时
- 考虑精力曲线（高效时段做重要事）
- 预留缓冲时间
- 包含必要的休息和用餐
- 提示可能的时间冲突
- 给出时间管理建议

每周计划模板：

帮我制定下周的工作计划，我的目标是[本周目标]，手头的任务有：[任务清单]
请帮我：
1. 按重要紧急四象限分类
2. 估算每项任务所需时间
3. 分配到周一至周五
4. 标注每天的核心任务（不超过3个）
5. 列出可能的风险和应对预案

八、购物攻略

产品选购指南：

我想买[产品类型]，预算[X]元，主要用途是[使用场景]，帮我：
1. 科普选购时需要关注的参数
2. 不同价位段的产品定位
3. 推荐3-5款性价比高的选择
4. 每款产品的优缺点对比
5. 购买渠道和购买时机建议
6. 常见的坑和避雷指南

九、旅游方案设计

旅行规划助手：

帮我规划一次[目的地]的旅行，基本信息：
- 出发地：[X]
- 出行时间：[X月X日-X月X日]
- 同行人员：[人数、关系、年龄]
- 预算：[总预算或人均预算]
- 偏好：[自然风光/人文历史/美食/购物/休闲度假]
- 特殊需求：[有老人小孩/需要无障碍/饮食限制等]

请提供：
1. 行程规划（按天、按时段）
2. 交通方案（往返+当地）
3. 住宿推荐（位置、价位、平台）
4. 必去景点&隐藏小众点
5. 美食推荐（按价位和类型）
6. 预算明细估算
7. 行李清单
8. 注意事项

第五部分：腾讯混元实战指南

腾讯混元（元宝）是腾讯推出的AI助手，最大的特点是深度嵌入微信生态，支持在微信内直接使用，无需额外下载APP。它的定位是"社交生态嵌入式AI助手"，特别适合需要便捷使用、与微信场景结合的需求。

使用方式

在微信中搜索"腾讯元宝"小程序，用微信账号直接登录，即可开始使用。这种"无感化"的使用体验，是腾讯混元的最大优势。

一、会议纪要整理

语音转文字+智能总结：

使用场景：微信群或私聊中的语音消息、会议录音

操作方式：

将语音消息或音频文件发送给腾讯元宝
输入提示词要求整理

提示词模板：

请将这段语音/录音整理成会议纪要，要求：
1. 提炼核心议题和讨论要点
2. 列出每位发言人的主要观点
3. 整理出明确的决议事项
4. 提取行动项（包含负责人和deadline）
5. 记录待讨论/待定事项
输出格式要清晰，方便直接转发给与会人员。

进阶——带模板的会议纪要：

请按以下模板整理会议纪要：

会议主题：
会议时间：
参会人员：

一、会议背景
[简要说明]

二、讨论要点
1. [议题一]
   - 现状：
   - 讨论观点：
   - 结论：

三、决议事项
| 序号 | 事项 | 负责人 | 完成时间 |
|-----|-----|-------|---------|

四、下次会议安排

二、PDF文档总结

文档快速阅读：

上传PDF文档后，使用以下提示词：

请总结这份文档的核心内容，包括：
1. 一句话概括文档主旨
2. 核心观点/结论（3-5点）
3. 关键数据/证据
4. 我需要关注的重点
5. 文档的结构大纲
不要遗漏重要信息，但也要简明扼要。

针对性提问：

根据这份文档，回答以下问题：
[问题1]
[问题2]
[问题3]
请标注答案在文档中的位置，方便我查阅原文。

三、任务拆解与提醒

任务分解：

我需要完成[任务描述]，deadline是[日期]
请帮我：
1. 把这个大任务拆解成可执行的小步骤
2. 估算每步需要的时间
3. 标注各步骤之间的依赖关系
4. 倒推时间，给出每步的建议完成日期
5. 提醒可能的风险点和buffer时间

日程提醒设置：

腾讯混元的一大特色是可以设置任务提醒，直接在微信中收到通知。

帮我设置以下提醒：
- [任务1]：[日期] [时间] 提醒
- [任务2]：[日期] [时间] 提醒
- [周期任务]：每[周一/天/月] [时间] 提醒

四、微信内直接交互

对话内容总结：

当你需要快速了解一个长对话的内容时：

请总结以下对话的核心内容：
[粘贴对话内容]
需要提取：
1. 讨论的主题
2. 各方的观点
3. 达成的共识
4. 存在的分歧
5. 后续需要跟进的事项

智能回复撰写：

当你不知道怎么回复一条消息时：

请帮我回复以下消息：[粘贴对方消息]
背景情况：[说明你和对方的关系、事情的来龙去脉]
我的态度是：[同意/拒绝/需要考虑/需要更多信息]
语气要求：[正式/亲切/委婉/直接]

五、广告文案

信息流广告文案：

为[产品/服务]写一组信息流广告文案，投放平台是[微信朋友圈/头条/抖音]
产品信息：[核心卖点、目标人群、价格、优惠]
要求：
- 5个标题（控制字数符合平台规范）
- 3个正文版本（长中短各一个）
- 行动引导语
- 配图建议

品牌软文：

为[品牌]写一篇软文，核心信息是[产品/活动]
要求：
- 不要硬广感，要有阅读价值
- 植入自然，不生硬
- 故事化或干货化的方式呈现
- 字数[X]字左右

六、活动策划

活动方案撰写：

帮我策划一场[活动类型]，基本信息如下：
- 活动目的：[拉新/促活/转化/品牌曝光]
- 目标群体：[人群画像]
- 预算范围：[X]元
- 活动时间：[X]
- 活动渠道：[线上/线下/OMO]

请提供完整的活动方案，包括：
1. 活动主题和slogan
2. 活动形式和流程
3. 奖品/福利设计
4. 传播计划
5. 风险预案
6. 预算分配
7. 效果预估和KPI

七、游戏攻略

游戏攻略查询与生成：

请给我[游戏名称]中[具体内容：角色/关卡/玩法]的攻略
需要包括：
- 基础介绍
- 进阶技巧
- 常见误区
- 配装/阵容推荐（如适用）
- 资源获取建议

八、双模型协同

腾讯混元的一个特色功能是支持"混元+DeepSeek"双模型协同。在处理代码、数学等逻辑性强的问题时，系统会自动切换到DeepSeek模型，提供更精准的输出。

第六部分：综合应用场景演练

理论讲完了，接下来是无忆研习社莫潇羽给大家准备的实战演练环节。这些场景都是日常工作学习中最常遇到的，跟着练一遍，基本就能掌握核心技巧了。

场景一：职场人士——季度工作总结

任务要求：撰写一份500字左右的季度工作总结，包含工作成果、问题不足、下一步计划，语言正式专业。

推荐模型：文心一言（知识准确，结构严谨）

实操提示词：

作为职场白领，帮我写一份季度工作总结，要求500字左右，分工作成果、问题不足、下一步计划三部分，工作成果部分需量化数据（用X代替待填充数据），语言正式专业

生成后处理：

将"X"替换为你的实际数据
根据你的真实工作情况调整内容细节
检查是否符合公司的汇报风格

场景二：学生——课程论文大纲与文献解读

任务要求：生成《大数据在电子商务中的应用》论文大纲，并解读1篇相关文献的核心观点。

推荐模型：文心一言（课标对齐，文献解读能力强）

实操步骤：

步骤一——生成大纲：

帮我写《大数据在电子商务中的应用》论文大纲，含摘要、引言、核心应用、技术支撑、案例分析、结论6部分

步骤二——文献解读：

找到1篇相关文献（PDF格式），上传到文心一言，然后输入：

帮我解读这篇文献的研究目的、核心方法、结论，用300字总结

场景三：内容创作者——短视频脚本与海报设计

任务要求：创作一条20秒的美妆教程短视频脚本，并设计一张配套宣传海报。

推荐模型：豆包（脚本创作）+ 智谱清言（海报设计）

实操步骤：

步骤一——用豆包写脚本：

写一个20秒的口红试色短视频脚本，包含镜头、台词、背景音乐建议

步骤二——用智谱清言生成海报：

生成一张美妆短视频宣传海报，主题是口红试色，风格甜美清新，包含'20秒get显白口红'文字

场景四：日常办公——会议纪要整理与任务拆解

任务要求：将一段10分钟的会议语音整理成纪要，并拆解会议中的行动项。

推荐模型：腾讯混元（微信内操作便捷，语音转写准确）

实操步骤：

步骤一——转发会议语音到腾讯元宝，输入：

整理成会议纪要，分讨论要点和行动项，行动项标注负责人和时间

步骤二——针对行动项，继续输入：

帮我把每个行动项拆解为具体的实施步骤，并设置任务提醒

第七部分：常见问题与进阶技巧

常见问题解答

Q1：生成的内容不符合预期怎么办？

解答：

检查你的指令是否足够具体，是否包含了"角色+任务+要求"三要素
如果已经生成但不满意，使用"追问优化"，告诉AI哪里需要调整
尝试更换模型：专业内容优先文心一言，创意内容优先豆包

Q2：担心个人数据泄露该注意什么？

解答：

避免在对话中输入敏感信息（身份证号、银行卡号、公司核心机密）
使用官方正规渠道，不要使用来路不明的"套壳"应用
如有本地部署需求，可以考虑开源模型如Llama系列

Q3：模型生成的内容有错误怎么办？

解答：

交叉验证：用另一个模型核对同样的信息
开启联网功能：文心一言、智谱清言等都支持联网搜索
重要信息务必人工核实，专业领域内容需咨询专业人士
AI是辅助工具，不是权威来源

Q4：手机端和电脑端使用有什么区别？

解答：

电脑端适合：长文本创作、文档处理、复杂多轮对话，功能更完整
手机端适合：随时随地的快速查询、语音输入、碎片化使用
建议：深度创作用电脑，日常辅助用手机

进阶使用技巧

技巧一：指令优化——具体不笼统

❌ 不好的指令：写一篇好的文案

✅ 好的指令：写一篇适合小红书的护肤品文案，目标人群25-30岁女性，突出保湿功效，语言亲切有网感

技巧二：复杂任务分步骤下达

不要试图用一条指令完成所有事情。把大任务拆解成小步骤：

先让AI生成大纲
确认大纲后，逐部分填充内容
最后整体优化语言和衔接

技巧三：多模型协同使用

创作类工作流：

豆包生成初稿 → 文心一言优化专业度 → 智谱清言设计配图

办公类工作流：

腾讯元宝整理信息 → 文心一言生成正式报告 → 豆包制作PPT大纲

技巧四：功能隐藏技巧

各个模型都有一些不那么显眼但很实用的功能：

文心一言：文档对比功能
豆包：Excel公式生成
智谱清言：!命令快速调用功能
腾讯元宝：聊天记录总结

第八部分：课程总结与作业

课程核心要点回顾

这节课我们学习了四大国产AI模型的核心定位和实操方法：

百度文心一言：知识增强型，适合学术研究、专业报告、教育场景
豆包：全能行动型，适合创意内容、短视频、生活服务
智谱清言：多模态创意型，适合图像生成、智能体定制、代码开发
腾讯混元：社交生态型，适合办公协作、微信场景、便捷使用

核心方法论："需求匹配模型"——根据你的具体需求，选择最适合的AI工具，通过精准指令获得最佳输出。

课后作业

作业一（必做）：

选择一个自己的真实需求（如写一篇读书笔记、设计一份旅行计划、整理一次会议纪要），使用至少2个AI模型完成，对比不同模型的输出效果，撰写500字左右的使用心得。

作业二（选做）：

尝试在智谱清言中定制一个个性化智能体，用于解决你的特定场景需求（如考研复习、职场技能提升），并测试其使用效果。

作业三（互动）：

收集1-2个你在AI使用过程中遇到的问题，下节课我们一起交流讨论。

写在本小节的最后

AI工具的发展日新月异，今天学到的具体功能和界面，可能过不了多久就会更新迭代。但有一点是不变的：学会"与AI协作"的思维方式，比记住任何一个具体操作都重要。

莫潇羽在无忆研习社（www.wuyi.wiki）会持续分享AI工具的最新动态和使用技巧。如果这份资料对你有帮助，欢迎收藏、转发，也欢迎在评论区留下你的使用心得。

我们下一小节课见！

本文作者：莫潇羽
来源：无忆研习社（www.wuyi.wiki）
声明：本文为原创内容，未经授权禁止转载。文中涉及论文写作的内容仅供学习参考，AI生成内容为初稿性质，请合理使用AI工具，禁止学术不端行为。

第二节：Google Gemini AI 图像编辑完全指南：Nano Banana 功能深度解析与实战教程

作者：莫潇羽 | 无忆研习社
文章类型：莫潇羽(李老师)直播课程配套资料 / 课堂笔记 / 复习手册
适用人群：AI新手小白、职场人士、学生群体、内容创作者
阅读提示：建议收藏本文，边看边实操，效果更佳

前言

在人工智能图像处理领域，Google 推出的 Gemini AI 凭借其强大的 Nano Banana 图像编辑功能，正在彻底改变人们处理图片的方式。无论你是专业设计师、内容创作者，还是普通用户，都可以通过简单的自然语言指令，实现过去需要复杂软件和专业技能才能完成的图像编辑操作。

