本文由 莫潇羽@无忆研习社（www.wuyi.wiki）撰写，转载请注明出处。

快速摘要

LiblibAI 2.0 这次升级最关键的变化只有一句话：它把"模型分发社区"做成了"创作工作台"。 平台目前在一个界面里同时挂了 Seedream 4.0、Qwen-Image、Flux.1、Nano Banana、Midjourney V7 这些主流图片模型，外加 海螺 02、可灵 2.5、Vidu Q2、Wan 2.2、Seedance、Hunyuan 等视频模型，再加上 ComfyUI、WebUI、训练 LoRA、AI 工具箱五大模块。对于自媒体和独立创作者，单平台基本能跑完"创意 → 出图 → 出视频 → 后处理"整条流水线，不用再到三四个站点来回切换、付多家会员。

我自己折腾下来，最高频会用到的其实就三块：极简生成器里的图片/视频生成、ComfyUI 里的几个基础工作流（文生图、Wan 2.2 视频）以及 AI 工具箱里少数几个常驻工具（高清放大、换背景、AI 消除）。其他模块要么是"了解就好"，要么是"被新模型迭代掉了"。

下面是我整理出来的一张"模块导航 + 推荐度"速查表，先看完它，再决定要不要往下翻完整拆解。

想看完整拆解，往下翻。 后面我会按"平台总览 → 图片模型 → 图像编辑 → 视频生成 → 视频特效 → ComfyUI 工作流 → AI 工具箱"的顺序逐一讲清楚，每个模块都附我自己的实操体验和踩坑提示。

一、平台总览：哩布 2.0 到底改了什么

1.1 从"模型站"到"工作台"的位移

如果你跟我一样是从 SD 1.5 时代就在用哩布的老用户，进 2.0 之后第一感受会是——"侧边栏怎么变得这么干净"。这不是单纯的视觉刷新，是产品逻辑的彻底重排。

老版本的哩布像一个"模型货架"：你来这里挑 Checkpoint、挑 LoRA、看返图、下模型，然后跳到 WebUI 或 ComfyUI 自己拼接流程。2.0 反过来了，入口先给你"我要做什么"——生图、生视频、做特效、跑工作流、用 AI 应用——然后再给你"用什么模型"。模型从主角变成了配菜。

这个转向背后其实是整个开源生态遇到的共同问题：模型越来越多，新手越来越懵。Stable Diffusion 当年靠百花齐放打开局面，但等到 Flux、Qwen-Image、Seedream、Nano Banana 都登场之后，没有一个统一的入口去把它们串起来，普通人根本不知道"要用 A 模型还是 B 模型、参数怎么调、跟哪个 LoRA 搭"。哩布 2.0 这次干的就是"把选择困难症的难度降到一次点击"。

1.2 五大模块分工

进 2.0 之后，左侧栏其实只剩五个真正常用的入口。我用一张图把它们的分工记下来：

flowchart LR
    A[首页:极简生成器] --> B[图片生成]
    A --> C[视频生成]
    A --> D[视频特效]
    A --> E[训练 LoRA]
    A --> F[AI 工具箱]

    B -.->|进阶| G[ComfyUI 工作流]
    C -.->|进阶| G

    G --> H[文生图工作流]
    G --> I[图生图工作流]
    G --> J[Wan 2.2 视频工作流]
    G --> K[社区精选工作流]

首页极简生成器是给"我想要个结果，别让我调参数"的人的，ComfyUI 是给"我想自己把流水线搭出来"的人的。从我自己的使用看，80% 的日常需求在极简生成器里就能解决，剩下 20% 的特殊场景（角色替换、批量化、加速推理）才会下沉到 ComfyUI。

1.3 关于"积分"这件事必须先说清楚

讲完模块，我得先把积分逻辑跟你掰扯清楚，免得后面看模型对比时一头雾水。

哩布 2.0 用的是统一的积分制。每个模型每生成一张图/一段视频，扣多少积分是平台预先标好的。规律我观察下来基本是：

• 国产模型偏便宜：极梦/Seedream、Qwen-Image、海螺 02 这一类，单图通常几十到一百多积分。
• 国外闭源模型偏贵：Nano Banana（Gemini Flash Image）、Midjourney V7、Veo 这一类，单图能干到二三百，单条视频可能要五六百甚至上千积分。
• 可灵 2.5 高品质模式、Vidu Q2 高品质模式这类视频"豪华挡"，单次消耗也不低。