「无忆研习社」在深度研究和测试后，为大家整理了这份详尽的使用指南。本文将带你从零开始，逐步掌握 Nano Banana 的各项强大功能。

第一章：认识 Nano Banana

1.1 什么是 Nano Banana？

Nano Banana 是 Google DeepMind 开发的原生图像生成和编辑模型，集成于 Gemini AI 平台中。它利用先进的深度学习技术，能够理解自然语言指令并对图像进行智能编辑。

该功能在 2025 年正式发布后，迅速成为 LMArena（AI模型评测平台）上排名最高的图像编辑模型，在图像编辑和文生图两个榜单上均位居榜首。

1.2 Nano Banana 的两个版本

目前 Nano Banana 提供两个版本：

Nano Banana（标准版）

基于 Gemini 2.5 Flash Image 模型
适合快速、日常的图像编辑
生成速度快，资源消耗低
免费用户可使用

Nano Banana Pro（专业版）

基于 Gemini 3 Pro Image 模型
适合复杂的专业级图像处理
支持更高分辨率输出（1K、2K、4K）
具备高级文字渲染能力
需要付费订阅或有使用配额限制

1.3 核心技术优势

Nano Banana 相比传统图像编辑工具具有以下优势：

自然语言交互：无需学习复杂的软件操作，只需用日常语言描述你想要的效果
角色一致性：在多次编辑中能保持人物特征的一致性
智能理解：能够理解图像内容和上下文，做出合理的编辑决策
多轮对话：支持在同一会话中持续优化和调整图像
多图融合：可以将多张图片智能合成为一张

第二章：访问 Nano Banana 的途径

2.1 Google Gemini 官方入口（推荐新手）

访问地址：https://gemini.google.com

这是最简单直接的使用方式：

打开浏览器，访问上述地址
使用 Google 账号登录
在左侧工具菜单中选择「🍌Create images」（创建图片）
选择模型：

「Fast」模式 → 使用 Nano Banana 标准版
「Thinking」模式 → 使用 Nano Banana Pro 版本

上传图片或输入提示词即可开始

使用限制：免费用户每天有一定的使用配额，达到限制后会自动切换到标准版本。Google AI Plus、Pro 和 Ultra 订阅用户享有更高配额。

2.2 Google AI Studio（推荐进阶用户）

访问地址：https://aistudio.google.com

Google AI Studio 是面向开发者的平台，但普通用户也可以使用，且通常有更宽松的使用限制：

访问 AI Studio 官网并登录
点击「Get started」或「New chat」
在模型选择中选择带有图像生成功能的模型
上传图片并输入编辑指令

优势：

相比 Gemini 主站，配额通常更充裕
提供更多模型参数调整选项
适合需要批量处理的用户

2.3 LMArena（推荐体验最新功能）

访问地址：https://lmarena.ai

LMArena 是由 UC Berkeley 研究人员创建的 AI 模型评测平台，用户可以在此匿名测试各种 AI 模型：

访问 LMArena 网站
选择「Battle」模式进行匿名对比测试
系统会随机分配两个模型供你比较
你可能会遇到正在测试中的新版本模型

特点：

可以体验到尚未正式发布的新功能
匿名测试机制，更客观评估模型效果
无限使用次数（但需要等待随机分配）

2.4 第三方平台 OpenArt

访问地址：https://openart.ai

OpenArt 是一个综合性 AI 艺术生成平台，集成了包括 Nano Banana 在内的多种模型：

访问 OpenArt 官网并注册账号
在模型列表中选择「Nano Banana」或「Nano Banana Pro」
上传参考图片并输入提示词
设置输出参数后生成图片

优势：

支持更多高级参数设置
可以使用其他 AI 模型作为对比
新用户有免费积分体验

2.5 国内镜像站微信小程序云端藏书

访问地址：https://sora2.mxys.cc

云端藏书是一个集合Banana和Sora2的内容生成平台：

在模型列表中选择「Nano Banana」或「Sora2」
上传参考图片并输入提示词
设置输出参数后生成图片或视频

优势：

支持更多高级参数设置
可以使用谷歌的Veo3.1
新用户有免费积分体验[看激励视频]

第三章：基础图像编辑功能

掌握以下基础功能是使用 Nano Banana 的第一步。「无忆研习社」建议新手从这些简单操作开始练习。

3.1 改变物体颜色

这是最基础也最实用的功能之一，可以轻松改变图片中任何物体的颜色。

操作步骤：

上传包含目标物体的图片
输入简单的指令，如：「将这些苹果变成红色」

指令示例：

将绿苹果变成红苹果
把这辆车的颜色改成蓝色
让她的连衣裙变成粉色

进阶技巧：

你还可以调整图片的整体色调、亮度和对比度：

将背景调暗，让物体更突出
提高图片的饱和度
将背景变暗50%，同时保持主体的亮度

3.2 移除图片中的物体或人物

Nano Banana 可以智能移除图片中不需要的元素，并自动填充背景。

基本操作：

上传需要处理的图片
描述要移除的对象

指令示例：

移除图片中的路人
删除背景中的汽车
把墙上的插座和电线去掉
移除挂在墙上的灯

高级用法 - 划线移除法：

对于需要精确指定移除对象的情况，可以先在图片编辑软件（如 Windows 自带的画图工具）中用明显的颜色（如红色）划掉要移除的部分，然后上传：

用画图软件打开原图
选择马克笔或画笔工具
用明显的颜色在要移除的对象上画叉或涂抹
保存图片并上传到 Gemini
输入指令：「移除我用红色标记划掉的人物」

这种方法特别适合处理复杂场景中的多个对象。

3.3 添加元素到图片

除了移除，你还可以向图片中添加新的元素。

指令示例：

在桌子上添加一束鲜花
给天空添加几朵云彩
在她手中放一本书

3.4 图片去噪与增强

对于质量不佳的图片，Nano Banana 可以进行智能修复和增强。

操作步骤：

上传噪点多或模糊的图片
输入增强指令

指令示例：

移除图片中的噪点，让画面更清晰
提高图片的清晰度和鲜艳度
修复这张老照片，去除噪点并增强色彩
将图片升级为高清画质

注意事项：

原图质量越高，处理效果越好
对于严重损坏的图片，可能需要多次尝试
可以结合多个指令逐步优化

第四章：人物编辑高级功能

人物照片的编辑是 Nano Banana 最强大的能力之一。「无忆研习社」将在本章详细介绍各种人物编辑技巧。

4.1 更换服装

你可以轻松为照片中的人物更换各种服装，无论是日常穿搭还是特殊造型。

基本用法：

上传人物照片
描述想要的服装效果

指令示例：

让他穿上黑色西装
把她的T恤换成黄色卫衣
给他换上超人的服装
让她穿上印度传统服饰

使用参考图片更换服装：

如果你有特定的服装款式想要应用，可以同时上传服装参考图：

准备两张图片：人物照片和服装参考图
同时上传两张图片
输入指令：「让左边的人穿上右边图片中的服装」

处理技巧：

如果服装颜色不对，可以追加指令调整：「把服装的颜色改成蓝色，与参考图一致」
对于复杂的服装（如手部遮挡的情况），可能需要多次尝试
保持指令简洁明了，效果通常更好

4.2 移除纹身

Nano Banana 可以智能移除皮肤上的纹身，同时保持皮肤纹理的自然感。

操作步骤：

上传带有纹身的人物照片
输入移除指令

指令示例：

移除他脸上和身上的所有纹身
去掉手臂上的纹身图案
清除所有可见的纹身

效果说明：

对于复杂的满脸纹身，AI 也能很好地处理
处理后可能会轻微降低图片清晰度
可以追加「提升图片清晰度」指令进行优化

4.3 移除雀斑和皮肤瑕疵

想要获得更清透的皮肤效果？Nano Banana 可以帮你实现。

指令示例：

移除脸上的雀斑和瑕疵
去除皮肤上的红点和斑点
让皮肤看起来更光滑，但保持自然纹理

注意事项：

过度处理会让皮肤看起来不自然
建议指定「保持皮肤自然纹理」
LMArena 平台上的效果通常比 Gemini 主站更好

4.4 修复肤色问题

对于拍摄时出现的肤色偏绿、偏黄等问题，可以进行智能修正。

操作步骤：

上传肤色异常的照片
描述需要修复的问题

指令示例：

修复偏绿的肤色，让它看起来更自然
调整肤色，去除泛黄的效果
让肤色更加红润健康

4.5 年龄变换

这是一个非常有趣的功能，可以让照片中的人看起来更年轻或更年老。

指令示例：

让她看起来像20多岁的样子
把这位老人的照片变成年轻时的样子
让这个孩子看起来像30岁的成年人

效果特点：

AI 会保持人物的基本特征和神态
年轻化效果通常非常自然
对于老化效果，可能需要更具体的描述

4.6 表情和姿势调整

Nano Banana 可以改变人物的面部表情和身体姿势。

指令示例：

让他笑起来
把她的表情改成惊讶的样子
让他看向镜头
改成侧面姿势
让她闭上眼睛，做出冥想的姿态

使用建议：

原图质量越高，表情调整越自然
大幅度的姿势改变可能会影响图片质量
可以分步骤进行，先调表情再调姿势

第五章：背景处理技巧

背景处理是图像编辑中的重要环节，Nano Banana 提供了多种背景处理方案。

5.1 移除背景

将图片背景变成透明或纯色，常用于制作产品图或人物抠图。

操作步骤：

上传需要处理的图片
输入背景移除指令

指令示例：

移除背景
将背景变成透明
移除背景并将图片保存为PNG格式
移除背景，保持人物完整

优化提示：

如果默认效果不理想，可以使用更详细的提示词：

仔细移除背景，保留人物发丝等细节边缘，输出高质量透明背景图片

5.2 更换背景

将原有背景替换为新的场景或图片。

使用纯色或描述性背景：

将背景换成工作室的灰色背景
把背景改成海边沙滩
将背景换成东京街头夜景

使用参考图片更换背景：

同时上传人物照片和新背景图片
输入指令：「将人物放到第二张图片的背景中」

进阶用法：

将人物放到提供的背景图中，调整光线使其看起来像是在那个场景中真实拍摄的

5.3 移除栅栏和遮挡物

对于被栅栏、围栏等遮挡的照片，Nano Banana 可以智能移除这些障碍物。

指令示例：

移除图片中的栅栏
去掉遮挡人物的铁丝网
移除前景的栏杆

注意事项：

简单的指令通常效果最好
如果一次不成功，尝试开始新对话重新处理
移除栅栏后，AI 会自动重建被遮挡的部分

5.4 移除阴影

在某些拍摄条件下，强烈的阴影会影响照片效果，可以用 AI 移除。

指令示例：

移除脸上的阴影
去掉衣服上的阴影
移除图片中所有的阴影

组合指令：

对于同时有栅栏和阴影的图片：

移除图片中的栅栏和阴影

5.5 调整时间氛围

可以改变图片的时间感，比如从白天变成夜晚，或者相反。

指令示例：

将这张白天的照片改成夜景
把夜间的场景变成白天
添加夕阳的氛围
让场景看起来像是清晨

第六章：图片合成与创意效果

这一章节将介绍 Nano Banana 最具创意性的功能，「无忆研习社」认为这些功能最能体现 AI 图像处理的魅力。

6.1 两张图片合成

将两张独立的图片智能融合成一张自然的合成图。

基本操作：

准备两张要合成的图片
同时上传两张图片
描述你想要的合成效果

指令示例：

让左边的人坐在右边图片中老人旁边的空椅子上
把这两张图片中的人合成到一起，让他们看起来在同一个场景中交谈
创建一张图片，让这个男孩抱着这只狗，背景是餐厅

优化技巧：

上传顺序会影响结果，通常先上传的图片中的元素会被作为主体
如果位置不对，可以指定：「把第一张图片中的人放在左边」
对于复杂的合成，可能需要多次尝试和调整

6.2 人物合成场景

将真实人物照片融入各种场景中。

指令示例：

让照片中的人出现在巴黎埃菲尔铁塔前
把这个人放到海滩上，背景是日落
创建一张他在办公室工作的照片
让她骑着摩托车

保持一致性的技巧：

为了在多张图片中保持角色一致，可以：

给角色起一个名字
在指令中使用这个名字

例如：

她的名字叫小美。让小美坐在咖啡厅里看书

之后的指令中继续使用这个名字：

小美在公园里跑步
小美穿着职业装在开会

6.3 与名人合影

创建与名人或角色的虚拟合影。

操作步骤：

上传你的照片
输入合成指令

指令示例：

让我和成龙站在一起合影
创建一张我与周杰伦在演唱会后台的合影
把这张照片改成我和迈克尔·乔丹的合影，背景是篮球场

注意事项：

效果取决于 AI 对名人形象的理解
某些名人可能因为政策限制无法生成
建议指定背景场景以获得更好的效果

6.4 文字置于主体后方效果

这是一种流行的设计效果，让文字出现在图片主体的后方，创造层次感。

操作步骤：

上传人物或主体清晰的图片
使用专门的提示词

推荐提示词模板：

创建一个真实的场景，主体是[你的描述]。在背景中添加大号、粗体、全大写的文字，居中放置在图片上。主体完全位于文字前方，主体本身不与文字重叠。确保文字在主体轮廓周围完全可见，创造清晰的景深感。使用戏剧性的光线、强烈的对比度和电影般的构图，让主体和文字都很突出。

使用示例：

创建一个运动员的照片，背景有大号文字"JUST DO IT"，文字在人物后方
添加"CHAMPION"文字在这个人的后方背景中

如果效果不理想：

尝试开始新对话
指定「不要改变人物的外观和颜色」
使用更简洁的指令

6.5 创建 3D 手办效果

这是社交媒体上非常火爆的创意效果，将照片转换成 3D 手办模型的样式。

基础提示词：

创建一个1:7比例的商品化手办，以图片中的角色为原型，采用真实风格，放置在真实环境中。手办放在电脑桌上，有圆形透明亚克力底座，底座上没有文字。电脑屏幕上显示这个手办的3D建模过程。电脑屏幕旁边有一个玩具包装盒，设计风格类似高质量收藏级手办，印有原创艺术作品。包装采用二维平面插画风格。

艺术家工作室版本：

创建一个1:7比例的商品化手办，以图片中的角色为原型，采用真实风格，放置在温馨的艺术家工作室环境中。手办放在木制工艺桌上，有温暖的环境光。手办有圆形透明亚克力底座，底座上没有文字。电脑屏幕上显示详细的雕刻过程，可以看到材质节点。电脑屏幕旁边有一个手工制作的玩具包装盒，设计风格为精品工艺店风格，印有手绘艺术作品。包装采用复古二维平面插画风格。

科技未来版本：

创建一个1:7比例的商品化手办，以图片中的角色为原型，采用超真实风格，放置在高科技未来实验室环境中。手办放在坚固的圆形透明亚克力底座上。在亚克力底座内部，嵌入发光的霓虹蓝色电路图案，包括几何线条、微芯片图案和放射状光段，营造出先进技术蚀刻在表面的印象。发光的电路应该在桌面上投射柔和的反射光。

操作步骤：

上传一张清晰的全身或半身照片
复制上述提示词并发送
如果效果不满意，尝试不同的提示词版本

6.6 绘制微缩模型动画效果

创建一个看起来像是在绘制自己微缩模型的静态图片，可以进一步转换为视频。

推荐提示词：

创建一个高度详细的1:7比例收藏级手办，以上传图片中的角色为原型，采用真实风格。手办放在简洁的电脑桌上，有圆形透明亚克力支架。场景设置在现代、光线充足的工作室房间中，有环境照明，背景架子上摆满了各种动作手办和收藏品。在桌子旁边，包括与参考图片中相同的真人大小的人物，穿着相同的服装，正在用细画笔轻轻清洁手办。环境应该看起来自然且专业，展示手办的工艺，同时给人一种比例感和对细节的关注。渲染图像使其看起来完全像用iPhone拍摄的照片：广角取景、自然景深、柔和光线、真实反射和iPhone拍摄中常见的微妙对比度。

操作步骤：

上传人物照片
使用上述提示词生成静态图片
如需转换为视频，可以使用 PixVerse 等视频生成工具

第七章：图片比例与格式调整

7.1 调整图片比例

将竖版图片转换为横版，或反过来，是常见的需求。然而，直接要求 Gemini 调整比例往往效果不佳，「无忆研习社」这里分享一个有效的技巧。

解决方案：使用空白参考图法

准备空白参考图：

使用 Canva（https://www.canva.com）或其他工具
创建一个目标比例的空白白色或透明图片
例如需要 16:9 横版，就创建 1920×1080 像素的白色图片
下载保存

上传两张图片：

先上传空白参考图
再上传要调整的原图

输入指令：

从第二张图片中提取主体，放置到第一张图片中。因为第二张图片是竖版的，需要扩展背景以填充第一张图片的空白空间。将主体自然地放置在画面中央，扩展的背景应该与原图风格一致，保持照片的真实感。输出应该是完美的16:9比例。

为什么这个方法有效：

提供了明确的尺寸参考
AI 会自动生成匹配的背景
避免了简单裁剪造成的内容丢失

7.2 移除背景并导出 PNG

指令示例：

移除背景，将图片保存为带透明背景的PNG格式

注意事项：

确保下载时选择正确的格式
部分平台可能默认输出 JPEG，需要手动指定

第八章：角色一致性与批量创作

8.1 创建一致性角色

如果你需要在多张图片中使用同一个虚拟角色，Nano Banana 可以帮助你保持角色的一致性。

创建初始角色：

输入详细的角色描述

创建一个超真实的印度女商人形象，非常漂亮，大约25岁。她的名字叫玛丽卡。

保存生成的图片作为参考

在不同场景中使用角色：

上传之前保存的参考图片
描述新场景

让玛丽卡坐在高档餐厅里，正在享用寿司，旁边是她的丈夫

或者使用名字引用：

玛丽卡在雨天等公交车，神情忧郁
玛丽卡穿着印度传统服装，在家里为家人做饭

保持一致性的关键：

每次在新对话中使用时，都要上传参考图片
使用一致的名字引用角色
描述场景时尽量具体

8.2 真实照片的角色一致性

对于真实人物照片，同样可以实现跨场景的一致性。

操作方法：

准备一张高清的人物参考照片（可从 Pexels 等网站获取）
给这个人物起一个名字
上传照片并定义角色

这张图片中的人叫迈克。让迈克开着一辆跑车。

后续使用：

迈克在早晨的阳光下慢跑
迈克在超市当收银员，戴着工作牌
迈克在演唱会上和朋友们举起手中的门票

8.3 童年照与成年照合成

创建一张与「童年的自己」互动的创意照片。

操作步骤：

准备两张照片：童年照片和现在的照片
同时上传两张图片
使用合成提示词

推荐提示词：

创建一张温馨的照片，让童年的我（第一张图片）和现在的我（第二张图片）坐在一起，童年的我坐在现在的我腿上，两人面对面，像是在进行一次跨时空的对话。保持两个人物的面部特征一致。

效果说明：

AI 会尝试保持两个时期人物特征的关联性
可能需要多次尝试才能获得满意的结果
不同平台的效果可能有差异

第九章：实用场景应用

9.1 产品摄影优化

将普通的产品照片转换为专业级商品图片。

操作步骤：

上传用手机拍摄的产品照片
使用专业化提示词

推荐提示词：

将这张普通照片转换为高质量的商品图片，增强整体饱和度，应用专业的工作室灯光效果，优化阴影和高光，让产品看起来更加专业和吸引人。

进阶处理：

让这张产品照片更适合社交媒体展示，增加一些水滴效果让产品看起来更新鲜
移除产品照片中的手，只保留产品本身

9.2 室内设计预览

Nano Banana 可以帮助你预览室内设计方案，在实际购买前看到效果。

家具布置预览：

拍摄空房间的照片
收集想要的家具图片（可以是网上找的）
使用 Canva 将家具图片排列在一张图上
同时上传房间照片和家具合集图
输入指令：「将这些家具摆放到这个空客厅中」

更换沙发面料：

上传现有沙发的照片
上传想要的面料样品图片
输入指令：「将沙发的面料换成参考图片中的样式」

更换地板：

上传房间照片
上传地板样品图片（可以在图片上标注「地板」）
输入指令：「将第一张图片中的地板换成第二张图片中的地板样式」

更换时间氛围：

将这张白天的客厅照片改成夜晚的氛围，展示灯光效果

9.3 替换水印和文字

Nano Banana 可以智能替换图片中的文字内容。

操作步骤：

上传包含文字的图片
描述要进行的替换

指令示例：

将背景中的"人力资源"文字替换为"销售"
把横幅上的英文改成中文"欢迎光临"
移除图片中的水印

注意事项：

建议提供替换后的具体文字内容
复杂背景上的文字可能需要多次尝试
某些品牌水印可能无法完全移除

9.4 多图拼贴创意

创建包含多个元素的复杂合成图。

操作方法：

使用 Canva 或 PS 创建一张拼贴图，将所有想要的元素放在一起
同时放入你的照片
上传这张拼贴图
输入指令描述你想要的效果

示例场景：

假设你想创建一张「自己戴着墨镜、手表，穿着特定衬衫，拿着公文包，站在跑车前」的照片：

收集各元素图片：墨镜、手表、衬衫、公文包、跑车
在 Canva 中将它们和你的照片排列在一起
上传并输入：「创建一张图片，让我穿戴图中展示的所有配件和服装，站在那辆跑车前面」

第十章：使用技巧与最佳实践

10.1 提示词编写原则

简洁明了：使用简单直接的语言，避免复杂的句式
具体描述：描述你想要的具体效果，而不是模糊的概念
分步执行：复杂的编辑分成多个步骤进行
适时重试：如果效果不好，开始新对话重新尝试

10.2 常见问题解决

问题1：AI 改变了人物的面部特征

解决方案：在指令中明确要求「保持人物面部特征不变」
尝试在新对话中重新处理

问题2：生成的图片质量下降

解决方案：追加指令「提升图片清晰度到高清画质」
使用专业版 Nano Banana Pro

问题3：颜色或风格与预期不符

解决方案：提供更具体的颜色描述（如「深海蓝」而不是「蓝色」）
上传参考图片

问题4：无法移除特定对象

解决方案：使用划线标记法指定要移除的对象
尝试使用不同的描述方式

问题5：达到使用限制

解决方案：切换到其他访问途径（AI Studio、LMArena）
等待配额重置（通常每天重置）

10.3 获取免费素材

推荐网站：

Pexels

网址：https://www.pexels.com
特点：完全免费，无需署名，可商用
搜索：直接输入关键词即可

Pixabay

网址：https://pixabay.com
特点：免费高清图片和视频
内容丰富，涵盖各种类别

Unsplash

网址：https://unsplash.com
特点：高质量摄影作品
专业摄影师投稿

10.4 处理效率提升

批量准备素材：提前收集好所有需要的参考图片
保存成功的提示词：记录效果好的提示词，方便复用
使用合适的平台：简单任务用 Gemini 主站，复杂任务用 LMArena
合理利用免费配额：在多个平台之间切换使用

第十一章：注意事项与使用限制

11.1 道德与法律考量

版权问题：不要使用 AI 生成侵犯他人版权的内容
肖像权：未经授权不要处理和传播他人照片
虚假信息：不要创建可能被误解为真实新闻的虚假图片
不当内容：遵守平台的使用政策，不生成违规内容

11.2 技术限制

人物识别：AI 可能无法完美识别所有人物
复杂场景：非常复杂的编辑可能需要多次尝试
细节控制：精细的局部控制可能不够精确
一致性：长对话中可能出现角色不一致的情况

11.3 AI 生成标识

所有通过 Nano Banana 生成或编辑的图片都会带有：

SynthID 水印：一种不可见的数字水印，用于标识 AI 生成内容
可见水印：部分情况下会有可见的 AI 生成标识

这些标识是为了确保内容透明度，帮助人们区分 AI 生成内容和原始人类创作。

写在本小节的最后

Google Gemini 的 Nano Banana 功能为图像编辑带来了革命性的改变。通过简单的自然语言指令，每个人都可以成为「图像处理专家」。「无忆研习社」希望这篇详尽的教程能帮助你快速掌握这一强大工具。

记住，AI 工具是提升效率的助手，而不是替代创意的工具。善用 Nano Banana，结合你自己的创意和审美，一定能创造出令人惊艳的作品。

如果你在使用过程中遇到任何问题，欢迎访问「无忆研习社」获取更多教程和资源。

第三节：Sora 2 AI视频生成完全指南：技术原理与实战教程

作者：莫潇羽 | 无忆研习社
文章类型：莫潇羽(李老师)直播课程配套资料 / 课堂笔记 / 复习手册
适用人群：AI新手小白、职场人士、学生群体、内容创作者
阅读提示：建议收藏本文，边看边实操，效果更佳

一、Sora 2技术革新解析

1.1 核心技术突破

Sora 2在2024年12月发布，代表了AI视频生成领域的重大突破。相比初代模型，这次更新在三个核心维度实现了质的飞跃。

物理引擎的真实性提升

早期AI视频模型存在一个根本性缺陷：为了完成提示词要求，会采用"作弊"方式。比如生成篮球投篮视频时，如果球没进，可能直接"传送"到篮筐里。

Sora 2通过深度学习真实世界的物理规律，实现了：

重力模拟：

物体下落速度符合自由落体规律
篮球从篮板反弹的角度准确
抛物线轨迹自然流畅

流体力学：

水花溅起的形态真实
液体倒入杯中的运动自然
烟雾扩散符合空气动力学

刚体碰撞：

物体碰撞后的反弹真实
形变和恢复符合材料特性
多物体交互时的力学关系准确

实测案例：

无忆研习社团队测试生成"皮划艇上后空翻"视频时发现：

人体动作符合人体工学
水面波纹随运动变化
皮划艇的浮沉与重心转移同步
甚至能看到水珠在阳光下的折射效果

多镜头智能切换系统

这是Sora 2最革命性的特性。传统视频生成需要为每个镜头单独写提示词，而Sora 2能够：

自动镜头语言：

开场使用建立镜头（Establishing Shot）展示环境
对话场景自动切换正反打镜头（Shot-Reverse-Shot）
情绪高潮时使用特写镜头（Close-up）
动作场景采用跟踪镜头（Tracking Shot）

场景连贯性：

角色在不同镜头中保持一致的服装、发型、肤色
环境光照在镜头切换后依然统一
物体位置关系符合空间逻辑
时间线连续，不会出现突兀跳跃

镜头切换时机：

系统能够理解叙事节奏，在恰当时机切换：

对话结束后切换说话者
动作完成后切到反应镜头
悬念时刻保持单一镜头增强张力
揭示答案时使用推进镜头

音频生成的突破

Sora 2的音频系统不是简单的配乐，而是完整的声音设计：

对话系统：

口型同步精度达到90%以上（专业配音师水平）
语音语调符合情绪变化
多人对话时音色区分明显
呼吸声、语气词等细节完整

环境音效：

脚步声随地面材质变化（木板、草地、石板等）
风声根据场景调整（海边、山谷、城市）
水声分层（流动、滴落、波浪）
远近音效的空间感真实

空间音频：

声源位置与画面同步
声音衰减符合距离规律
回声和混响基于环境特性
立体声分离度高

1.2 与竞品对比

特性	Sora 2	Google Veo 3	Runway Gen-3
最长时长	15秒	8秒	10秒
分辨率	1080p	720p	720p
镜头切换	自动多镜头	需手动指定	单镜头为主
音频生成	同步对话+音效	无	仅背景音乐
物理准确性	★★★★★	★★★★☆	★★★☆☆
角色一致性	★★★★★	★★★☆☆	★★★★☆
提示词理解	★★★★★	★★★★☆	★★★☆☆

二、平台功能详解

2.1 订阅方案对比

免费版（Free Tier）

生成配额：

每24小时100次生成
对于学习和测试完全足够
配额在UTC+0时区零点重置

技术限制：

输出分辨率：720p（1280x720像素）
视频时长：最长10秒
提示词字符限制：500字符
生成队列：标准优先级（可能需要排队）

功能限制：

视频带有Sora Logo水印
不支持Cameo角色定制
不支持优先生成队列
不支持批量导出

专业版（Pro Tier）

价格：$200/月（约1400元人民币）

核心优势：

技术提升：

输出分辨率：1080p Full HD
视频时长：最长15秒
提示词无字符限制（实测可达5000+字符）
支持时间线提示词（Timeline Prompting）高级语法

生产力功能：

优先生成队列（跳过排队，生成时间缩短50%）
批量导出API接口
项目管理功能
团队协作空间

专属功能：

Cameo角色定制（数字分身）
高级Remix编辑
无水印导出
商业使用授权

性价比分析：

无忆研习社的建议：

个人学习：免费版完全足够，100次/天可以充分实验
内容创作者：如果月产视频10条以上，Pro版值得投资
商业项目：考虑到授权和无水印需求，Pro版是必需的
替代方案：使用第三方集成平台可能更经济（详见2.3节）

2.2 第三方平台接入

由于Sora 2采用API方式开放，多个平台已集成其能力。

FreePik AI

技术特点：

完整Sora 2 API接入
输出无水印（这是官方API的一个bug，可能会修复）
支持批量生成

使用成本：

免费版：每月50积分
每次生成消耗：2800积分
实际上需要订阅Premium（约$10/月）

适用场景：

商业项目需要无水印视频
需要快速测试不同提示词
与FreePik的图库素材配合使用

Higgsfield Studio

平台定位：

专注于AI视频工作流的一站式平台

Sora 2功能：

在"Video"标签下选择"Sora 2"
支持480p/720p/1080p三种分辨率
提供预设模板库（行业案例）

特色功能：

与Stable Diffusion图像生成集成
支持LoRA模型微调（风格定制）
内置调色工具
一键导出到Adobe Premiere Pro

价格：

基础版：$19/月（100次生成）
Pro版：$49/月（500次生成）
限时活动：首周无限生成

ZeedStudio

技术优势：

API响应速度最快（平均90秒）
支持Webhook回调
提供Python/JavaScript SDK

开发者友好：

# ZeedStudio API示例
import zeed

client = zeed.Client(api_key="your_key")
video = client.sora.generate(
    prompt="你的提示词",
    duration=12,
    resolution="1080p"
)
print(video.url)  # 获取视频下载链接

适用场景：

需要集成到自有应用
批量自动化生成
二次开发和定制

2.3 功能模块详解

文本生成视频（Text-to-Video）

基础操作：

进入Sora主界面
点击中央的"+"创建按钮
在提示词框输入描述
选择分辨率（720p或1080p）
选择时长（10秒或15秒）
点击"Generate"

提示词编写原则：

DO（推荐做法）：

✓ 具体描述场景："阳光明媚的公园"而不是"户外"
✓ 指定镜头类型："无人机俯拍视角"而不是"从上往下"
✓ 包含动作细节："金毛猎犬在空中接住飞盘"而不是"狗玩耍"
✓ 描述光影效果："黄金时段柔和的侧逆光"
✓ 添加情绪氛围："欢快、活力四射的氛围"

DON'T（避免做法）：

✗ 模糊描述："一只狗"
✗ 过度冗长：超过500字的长篇大论（免费版会被截断）
✗ 矛盾指令："白天的夜景"
✗ 技术术语过多："使用Sony FX3拍摄的LOG格式..."（AI理解不了设备型号）

实例对比：

❌ 差的提示词：

一只狗在玩

✅ 好的提示词：

一只金色的金毛寻回犬在绿草如茵的公园里
全速奔跑追逐红色飞盘，阳光透过树叶洒下
斑驳光影，慢动作捕捉它跃起接住飞盘的瞬间，
表情充满专注和喜悦。背景是模糊的家庭野餐场景，
渲染温馨欢快的周末氛围。

图片生成视频（Image-to-Video）

这是Sora 2的核心竞争力之一，但有严格的使用规范。

支持的图片类型：

✅ 允许上传：

产品照片（手机、家电、食品等）
建筑和室内空间
自然风景
动物和宠物
艺术作品、插画、3D渲染图
品牌Logo和图形设计

❌ 禁止上传：

真实人物照片（即使是你本人）
身份证件照
名人肖像
新闻图片中的人物
任何可识别真人身份的图像

技术原理：

系统通过以下步骤处理图片：

深度估计：重建图片的3D空间结构
语义分割：识别图片中的物体类别
运动预测：推断物体如何自然运动
时间插值：生成中间帧填充动作

实战案例：房地产虚拟导览

需求：将静态的室内设计图转换为动态导览视频

步骤1：准备图片

拍摄或设计高质量室内照片
分辨率建议：至少1920x1080
确保光照均匀，避免过曝或死黑
场景尽量完整（不要截取一半）

步骤2：上传到Sora

点击提示词框旁的"+"图标
选择你的室内照片
系统会显示预览和基本分析

步骤3：编写运动提示词

一位穿着职业装的房地产经纪人从画面右侧走入
这间现代简约风格的浴室，她微笑着用手势展示
空间布局。镜头首先是稳定的中景建立镜头，
然后平滑推进到洗手台的大理石台面特写，
展示精致的水龙头细节。接着横移到淋浴区，
展示大尺寸花洒和玻璃隔断。最后回到全景，
经纪人转向镜头，用专业的语调介绍：
"这间主卧套间完美融合了奢华与实用性。"
配合轻松的背景音乐和适当的空间混响效果。

步骤4：参数设置

分辨率：1080p（Pro版）或720p（免费版）
时长：12秒（足够展示3-4个镜头）
生成模式：保持原图风格（不要让AI过度改变设计）

生成结果分析：

无忆研习社实测发现，Sora 2在房地产场景中表现出色：

优势：

虚拟人物的步态和姿态自然
镜头运动流畅，无抖动
保持了原图的装修风格和色调
物体位置关系准确（不会穿模）

局限：

复杂家具可能出现细微变形
镜面反射可能不完全准确
如果原图光照不均，生成效果会受影响

优化建议：

如果某个镜头不满意，可以在提示词中强调"保持家具不变形"
多生成几次，选择最佳结果
使用Adobe After Effects进行细节修正（如果需要）

Cameo数字分身系统

功能定位：

Cameo允许你将自己的形象和声音"授权"给AI，之后可以快速生成包含你的视频，无需真人拍摄。

技术实现：

Cameo基于以下技术栈：

面部捕捉：多角度采集面部特征
声纹克隆：分析音色、语速、语调特征
神经渲染：实时生成任意表情和口型
风格迁移：将你的形象适配到不同场景

创建Cameo的完整流程：

前置要求：

iOS设备（iPhone或iPad）
良好的光照环境
安静的录音环境
预留15-20分钟

录制步骤：

下载应用

在App Store搜索"Sora"
登录你的OpenAI账号

开始录制

进入"Cameo"标签
点击"Create New Cameo"
按照屏幕提示定位面部

录制要求

应用会要求你：

正面直视镜头（5秒）
左侧45度（3秒）
右侧45度（3秒）
仰头和低头（各2秒）
说出指定句子（用于声音采集）

声音采样

朗读以下句子（示例）：

"大家好，我是xxx，欢迎来到无忆研习社。"
"我们今天要介绍一些AI技术的实战应用。"
"如果你觉得有用，请点赞关注。"

注意事项：

使用自然语速，不要过快或过慢
咬字清晰，但不要过于夸张
包含不同情绪（陈述、疑问、感叹）

AI训练

系统上传数据到云端
训练过程需要2-6小时
会收到邮件通知完成

测试Cameo

返回Sora网页版
在提示词中输入"@你的名字"
生成测试视频查看效果

使用Cameo生成视频：

示例1：产品介绍视频

@张三站在现代化的办公室里，身穿商务休闲装。
他手持最新款的iPhone 16 Pro，对着镜头介绍：
"这款手机的AI拍摄功能真的改变了我的工作流程，
现在我可以轻松拍摄专业级的产品视频。"
镜头从中景推进到特写，展示他手中的手机屏幕，
背景是明亮的落地窗和绿植，营造专业但亲切的氛围。

示例2：教育内容

@李老师出现在虚拟的讲台前，背后是"Python编程基础"
的白板。她微笑着说："今天我们要学习列表推导式，
这是Python中最优雅的语法之一。"然后她转向白板，
开始书写代码示例，镜头在她和白板之间切换。

隐私与安全：

OpenAI对Cameo有严格的管理：

数据加密：面部和声音数据采用端到端加密
存储隔离：每个用户的Cameo数据独立存储
使用审核：生成的视频会被自动审查，防止滥用
随时删除：可以在设置中永久删除Cameo
授权控制：可以授权他人使用，也可随时撤销

商业应用场景：

营销视频

创始人介绍产品，无需每次真人拍摄
多语言版本（配不同语言配音）
快速响应市场热点

在线教育

讲师录制课程，后期可用Cameo补充内容
制作练习题讲解视频
个性化学员回复视频

客户服务

常见问题解答视频
产品使用教程
节日祝福视频

Remix混剪功能

功能原理：

Remix不是简单的视频编辑，而是基于AI的"风格迁移+内容重组"：

保留原视频的场景结构
保留角色的外观特征
可更改对话、动作、氛围
可调整镜头角度和时长

使用场景：

场景1：本地化内容

原视频是英文对话，用Remix改为中文：

保持原视频的场景和角色，但将对话改为：
"欢迎来到无忆研习社，今天我们分享AI视频制作技巧。"

场景2：系列内容制作

基于一个成功的视频模板，批量生成系列内容：

原视频：咖啡师制作拿铁
Remix 1：改为制作卡布奇诺
Remix 2：改为制作美式咖啡
Remix 3：改为制作摩卡

场景3：A/B测试

同一场景，测试不同文案的效果：

版本A：强调产品性能参数
版本B：强调用户情感体验
版本C：强调价格优势

操作步骤：

在Sora社区Feed中找到目标视频
点击视频下方的"Remix"按钮
系统会自动提取原视频的提示词
修改提示词中你想改变的部分
保留你想保持一致的描述
点击生成新视频

高级技巧：

技巧1：精确控制保留内容

保持以下元素不变：
- 角色的服装和发型
- 场景的光照和色调
- 镜头运动路径

仅修改：
- 角色的对话内容
- 背景音乐风格

技巧2：局部替换

保持视频前6秒不变，仅修改6-12秒部分：
[6-12s] 改为角色转向窗外，看到下雪的场景，
表情从惊讶转为欢喜。

技巧3：风格迁移

保持动作和构图完全一致，但将整体风格改为：
- 从现实主义改为赛博朋克风格
- 色调改为霓虹灯色彩
- 添加未来科技元素

三、提示词工程实战

3.1 时间线提示词（Timeline Prompting）

方法论起源：

时间线提示词由社区开发者Cerea总结，经过数千次测试验证。无忆研习社在此基础上进行了本地化优化。

核心理念：

将视频视为"时间轴上的多个片段"，每个片段独立描述：

时间范围
视觉元素
听觉元素
情绪氛围

标准模板结构：

标题：[视频主题]
类型：[广告/教程/纪录片/剧情等]
总时长：[10s/12s/15s]

[0-3s] 开场钩子（HOOK）
Camera: [镜头类型和运动]
Visual: [画面内容]
SFX: [音效描述]
Music: [配乐风格]（可选）
VO: [配音内容]（可选）
Emotion: [情绪基调]

[3-6s] 情境铺垫（CONTEXT）
Camera: [镜头类型和运动]
Visual: [画面内容]
SFX: [音效描述]
VO: [配音内容]
Emotion: [情绪基调]

[6-9s] 高潮部分（CLIMAX）
Camera: [镜头类型和运动]
Visual: [画面内容]
SFX: [音效描述]
Emotion: [情绪基调]

[9-12s] 结尾收束（RESOLUTION）
Camera: [镜头类型和运动]
Visual: [画面内容]
SFX: [音效描述]
Text: [屏幕文字]（如有）
Emotion: [情绪基调]

3.2 镜头语言速查表

为了让提示词更专业，需要掌握基本的镜头术语。

镜头类型（Shot Types）

中文名称	英文术语	描述	适用场景
特写	Extreme Close-up (ECU)	只拍摄面部或物体细节	展示情绪、产品纹理
近景	Close-up (CU)	拍摄头部到肩膀	对话、表情反应
中景	Medium Shot (MS)	拍摄腰部以上	日常对话、动作
全景	Full Shot (FS)	拍摄全身	展示环境中的人物
远景	Long Shot (LS)	拍摄人物与大片环境	建立场景、展示规模
大远景	Extreme Long Shot (ELS)	人物很小或仅有环境	史诗感、孤独感

镜头运动（Camera Movements）

中文名称	英文术语	描述	情绪效果
推进	Push In / Dolly In	镜头向前移动	聚焦、紧张感上升
拉出	Pull Out / Dolly Out	镜头向后移动	揭示全貌、释放张力
横移	Tracking / Trucking	镜头左右平移	跟随动作、展示空间
摇镜	Pan	镜头左右旋转	探索环境、连接场景
俯仰	Tilt	镜头上下旋转	展示高度、权力关系
环绕	Orbit	围绕主体旋转	全方位展示、动感
升降	Crane / Pedestal	镜头上下移动	展示规模、上帝视角
手持	Handheld	模拟手持相机晃动	纪实感、紧迫感
稳定器	Gimbal / Steadicam	平稳的运动镜头	专业感、流畅感
无人机	Drone / Aerial	空中俯拍或跟拍	宏大、自由感

镜头角度（Camera Angles）

中文名称	英文术语	描述	心理效果
平视	Eye Level	与主体等高	中性、客观
俯拍	High Angle	从上往下拍	渺小、弱势
仰拍	Low Angle	从下往上拍	高大、权威
鸟瞰	Bird's Eye View	垂直俯拍	上帝视角、全局感
倾斜	Dutch Angle	画面倾斜	不安、迷惑
过肩	Over-the-Shoulder	从角色肩膀后方拍	对话场景、视角代入
主观视角	POV (Point of View)	第一人称视角	沉浸感、代入感

3.3 实战案例：产品广告

案例1：智能手机广告

需求分析：

产品：新款智能手机
目标：强调拍照功能
时长：12秒
风格：年轻、活力、科技感

完整提示词：

标题：新一代影像旗舰手机广告
类型：商业广告
总时长：12秒
风格：现代、简洁、充满活力

[0-3s] 开场
Camera: 手机从黑暗中缓缓升起，背光形成轮廓光，
接着灯光全开，环绕镜头360度展示手机外观
Visual: 深空灰色的手机机身，镜头模组反射着
彩虹般的光晕，背景是纯黑色，突出产品质感
SFX: 低沉的嗡鸣声，随着镜头旋转逐渐加入
清脆的高频音效，营造科技感
Emotion: 神秘、期待

[3-6s] 功能展示
Camera: 切换到手机屏幕特写，从屏幕内"推出"
到真实世界，展示拍照界面正在拍摄夜景
Visual: 屏幕显示城市夜景，楼宇灯光清晰，
星空可见。然后镜头拉出，展示用户正在拍摄
SFX: 相机快门声，AI处理的"嗡嗡"声，
照片生成的"咔擦"声
VO: "AI超清夜拍，看见夜的美"
Emotion: 专注、专业

[6-9s] 使用场景
Camera: 快速蒙太奇：
- 年轻人在音乐节举起手机拍摄（0.8s）
- 旅行者在山顶自拍（0.8s）
- 美食博主拍摄餐桌（0.8s）
- 家长记录孩子玩耍（0.8s）
Visual: 每个场景色彩鲜艳，充满生活气息，
手机始终是画面焦点
SFX: 欢快的电子音乐，随场景变化的环境音
（人声、鸟鸣、餐具声）
Emotion: 活力、生活化

[9-12s] 品牌收尾
Camera: 回到产品特写，手机立在透明展台上，
镜头缓缓推进，最后聚焦在品牌Logo
Visual: 屏幕亮起，显示产品名称和Slogan，
背景从黑色渐变为品牌色（比如蓝色）
SFX: 音乐达到高潮后戛然而止，留下清脆的
品牌音效（类似苹果的"咚"）
Text Overlay: 产品名称 | 预约购买
VO: "XX手机，影像新时代"
Emotion: 震撼、记忆点强

补充说明：
- 整体色调：冷色调为主，点缀暖色光源
- 剪辑节奏：前3秒慢，3-9秒快，9-12秒慢
- 音乐风格：电子、未来感，但不失温度

生成结果分析：

无忆研习社实测后发现：

优势：

产品外观还原度高（如果上传了参考图）
镜头运动流畅，符合商业广告的专业标准
音效与画面同步精准
配音的语气、停顿恰到好处

需要注意的问题：

如果没有上传产品图，AI会生成"通用智能手机"外观
品牌Logo不会自动生成，需要后期添加
文字Overlay有时会出现拼写错误或字体不统一

后期优化建议：

在Adobe Premiere Pro中替换品牌Logo层
使用Lumetri Color调整色调统一性
添加更精准的产品型号文字
混合人工音效增强细节（如键盘点击声）

案例2：啤酒品牌广告

需求分析：

产品：Hawkstone精酿啤酒
目标：传达英国乡村、传统、高品质形象
时长：15秒
风格：温暖、怀旧、电影感

完整提示词：

标题：Hawkstone啤酒 - 源自土地的味道
类型：品牌形象广告
总时长：15秒
风格：电影级、怀旧、真实

[0-3s] 建立氛围
Camera: 无人机缓缓降低高度，从广阔的金色麦田
上空俯拍，阳光透过云层洒下丁达尔效应的光柱
Visual: 黄金时段的英国乡村，成熟的麦田随风
摆动，远处是连绵的绿色山丘和石墙围栏
SFX: 轻柔的风声，麦浪沙沙声，远处的拖拉机
低鸣和鸟鸣
Music: 空灵的小提琴旋律，营造宁静美好的基调
Emotion: 宁静、怀旧、回归自然

[3-6s] 引入人物
Camera: 横移跟拍，一位穿着泥靴和防水夹克的
中年农民走过麦田边缘，手里拿着Hawkstone啤酒
Visual: 农民的脸上有岁月痕迹但充满笑容，
阳光打在他古铜色的皮肤上，啤酒瓶上凝结着
水珠反射金色光芒
SFX: 靴子踩在碎石路上的嘎吱声，衣服摩擦声
VO: "每一滴，都源自这片土地"（男中音，
带有温暖的英式口音）
Emotion: 真实、踏实、传承

[6-9s] 产品特写
Camera: 极致慢动作，特写啤酒倒入玻璃杯，
黄金色的液体翻腾，泡沫升起，阳光穿透酒液
折射出琥珀色光晕
Visual: 使用微距镜头捕捉啤酒的每一个细节：
气泡上升的轨迹，酒液与杯壁碰撞的瞬间，
泡沫层的细腻质感
SFX: 非常清晰的倒酒声，气泡破裂的细微声音，
像是ASMR一样令人愉悦
Music: 音乐达到第一个小高潮，加入温暖的
木吉他拨弦
Emotion: 食欲感、品质感、享受

[9-12s] 分享时刻
Camera: 摇镜从酒杯扫到一群农民朋友围坐在
干草堆旁，大家举杯碰杯，镜头定格在笑脸上
Visual: 温暖的黄昏光线，人物剪影在金色背景中，
每个人脸上都是真诚的笑容,干草堆、旧木桌、
简单的乡村生活场景
SFX: 玻璃杯碰撞的清脆声，爽朗的笑声，
"Cheers!"的喊声
VO: "Hawkstone，与真正重要的人分享"
Emotion: 友情、归属感、生活的真谛

[12-15s] 品牌收尾
Camera: 推进到产品静物镜头，Hawkstone啤酒瓶
立在老旧的木桶上，背景虚化的是麦田日落
Visual: 产品居中，Logo清晰可见，光线渐暗，
天空从金色过渡到深蓝，最后屏幕淡出
SFX: 音乐缓缓收尾，留下一声悠长的小提琴尾音
Text Overlay: "Hawkstone - Crafted by the Land"
（字体：传统衬线体，颜色：暖金色）
Emotion: 品牌印记、回味悠长

补充说明：
- 整体色调：温暖的橙黄色调，模拟胶片质感
- 调色参考：Kodak Portra 400胶片风格
- 人物：真实的劳动者形象，不要过于模特化
- 产品出现：前9秒产品是配角，最后3秒是主角

为什么这个提示词有效？

情感叙事：不是直接卖产品，而是卖"生活方式"
感官细节：视觉、听觉、甚至味觉的想象都被激发
节奏控制：慢-快-慢的节奏符合情绪曲线
文化符号：英国乡村、手工、传统等符号增强品牌联想

3.4 提示词优化技巧

技巧1：使用"否定提示词"

虽然Sora 2没有专门的负面提示词（Negative Prompt）字段，但你可以在正面描述中明确排除不想要的元素。

示例：

❌ 不好的提示词：
"一个人在跑步"

✅ 优化后：
"一个健康的年轻人在公园晨跑，身穿运动装，
阳光从侧面打来。避免：夜晚场景，避免：下雨天气，
避免：人物过度夸张的肌肉"

技巧2：镜头"锚点"技术

指定关键帧的画面内容，让AI在此基础上补全动作。

示例：

[0-0s] 起始帧：咖啡杯放在桌上，静止
[3s] 关键帧：手伸入画面，拿起咖啡杯
[6s] 关键帧：杯子靠近唇边
[9s] 关键帧：放下杯子，发出满足的叹息
[12s] 结束帧：杯子回到桌上，冒着热气

这样AI会自动补全中间的过渡动画，且更可控。

技巧3：音效"拟声词"技巧

用拟声词可以让AI更准确生成音效。

示例：

SFX: 
- 汽车引擎启动："咔嚓-轰隆隆隆"
- 开香槟："砰！呲呲呲～"
- 打字："哒哒哒哒哒"
- 关门："砰！"（厚重感）或"咔嚓"（轻巧感）

技巧4：参考电影风格

直接引用知名电影的摄影风格。

示例：

"模仿《银翼杀手2049》的摄影风格：
高对比度，冷暖色调对比强烈，使用大量逆光和雾气，
构图对称且极简，营造孤独和科幻感"

常见电影风格关键词：

《布达佩斯大饭店》：对称构图，糖果色调，复古质感
《指环王》：史诗感，广角镜头，自然光为主
《黑客帝国》：绿色色调，高对比度，慢动作
《爱乐之城》：明亮色彩，爵士乐氛围，浪漫主义
《疯狂的麦克斯》：高饱和度，动感极强，朋克风格

技巧5：分层描述法

将复杂场景分为前景、中景、背景分别描述。

示例：

前景：一束光照在一本打开的古书上，书页微微翻动
中景：一位学者坐在书桌前，戴着眼镜专注阅读
背景：书架上堆满古籍，窗外是雨夜的街景，
偶尔有闪电划过

3.5 ChatGPT辅助提示词生成

手动编写复杂的时间线提示词很费时，无忆研习社推荐使用ChatGPT自动化这一流程。

方法1：直接对话生成

ChatGPT对话示例：

User: 
我需要为Sora 2生成一个12秒的视频提示词。
内容是：一个科技公司的产品发布会现场，
CEO正在介绍新产品（一款智能眼镜）。
风格要专业、有未来感。请使用时间线提示词结构，
包含至少3个镜头切换。

ChatGPT:
好的，我为你生成以下提示词：

标题：未来视界 - 智能眼镜发布
类型：产品发布会记录
总时长：12秒
风格：专业、科技感、激动人心

[0-3s] 开场造势
Camera: 从暗场开始，聚光灯逐渐点亮舞台，
无人机镜头从观众席后方缓缓升起，展现全场规模
Visual: 现代感十足的发布会现场，LED大屏显示
科技纹理动画，台下坐满了媒体和观众
SFX: 低频嗡鸣逐渐增强，观众的窃窃私语和相机快门声
Music: 紧张感的电子音乐前奏
Emotion: 期待、兴奋、好奇

[3-6s] CEO登场
Camera: 侧面跟拍，CEO充满自信地走上舞台，
镜头跟随他的步伐，最后定格在讲台前的中景
Visual: CEO身穿黑色高领衫（致敬乔布斯风格），
背后大屏显示产品轮廓的神秘剪影
SFX: 脚步声清晰，掌声响起，CEO清了清嗓子
VO (CEO): "今天，我们重新定义视觉体验"
Emotion: 权威、自信、魅力

[6-9s] 产品亮相
Camera: 切换到产品特写，智能眼镜从展示台缓缓升起，
360度旋转展示，镜片上反射着彩虹光芒
Visual: 轻量化的眼镜框架，镜片泛着淡蓝色科技光泽，
精致的铰链细节清晰可见
SFX: 机械装置的精密声音，"嗡嗡"的科技音效，
观众的惊叹声"Wow!"
VO: "这就是，Meta Vision Pro"
Emotion: 震撼、惊艳、科技美学

[9-12s] 功能演示
Camera: 分屏画面，左侧是CEO佩戴眼镜的特写，
右侧是眼镜显示的AR界面（虚拟屏幕、3D物体漂浮）
Visual: CEO看向不同方向，眼镜界面实时响应，
展示信息检索、导航、视频通话等功能
SFX: 界面切换的"嗖嗖"声，信息弹出的"叮"声
VO: "你的世界，因此不同"
Text Overlay: 产品名称 + 发布日期
Music: 音乐达到高潮，戛然而止
Emotion: 未来感、无限可能

补充说明：
- 灯光：舞台聚光灯+背景冷蓝色调
- 人物：CEO年龄40-50岁，自信且有亲和力
- 产品出现时机：不要一开始就完全展示，保持悬念

方法2：上传参考素材

如果你有产品照片、场地照片、或竞品视频截图，可以上传给ChatGPT分析。

操作流程：

在ChatGPT中上传图片（支持PNG/JPG）
描述你的需求和目标受众
ChatGPT会分析图片内容并生成定制提示词

示例对话：

User: 
[上传一张摩洛哥风格瓷砖的照片]
我想为这款瓷砖制作一个12秒的广告视频，
展示它用在厨房背景墙的效果。目标客户是
追求独特设计的中产阶级家庭。

ChatGPT:
我看到这是一款色彩丰富的摩洛哥几何图案瓷砖，
以下是针对性的提示词...

标题：摩洛哥艺术瓷砖 - 让厨房成为艺术品
类型：家居产品广告
总时长：12秒

[0-3s] 产品特写
Camera: 极慢的推进镜头，从瓷砖的几何图案细节开始，
展现其丰富的色彩层次和手工质感
Visual: 蓝色、金色、白色交织的摩洛哥传统图案，
阳光照射下，釉面反射柔和光泽
SFX: 轻柔的阿拉伯风格音乐前奏（乌德琴）
Emotion: 异域风情、艺术感、精致

[3-6s] 环境融入
Camera: 镜头拉出，揭示这些瓷砖被应用在一个
现代简约风格的厨房背景墙上
Visual: 白色橱柜与摩洛哥瓷砖形成视觉对比，
大理石台面上摆放着新鲜水果和咖啡器具，
营造精致生活场景
SFX: 厨房环境音（水壶烧开的轻微声音，鸟鸣从
开着的窗户传来）
VO: "一面墙，诠释你的品味"
Emotion: 高级感、生活美学

[6-9s] 生活场景
Camera: 切换到中景，一位优雅的女主人（30-40岁）
在这个厨房准备早餐，偶尔回头欣赏这面瓷砖墙，
露出满意的微笑
Visual: 柔和的晨光从窗户洒入，女主人穿着
居家服，动作从容，背景的瓷砖墙始终是视觉焦点
SFX: 切菜声、餐具轻碰声、轻松的爵士乐
Emotion: 温馨、满足、生活质感

[9-12s] 品牌信息
Camera: 回到瓷砖墙的特写，镜头缓缓横移，
展示整面墙的完整效果
Visual: 瓷砖图案在不同光线下呈现不同色彩深度，
最后画面淡出，留下品牌Logo和联系方式
SFX: 音乐柔和收尾
Text Overlay: 品牌名 | 官网地址 | "设计师优选"
VO: "XX瓷砖，让家成为艺术馆"
Emotion: 品牌印象、高端定位

补充说明：
- 瓷砖颜色需与上传图片保持一致
- 厨房风格：现代简约，不要过于传统
- 避免过多物品堆积，保持画面简洁
- 女主人形象：知性、追求生活品质，不要过于年轻

方法3：使用预设模板

无忆研习社整理了一些常用的提示词模板，适合不同行业。

模板1：房地产虚拟导览

标题：[楼盘名称]豪宅导览
类型：房地产营销
总时长：12秒

[0-3s] 外观建立镜头
Camera: 无人机从街道视角缓缓上升，展现建筑外观
Visual: [建筑风格]的外立面，周边环境[绿化/城市]
SFX: 环境音（鸟鸣/车流），轻音乐
VO: "欢迎来到[楼盘名称]"
Emotion: 高端、宁静

[3-6s] 室内空间展示
Camera: 从大门推进，横移展示客厅、餐厅、厨房
Visual: [装修风格]，[采光情况]，家具摆放[简约/奢华]
SFX: 开门声，脚步声（暗示带看）
VO: "[面积]平米，[户型]，精装交付"
Emotion: 宽敞、明亮、温馨

[6-9s] 细节特写
Camera: 特写镜头展示高端配置（厨房电器/卫浴/地板等）
Visual: [品牌名称]电器，[材质]地板，细节精致
SFX: 细节音效（水龙头、抽屉、窗户）
Emotion: 品质感、高级

[9-12s] 景观收尾
Camera: 推开阳台门，展现外部景观（城市天际线/公园）
Visual: 夕阳西下，景色优美
SFX: 拉门声，风声，远处城市低鸣
Text: 楼盘名称 | 起价XXX万 | 预约看房热线
VO: "这里，是你的理想之家"
Emotion: 向往、梦想

替换变量：
- [楼盘名称]：实际楼盘名称
- [建筑风格]：现代、欧式、中式等
- [装修风格]：简约、轻奢、新中式等
- [面积]、[户型]：实际数据

模板2：美食探店

标题：[店名]美食探店
类型：短视频内容
总时长：12秒

[0-3s] 开场吸引
Camera: 极慢动作特写，食物制作关键瞬间
（芝士拉丝/倒酱汁/切开食物等）
Visual: 近距离捕捉食物质感，光影效果突出诱人色泽
SFX: ASMR级别的食物声音（滋滋声/流动声）
Music: 节奏明快的背景音乐
Emotion: 食欲感、满足感

[3-6s] 制作过程
Camera: 手部特写+俯拍，展示厨师制作过程
Visual: 专业手法，食材新鲜，操作熟练
SFX: 刀工声、炉火声、调料撒落声
VO (可选): "老板说，这是他的独家秘方"
Emotion: 专业、用心

[6-9s] 成品展示
Camera: 360度旋转镜头，展示完成的美食
Visual: 精致摆盘，色彩搭配，冒着热气
SFX: 环境音减弱，突出食物视觉
Text: 店名 | 地址 | 人均消费
Emotion: 精致、诱人

[9-12s] 品尝反应
Camera: 食客品尝后的表情特写（可用Cameo）
Visual: 满足的表情，竖起大拇指
SFX: 咀嚼声（轻微），满足的叹息"嗯～"
VO: "绝了！必须来试试"
Text: 点赞+关注，下次带你吃更多
Emotion: 真实、推荐感

替换变量：
- [店名]、[地址]、[人均消费]：实际信息
- 食物类型：火锅/烧烤/甜品等，调整描述

模板3：APP功能演示

标题：[APP名称]功能演示
类型：产品教程
总时长：12秒

[0-3s] 问题引入
Camera: 第一人称视角，手机屏幕录屏+真实手部操作
Visual: 展示用户遇到的某个需求场景（如需要记账）
SFX: 轻微的思考音效，手指点击屏幕声
VO: "还在为[痛点]烦恼吗？"
Emotion: 共鸣、问题意识

[3-6s] 产品介绍
Camera: 转场到APP界面，流畅的界面动画展示
Visual: 清晰的UI设计，核心功能位置明显
SFX: APP打开音效，界面滑动声
VO: "试试[APP名称]，一键解决"
Emotion: 简单、高效

[6-9s] 功能演示
Camera: 屏幕录屏，演示核心操作流程（3-4步）
Visual: 每一步都有清晰的手指点击提示，
操作流程用箭头或高光标注
SFX: 每次操作成功的提示音"叮"
VO (可选): 简短的步骤说明
Emotion: 易用、流畅

[9-12s] 结果展示+CTA
Camera: 展示使用后的结果界面（数据看板/完成页面等）
Visual: 视觉化的成果（图表/勋章/完成标志）
SFX: 成功音效，庆祝音效
Text: APP名称 | 下载链接/二维码
VO: "立即下载，开始体验"
Emotion: 成就感、行动呼吁

替换变量：
- [APP名称]、[痛点]：实际产品信息
- 演示步骤：根据实际功能调整

四、专业级视频制作流程

4.1 前期规划

即使AI能生成视频，好的创意和规划仍是成功的关键。

明确视频目标

问自己5个问题：

这个视频是给谁看的？（目标受众）
我希望观众看完后做什么？（行动召唤）
核心信息是什么？（一句话总结）
什么情绪能达成目标？（情绪基调）
视频将在哪里发布？（平台特性）

示例分析：

假设你要为一款健身APP做推广视频：

目标受众：25-35岁，工作繁忙，想健身但缺乏时间的都市白领
行动召唤：下载APP并注册试用
核心信息："每天只需15分钟，在家就能高效健身"
情绪基调：激励、充满活力、但不让人有压力
发布平台：抖音、小红书（竖屏9:16）

编写分镜脚本

在用Sora生成之前，先用文字或草图规划每个镜头。

分镜表模板：

镜头号	时长	景别	内容描述	对白/旁白	备注
1	0-3s	特写	手机闹钟显示早上7:00，手伸入画面关掉	"又是忙碌的一天"	低角度拍摄
2	3-6s	全景	女主角匆忙准备出门，客厅有运动器材但积灰	"健身计划又泡汤了"	用环境暗示矛盾
3	6-9s	中景	女主角坐地铁，打开手机看到健身APP推送	"只需15分钟？"	屏幕内容清晰
4	9-12s	特写	APP界面展示，选择"快速燃脂"课程	"今晚就试试"	UI动画流畅
5	12-15s	快切蒙太奇	女主角在家完成运动，满头大汗但笑容满面	"原来这么简单"	音乐达到高潮

4.2 批量生成与筛选

同一提示词多次生成

AI生成有随机性，同一个提示词多生成几次，选出最佳结果。

建议流程：

用相同提示词生成3-5次
快速浏览，标记出明显不合格的（如穿模、逻辑错误）
仔细对比剩余的2-3个版本
选择表情、动作、光影最佳的一个

评估标准：

✓ 物理真实性（没有违反常识的运动）
✓ 情绪表达（角色表情是否到位）
✓ 技术质量（分辨率、色彩、音质）
✓ 镜头美感（构图、光影）
✓ 品牌一致性（如有品牌元素，是否准确）

变体测试

同一个场景，尝试不同的提示词变体。

示例：

主题：展示一款咖啡机

变体1：产品为中心

咖啡机特写，镜头缓缓环绕，展示每一个细节，
背景虚化，聚光灯打在产品上，强调金属质感和科技感

变体2：使用场景为中心

温馨的早晨厨房，阳光透过窗户，女主人走到咖啡机前，
按下按钮，机器开始工作，香气弥漫，她满足地端起咖啡杯

变体3：情感故事为中心

年轻夫妻刚搬进新家，客厅还有未拆的纸箱，
丈夫从箱子里拿出咖啡机，妻子惊喜地笑了，
"有它就有家的感觉"，两人一起泡咖啡，镜头温馨

生成后对比，看哪种更符合品牌定位和传播目标。

4.3 后期剪辑组合

Sora 2生成的视频可能需要后期优化或组合。

常见后期需求

1. 去除水印

如果使用免费版Sora，视频会带有Logo水印。

方法A：裁剪法（适用于水印在边缘）

在Premiere中，调整视频缩放到105%-110%
裁剪掉水印部分
适用于水印位置固定的情况

方法B：使用AI去水印工具

HitPaw Online Watermark Remover

网址：hitpaw.com/online-watermark-remover
免费版：每月5个视频
操作：上传视频 → 框选水印区域 → 处理（约15分钟）

Vmake.ai

专注于AI内容修复
支持批量处理
处理速度快，但需要订阅

方法C：使用内容感知填充（进阶）

在Adobe After Effects中：

导入Sora生成的视频
使用"内容感知填充"（Content-Aware Fill）
框选水印区域
AE会分析周围像素并自动填充
渲染输出（时间较长，但效果最好）

无忆研习社提示：

最好的方法是订阅Pro版或使用第三方平台（如FreePik）生成无水印视频
AI去水印可能影响画质，权衡利弊
商业使用务必确保版权合规

2. 添加品牌元素

Sora生成的视频不会自动包含你的品牌Logo、联系方式等。

在Premiere Pro中添加Logo：

导入Logo文件（PNG格式，带透明背景）
将Logo拖到视频轨道上方
调整大小和位置（通常在右上角或右下角）
添加淡入淡出效果：

选中Logo图层
效果 → 视频过渡 → 溶解 → 交叉溶解
拖到Logo开头和结尾

可选：添加投影效果增强可读性

效果 → 透视 → 投影

添加文字信息：

工具 → 文字工具（T键）
在预览窗口点击，输入文字
在"基本图形"面板调整：

字体（选择易读的无衬线字体）
大小（至少48pt，确保手机上可读）
颜色（与品牌色一致）

添加描边或背景：

图形 → 矩形工具，在文字下绘制背景框
调整不透明度到70-80%

3. 音频优化

Sora生成的音频可能不完美，需要后期调整。

替换背景音乐：

静音Sora原视频的音频轨
导入自己的音乐文件
调整音量：建议背景音乐在-18dB到-12dB之间
添加淡入淡出：

选中音频
效果 → 音频过渡 → 恒定功率
拖到音频开头和结尾

保留对话，只替换音效：

如果想保留Sora生成的对话但换背景音：

在Audacity中打开Sora视频的音频
使用"频谱选择"工具
选中人声频率范围（通常100Hz-4000Hz）
导出为单独的人声轨
在Premiere中：

原视频静音
导入分离的人声轨
添加你的背景音乐
调整两者音量平衡

添加音效：

免费音效资源：

Freesound.org（需注册，资源丰富）
Zapsplat.com（免费但需署名）
无忆研习社音效库（为会员提供精选音效包）

4. 色彩校正

Sora生成的视频色调可能不完全符合品牌风格。

在DaVinci Resolve中调色：

导入Sora视频
切换到"调色"（Color）工作空间
使用"色轮"（Color Wheels）调整：

提升（Lift）：调整暗部色调
伽马（Gamma）：调整中间调
增益（Gain）：调整高光

应用LUT（Look-Up Table）：

在"LUT"面板选择预设风格
常用风格：电影感、复古、清新等

使用"曲线"（Curves）精细调整对比度

快速调色预设：

温暖阳光：橙色提升+2，蓝色降低-1
冷酷科技：蓝色提升+2，橙色降低-1
复古胶片：对比度降低10%，饱和度降低15%，添加颗粒
高对比黑白：去饱和度，提升对比度30%

4.4 多段视频拼接

如果你生成了多个镜头，需要拼接成完整视频。

剪辑节奏原则

镜头时长指南：

建立镜头（Establishing Shot）：3-5秒
对话镜头：2-4秒/句
动作镜头：1-2秒（快节奏）
情绪镜头：4-6秒（让观众感受）
转场镜头：1-3秒

切换时机：

在动作完成的瞬间切换（如手触碰到物体时）
在对话句子结束时切换
在音乐节拍点上切换（卡点）
避免在动作中途切换（会显得突兀）

转场效果选择

不要过度使用花哨转场，以下是专业建议：

✅ 推荐使用：

直接切（Cut）：90%的情况用这个就够了
淡入淡出（Cross Dissolve）：时间跳跃、场景变化
淡出黑场（Dip to Black）：章节结束

⚠️ 谨慎使用：

擦除（Wipe）：仅用于复古/趣味风格
缩放（Zoom）：用于突出重点时刻
旋转（Spin）：仅用于创意/儿童内容

❌ 避免使用：

星形擦除、心形转场等过时效果
除非是故意追求怀旧感

音频连贯性处理

多个Sora视频片段拼接时，音频可能不连贯。

解决方法：

重新配音：

使用ElevenLabs或Azure Text-to-Speech
生成统一风格的配音
覆盖到所有片段上

添加环境音底噪：

在所有片段下方添加一条持续的环境音轨（如室内氛围音）
音量设置很低（-30dB左右）
增强沉浸感和连贯性

音乐串联：

选择一首贯穿全片的背景音乐
在关键剪辑点让音乐"呼吸"（短暂静音或降低音量）
再恢复，制造节奏感

4.5 导出设置

平台适配

不同平台对视频格式有不同要求：

YouTube / B站：

分辨率：1920x1080 (1080p)
帧率：30fps或60fps
比特率：8-12 Mbps（H.264编码）
格式：MP4

抖音 / 快手：

分辨率：1080x1920 (9:16竖屏)
帧率：30fps
比特率：6-10 Mbps
格式：MP4
注意：前3秒是关键，必须吸引人

Instagram Reels：

分辨率：1080x1920
帧率：30fps
时长：最长90秒
格式：MP4

微信视频号：

分辨率：1080x1920 或 1920x1080
帧率：30fps
文件大小：<100MB
格式：MP4

Premiere Pro导出设置

文件 → 导出 → 媒体
格式：H.264
预设：自定义
视频设置：

分辨率：目标平台要求
帧率：30fps（或与源素材一致）
比特率编码：VBR，2次
目标比特率：10 Mbps
最大比特率：12 Mbps

音频设置：

格式：AAC
采样率：48000 Hz
比特率：320 kbps（高质量）

文件命名规范

建议使用清晰的命名规则：

[项目名]_[版本]_[平台]_[日期].mp4

示例：
咖啡机广告_v3_抖音竖屏_20241225.mp4
品牌宣传片_最终版_YouTube横屏_20241225.mp4

五、后期优化技巧

5.1 使用Runway Gen-3进行细节修复

虽然Sora 2已经很强大，但某些细节可能不完美。可以结合其他AI工具优化。

Runway的优势

精确的局部编辑：可以只修改视频的某一部分
运动控制：调整物体的运动轨迹
风格迁移：改变视觉风格但保留动作

典型应用场景

场景1：修复手部动作

Sora生成的视频中，手部动作有时会不自然（手指穿模、多根手指等）。

解决方法：

在Sora视频中截取出现问题的帧
在Runway Gen-3中使用"Image + Text to Video"
提示词："修复手部动作，使其自然准确，保持其他部分不变"
生成修复后的片段
在Premiere中替换原片段

场景2：更改物体颜色/材质

假设Sora生成的汽车是红色，但你需要蓝色。

解决方法：

导出Sora视频首帧作为参考图
在Photoshop中将汽车改为蓝色
上传修改后的图片到Runway
提示词："基于这张图片生成视频，汽车颜色保持蓝色，其他动作与原视频一致"

5.2 使用Topaz Video AI提升画质

如果Sora生成的720p视频需要用于大屏展示，可以用AI升频。

Topaz Video AI功能

分辨率提升：720p → 1080p/4K
去噪：减少压缩噪点
慢动作：插帧生成慢动作效果
去抖动：稳定抖动画面

使用流程

下载安装Topaz Video AI（付费软件，约$300）
导入Sora视频
选择AI模型：

Artemis：通用模型，平衡质量和速度
Proteus：高质量但速度慢
Nyx：去噪专用

设置输出分辨率（如1080p → 4K）
处理并导出（时间取决于视频长度和设置）

注意：

处理需要强大的GPU（建议RTX 3060以上）
12秒视频升频到4K大约需要5-15分钟
原始视频质量越高，升频效果越好

5.3 使用ElevenLabs优化配音

如果Sora生成的配音不满意，可以用ElevenLabs重新生成。

操作步骤

提取视频文本：

如果你有提示词中的VO文本，直接使用
如果没有，使用字幕工具（如Descript）自动识别

在ElevenLabs生成配音：

登录elevenlabs.io
选择合适的声音（中文推荐"晓晓"、"云飞"等）
粘贴文本
调整参数：

Stability（稳定性）：0.5-0.7（过高会显得呆板）
Similarity（相似度）：0.7-0.8
Style Exaggeration（风格夸张度）：0.3-0.5

生成并下载

在Premiere中替换音频：

静音原视频音轨
导入ElevenLabs生成的音频
对齐画面（使用标记点功能）
微调时间轴，确保口型同步

高级技巧：情绪控制

ElevenLabs支持SSML（Speech Synthesis Markup Language）标记：

<speak>
  <prosody rate="slow">这是一段重要的信息。</prosody>
  <break time="500ms"/>
  <prosody pitch="+5%">而这里需要强调！</prosody>
  <emphasis level="strong">无忆研习社</emphasis>
  为你带来最新技术。
</speak>

参数说明：

rate：语速（slow/medium/fast）
pitch：音调（-10%到+10%）
emphasis：强调程度（moderate/strong）
break：停顿时长（毫秒）

5.4 添加字幕

视频字幕能显著提升观看体验和传播效果（无忆研习社数据：带字幕视频完播率提升40%）。

自动生成字幕

方法1：使用Descript（推荐）

导入视频到Descript
选择"Transcribe"（识别语言：简体中文）
AI自动生成字幕文本
编辑校对（修正错别字）
导出SRT字幕文件

方法2：使用剪映

导入视频
文本 → 识别字幕 → 开始识别
自动生成字幕
手动调整样式：

字体：思源黑体、阿里巴巴普惠体（易读）
大小：根据分辨率调整（1080p建议48-60pt）
颜色：白色文字+黑色描边（或根据品牌色）

导出视频（字幕会烧录到画面中）

字幕样式设计

商业风格字幕：

字体：无衬线（如微软雅黑、苹方）
位置：下方居中，距离底部15%
颜色：白色文字（#FFFFFF）+ 黑色描边（2-3px）
背景：半透明黑色矩形（可选）

创意风格字幕：

字体：手写体、艺术字体
位置：跟随说话人移动
颜色：多彩、与品牌色呼应
动画：逐字淡入、弹跳效果

无忆研习社字幕规范：

字体：思源黑体 Bold
大小：56pt (1080p)
颜色：#FFFFFF
描边：黑色，3px
位置：Y轴 85%（距底部15%）
背景：可选，黑色，不透明度30%
最大宽度：屏幕80%（避免过长）
每行字数：≤20字
停留时间：按阅读速度，最少2秒

六、常见问题解决方案

6.1 生成失败与错误处理

问题1："Content Violation"（内容违规）

原因：

提示词包含敏感词汇
描述了暴力、色情场景（即使很隐晦）
提到真实人物名字（名人、政治人物）
包含版权内容（电影角色、品牌Logo）

解决方法：

替换敏感词汇：

❌ "一个持枪的警察"
✅ "一位执法人员"

❌ "血腥的战斗场面"
✅ "激烈的武术对抗"

使用ChatGPT清洗提示词：

请帮我修改以下提示词，使其符合Sora的内容政策，
同时保持原意：
[你的原始提示词]

避免提及品牌：

❌ "一部iPhone手机"
✅ "一部现代智能手机"

❌ "特斯拉电动车"
✅ "电动汽车"

问题2：生成速度慢/卡在队列中

原因：

服务器负载高（高峰时段）
免费版用户优先级低
复杂提示词需要更长处理时间

解决方法：

避开高峰时段：

高峰：北京时间21:00-23:00、周末
低峰：凌晨2:00-6:00、工作日上午

简化提示词：

复杂的时间线提示词处理更慢
先用简化版测试，满意后再用复杂版

使用第三方平台：

Higgsfield等平台通常速度更快
虽然价格更高，但节省时间

问题3：生成结果不符合预期

原因：

提示词描述不够精确
AI理解与你的预期存在偏差
随机种子导致的变化

解决方法：

增加细节描述：

❌ "一个人在走路"
✅ "一位身穿蓝色西装的中年男性，步伐稳健地走在
铺满落叶的林荫道上，秋日的阳光从树叶间洒下斑驳
的光影，他的脸上带着平静的微笑，背景是模糊的
公园长椅和远处的湖泊"

使用参考图片：

上传风格参考图（即使内容不相关）
AI会学习图片的色调、光影、构图风格

迭代优化：

第一次生成查看结果
记录不满意的地方
在提示词中明确排除："避免XXX"、"不要XXX"
重新生成

示例迭代过程：

第1次提示词：
"一个咖啡师制作咖啡"

第1次结果：背景杂乱，光线不足

第2次提示词：
"一个咖啡师在干净整洁的咖啡吧台制作拿铁，
明亮的自然光从窗户照入，背景虚化"

第2次结果：咖啡师动作僵硬

第3次提示词：
"一个专业咖啡师流畅地制作拿铁艺术，他自信地
倾倒牛奶，在咖啡表面拉出心形图案，动作行云流水。
场景：明亮现代的咖啡店吧台，背景虚化，自然光充足"

第3次结果：满意！

6.2 版权与商业使用

Sora官方版权政策

根据OpenAI的服务条款：

✅ 你可以：

将生成的视频用于商业项目
售卖包含Sora视频的最终产品
在社交媒体、广告中使用
修改和编辑生成的视频

❌ 你不能：

声称视频是真实拍摄的（需标注AI生成）
生成包含真实人物肖像的内容（除非使用Cameo）
生成版权内容（如电影片段、品牌Logo）
将生成的视频再训练其他AI模型

商业使用建议

添加AI生成声明：

根据各国法规和平台政策，建议在视频中标注AI生成：

方式1：在视频结尾添加文字
"本视频由AI技术辅助生成"

方式2：在视频描述中说明
"This video was created with AI assistance using Sora"

方式3：使用透明水印
在角落添加"AI Generated"小标识

中国相关规定：

根据《互联网信息服务深度合成管理规定》：

使用AI生成的内容应当显著标识
不得利用AI生成虚假信息
用于商业广告的AI内容需明示

建议实践：

在视频角落添加小标识："AI创作"或"AI Generated"
在社交媒体发布时，文案中提及使用了AI工具
对于商业客户，在合同中说明使用了AI辅助

6.3 技术限制与替代方案

当前限制

Sora 2尚不支持：

超过15秒的视频（非Pro版）
多个角色的复杂互动（容易出错）
精确的口型同步（中文尤其难）
完全一致的角色跨视频复用（Cameo除外）
复杂的物理交互（如液体精确模拟）

混合工作流建议

针对不同需求，无忆研习社建议采用混合方案：

需求1：长视频（60秒+）

方案：

用Sora生成多个12秒片段
使用相似的提示词确保风格一致
在Premiere中剪辑拼接
用Runway Gen-3补充转场镜头
统一调色确保连贯

需求2：精确的产品演示

方案：

真实拍摄产品静物和特写镜头（可用手机）
用Sora生成使用场景和人物镜头
混合剪辑，真实产品+AI场景

需求3：动画内容

方案：

用Midjourney/DALL-E生成角色设计图
将角色图片输入Sora，生成简单动作
用Runway Gen-3进行精细动作控制
在After Effects中添加特效

需求4：交互式内容

方案：

Sora生成背景和环境视频
在Unity或Unreal Engine中导入
添加交互逻辑和UI
适用于VR体验、互动广告等

七、行业应用案例

7.1 电商与产品营销

案例：服装品牌虚拟走秀

背景：

某服装品牌需要展示新季产品，但拍摄成本高昂。

Sora应用方案：

步骤1：准备素材

拍摄产品平铺照片（白色背景）
准备品牌Logo和Slogan

步骤2：生成虚拟模特视频

提示词：
一位身材匀称的专业模特穿着[上传的服装照片]，
在摄影棚白色背景前展示这件衣服。模特自信地
转身360度，展示服装的各个角度，布料随动作
自然摆动。专业的三点布光，突出服装质感。
镜头从全身缓缓推进到上半身特写，展示细节设计。

补充说明：
- 模特：25-30岁，职业模特身材，自信表情
- 服装：保持上传照片的颜色和款式完全一致
- 动作：流畅专业的T台展示动作
- 光线：摄影棚专业布光，柔和均匀

步骤3：批量生成不同款式

使用相同的提示词模板，更换不同的服装照片，生成整个系列。

步骤4：剪辑成宣传片

每款服装视频3-5秒
添加转场（快速切）
配合节奏感强的音乐
结尾添加品牌信息和购买链接

成本对比：

传统拍摄：模特费+摄影师+场地+后期 = ¥5000-10000
Sora方案：时间成本（1-2天） = ¥0（假设自己操作）

效果：

视觉质量：90分（真实拍摄100分）
速度：快10倍
灵活性：可随时生成新款展示

7.2 房地产

案例：期房可视化

背景：

楼盘还在建设中，需要提前展示未来的样板间和社区环境。

Sora应用方案：

步骤1：准备设计图

室内设计效果图（3D渲染图）
小区规划图
建筑外观图

步骤2：生成虚拟导览视频

提示词（客厅导览）：
一位穿着职业装的房地产经纪人走进这间现代简约
风格的客厅[上传设计效果图]。她微笑着介绍空间布局：
"这是主要的起居空间，面积达到45平米，
南向采光非常充足。"镜头跟随她的步伐，从玄关推进，
横移展示电视墙、沙发区、阳台景观。落地窗外可见
小区园林和远处的城市天际线。夕阳西下，光线温暖。

镜头细节：
[0-3s] 从门口进入，建立镜头展示整体空间
[3-6s] 跟随经纪人走向落地窗，展示采光
[6-9s] 特写窗外景观（园林、喷泉）
[9-12s] 回到室内，经纪人转向镜头，结束语

步骤3：多场景组合

生成不同空间的视频：

客厅（12秒）
主卧（12秒）
厨房（10秒）
卫生间（8秒）
阳台景观（10秒）
小区设施（12秒）

步骤4：添加信息层

在Premiere中添加：

户型图动画（显示当前位置）
面积和朝向信息
房价和优惠信息
联系方式和二维码

效果：

客户能提前"看到"未建成的房子
比静态效果图更有沉浸感
可在售楼处循环播放
可生成多个户型版本

7.3 教育培训

案例：历史事件重现

背景：

历史老师想要生动展示历史事件，但缺乏相关影像资料。

Sora应用方案：

主题：古丝绸之路商队

提示词：
公元200年，一支商队行走在丝绸之路上。领头的是
一位蓄着长须的波斯商人，骑着骆驼，队伍绵延向远方。
他们穿过沙漠，骆驼身上驮着丝绸和瓷器。夕阳下，
沙丘呈现金黄色，商队的影子被拉得很长。
镜头从远处高角度俯拍，展现商队的规模和环境的壮阔，
然后推进到商人的特写，他眼神坚定地望向前方。

风格：
- 电影级摄影，史诗感
- 色调：温暖的橙黄色，模拟胶片质感
- 音效：驼铃声、风沙声、远处的交谈声
- 配乐：传统的西域乐器（如羌笛）

教学应用：

课堂播放，吸引学生注意力
配合讲解，增强理解
制作成系列视频，覆盖多个历史场景
学生作业：让学生写提示词生成历史场景

优势：

视觉化抽象概念
提高学生学习兴趣
比文字描述更直观
成本几乎为零

7.4 社交媒体内容

案例：知识科普短视频

背景：

科普博主想要制作关于"黑洞"的视频，但缺乏相关素材。

Sora应用方案：

场景1：开场钩子

提示词：
浩瀚的宇宙深处，星光璀璨。镜头缓缓推进，
聚焦到一个黑暗的区域，周围的星光和物质被扭曲，
螺旋式地吸入中心。这就是黑洞，宇宙中最神秘的天体。
特效风格参考《星际穿越》，科学准确且视觉震撼。

[0-3s] 星空全景，宁静美丽
[3-6s] 推进到黑洞，开始显现吸积盘
[6-9s] 特写黑洞事件视界，物质螺旋坠入

场景2：科学解释

提示词：
在一个现代的虚拟演播室中，一位年轻的科学家
（可用Cameo）站在巨大的透明屏幕前。屏幕上显示
黑洞的3D模型和相关数据图表。科学家用手势控制
屏幕内容，讲解："黑洞的引力如此之强，连光都无法
逃脱。"背景是蓝色的科技感灯光。

风格：TED演讲风格，专业但不失亲切

场景3：类比说明

提示词：
创意动画：一个保龄球压在蹦床上，周围的小球
向凹陷处滚动，这就像黑洞弯曲时空的效果。
画面简洁，色彩鲜明，易于理解。

后期组合：

开场黑洞视觉（9秒）
主持人讲解（20秒，分3段）
类比动画（8秒）
实拍素材：天文望远镜观测（5秒）
结尾+关注引导（3秒）

总时长：45秒，完美适配抖音/快手

传播效果：

视觉冲击力强，容易获得推荐
知识点清晰，观众易于理解
制作周期短（1-2天），可高频产出

八、未来展望与建议

8.1 Sora 3的可能特性

根据行业趋势和OpenAI的技术路线，无忆研习社预测Sora 3可能会有以下升级：

1. 更长视频

从15秒提升到60秒甚至2分钟
支持章节式长视频生成

2. 更精确的角色控制

跨视频角色一致性（不依赖Cameo）
精确的表情和口型控制
支持上传多张参考图定义角色

3. 实时交互生成

边生成边预览
实时调整参数
类似游戏引擎的实时渲染

4. 3D场景理解

生成可导出3D场景
与Unity/Unreal Engine深度集成
支持多机位视角生成

5. 更多控制选项

镜头轨迹绘制
关键帧精确控制
分层编辑（前景/中景/背景独立调整）

8.2 创作者如何准备

技能储备建议：

1. 提示词工程

持续练习，积累经验
学习电影摄影术语
关注Sora社区的优秀案例

2. 后期制作

至少掌握一款剪辑软件（Premiere/Final Cut Pro）
学习调色基础
了解音频处理

3. 创意策划

AI生成只是工具，创意才是核心
多看优秀广告、短片、MV
培养叙事能力和视觉审美

4. 行业知识

了解你服务的行业（如房地产、电商）
知道客户的痛点和需求
能够提供解决方案，而不只是"生成视频"

建立作品集：

使用Sora制作5-10个不同风格的案例视频：

产品广告（展示商业能力）
品牌宣传片（展示叙事能力）
教育内容（展示说明能力）
创意短片（展示艺术能力）
社交媒体内容（展示传播力）

将作品集放在：

个人网站/博客
Behance/站酷等设计平台
B站/YouTube视频展示
无忆研习社作品廊（投稿优质作品）

8.3 商业机会

服务类机会：

1. AI视频制作服务

为中小企业制作营销视频
定价：500-3000元/条（根据复杂度）
月收入潜力：1-5万元（兼职）

2. 教学培训

开设Sora使用课程
一对一辅导企业客户
知识付费社群

3. 模板销售

制作提示词模板包
出售预设工作流
建立素材库

产品类机会：

1. 垂直领域工具

房地产专用视频生成工具
电商产品视频自动化平台
教育课件视频生成器

2. 内容平台

AI视频素材交易平台
Sora作品展示社区
提示词分享平台

3. 配套服务

视频后期优化服务
脚本策划服务
版权咨询服务

写在本小节的最后

Sora 2的发布标志着AI视频生成进入了新纪元。无忆研习社认为，未来1-2年内：

80%的短视频内容将使用AI辅助生成
传统视频拍摄将更多聚焦于创意和高端制作
"AI视频创作师"将成为一个独立职业

但记住，AI是工具，创意和策略才是核心竞争力。那些能够：

讲好故事
理解受众
把握趋势
灵活运用工具

的创作者，将在AI时代脱颖而出。

无忆研习社持续关注AI创作领域，定期更新教程和行业动态，欢迎关注我们的平台获取最新资源。

附录：资源链接

官方资源：

Sora官网：https://sora.com
OpenAI文档：https://platform.openai.com/docs
ChatGPT：https://chat.openai.com

第三方平台：

FreePik AI：https://www.freepik.com/ai
Higgsfield Studio：https://higgsfield.ai
Runway Gen-3：https://runwayml.com

辅助工具：

ElevenLabs（配音）：https://elevenlabs.io
Topaz Video AI（升频）：https://www.topazlabs.com
Descript（字幕）：https://www.descript.com

学习资源：

无忆研习社：本站持续更新AI教程
Sora社区案例库
AI创作者交流群

免费素材：

音效：Freesound.org, Zapsplat.com
音乐：Bensound.com, Incompetech.com
字体：Google Fonts, 站酷字体

本文由无忆研习社原创整理，禁止未经授权的转载。如需转载，请联系我们并注明出处。

平台	网址	特点
Google Gemini	https://gemini.google.com	官方主入口，最易用
Google AI Studio	https://aistudio.google.com	开发者平台，配额充裕
LMArena	https://lmarena.ai	可体验最新功能
OpenArt	https://openart.ai	第三方平台，多模型支持

工具	网址	用途
Pexels	https://www.pexels.com	免费素材图片
PixVerse	https://app.pixverse.ai	图片转视频
Canva	https://www.canva.com	图片拼贴制作

AI工具基础指南：文本模型 + 智能生图 + 视频生成 | 无忆研习社 | 莫潇羽

第一节：AI智能写作实战指南：从零基础到高效产出的完整攻略

写在前面

第一部分：AI辅助论文初稿生成

为什么论文写作需要AI辅助？

一、大纲生成：搭建文章骨架

二、内容生成：填充血肉

三、论文初稿的后续处理

第二部分：智能整理杂乱文本

场景描述

核心提示词模板

提示词解析

实操案例

适用场景

第三部分：文心一言实战指南

一、报告撰写

二、行业分析

三、教案设计

四、知识点梳理

五、题库生成

六、文献解读

七、多语言翻译

八、PPT大纲生成

九、表格制作

十、思维导图绘制

第四部分：豆包实战指南

一、短视频脚本创作

二、直播话术

三、文案创作

四、视频生成相关

五、视频分析与关键片段提取

六、图像解读

七、日程规划

八、购物攻略

九、旅游方案设计

第五部分：腾讯混元实战指南

使用方式

一、会议纪要整理

二、PDF文档总结

三、任务拆解与提醒

四、微信内直接交互

五、广告文案

六、活动策划

七、游戏攻略

八、双模型协同

第六部分：综合应用场景演练

场景一：职场人士——季度工作总结

场景二：学生——课程论文大纲与文献解读

场景三：内容创作者——短视频脚本与海报设计

场景四：日常办公——会议纪要整理与任务拆解

第七部分：常见问题与进阶技巧

常见问题解答

进阶使用技巧

第八部分：课程总结与作业

课程核心要点回顾

课后作业

写在本小节的最后

第二节：Google Gemini AI 图像编辑完全指南：Nano Banana 功能深度解析与实战教程

前言

第一章：认识 Nano Banana

1.1 什么是 Nano Banana？

1.2 Nano Banana 的两个版本

1.3 核心技术优势

第二章：访问 Nano Banana 的途径

2.1 Google Gemini 官方入口（推荐新手）

2.2 Google AI Studio（推荐进阶用户）

2.3 LMArena（推荐体验最新功能）

2.4 第三方平台 OpenArt

2.5 国内镜像站 微信小程序 云端藏书

第三章：基础图像编辑功能

3.1 改变物体颜色

3.2 移除图片中的物体或人物

3.3 添加元素到图片

3.4 图片去噪与增强

第四章：人物编辑高级功能

4.1 更换服装

4.2 移除纹身

4.3 移除雀斑和皮肤瑕疵

4.4 修复肤色问题

4.5 年龄变换

2.5 国内镜像站微信小程序云端藏书