为什么国外模型贵？说白了哩布在中转人家的 API，自己也要付成本。所以真要打磨流程，我建议先在便宜的国产模型上把构图和提示词跑稳，再把最终成品换到贵模型上出最后一版，这样积分能省一大半。这个原则我后面整篇都会反复用到。

1.4 莫潇羽@无忆研习社 给新手的入门顺序

很多人一上来就问"我该从哪一步开始学"。我自己的建议是，按下面这个顺序最不容易迷路：

1. 先在首页极简生成器把 文生图走通，体会一遍"换模型 = 换风格"。
2. 切到 图生图（图像编辑），理解一下"指令式编辑"和"局部蒙版编辑"的区别。
3. 跳到 视频生成，先用图生视频跑通单帧，再尝试首尾帧。
4. 玩两天 视频特效，把模板化镜头摸熟。
5. 这时再去 ComfyUI 学最基础的 文生图 / 图生图 / Wan 2.2 三套工作流。
6. 最后去 AI 工具箱挑你真正需要的那几个常用工具。

这个顺序的核心是"先吃透简单工具，再下到原理层"，不会出现"在 ComfyUI 里搭半天却不知道这是为啥"的劝退体验。

二、图片生成模块：主流模型横向体验

2.1 模型阵营的两条主线

进入图片生成模块，你会看到模型选择器里堆了一大排名字，对新人来说眼花是必然的。我把它们粗暴地分成两条主线，理解起来会很轻松：

图片生成模型
├── 闭源 / 商用模型（不能加 LoRA、不能微调）
│   ├── Seedream 4.0（即梦/字节，国产标杆）
│   ├── Nano Banana（Gemini 2.5 Flash Image，谷歌）
│   ├── Midjourney V7（艺术感独一档）
│   └── 智能算法（自动调配模型，背后是 GPT 出图）
└── 开源 / 半开源模型（可以叠 LoRA、可以训练）
    ├── Qwen-Image（千问，阿里）
    ├── Flux.1（黑森林工作室）
    ├── Flux Krea / Flux Kontext（编辑特化）
    └── 通义万相系列、海螺 / 混元等

记住一条经验：闭源模型走的是"开盒即用、画质优先"的路线，开源模型走的是"可扩展、可微调、能自己装 LoRA"的路线。 这两条线没有谁绝对更好，只是适配场景不同。

下面挨个说我自己实测下来的体感。

2.2 Seedream 4.0：国产闭源里的全能选手

Seedream 4.0 是字节 Seed 团队在 2025 年放出来的，采用 MoE（混合专家）结构，原生支持 4K 输出，2K 出图大概 1.8 秒就能完成。这个速度配上画质，平心而论现在已经是国产模型里第一梯队。

我自己拿它跑的最多的场景是人像和蓝调时刻这种偏摄影感的题材。它的优点和缺点都很明显：

• 优点：中文语义理解非常贴合中文创作者的表达习惯，亚洲面孔特别耐看，写实感比 Flux 那种"油光锃亮"的开源模型好出一大截。
• 缺点：色调有时候会偏一档（尤其是冷色调场景偶尔会显得"绿绿的"），需要你在提示词里强调一下色温。

我的一个经验：给 Seedream 写词的时候，多用"色调 + 光线 + 情绪"三段式，比如"暖光、傍晚、安静"这种描述，它领会得比单独写"金色头发"这种局部细节要快。

2.3 Qwen-Image：开源旗舰，文字和海报上有天赋

千问的图像模型是阿里开源的，最大亮点不是出人像，而是它对中文文字的渲染能力。同样一句"创作一幅潮流插画风格的海报，主题是夏日露营，画面里要带'山野自由'四个字"——很多模型出来的字都是糊的或者全乱码，Qwen-Image 能把小字都写得整整齐齐。

这意味着它在以下场景里几乎没有对手：

• 公众号封面图、小红书首图、电商促销海报
• 带 Slogan 的品牌图
• 双语 / 多语言混排的设计稿

我自己最近做无忆研习社的几张活动主图，就是先用 Qwen-Image 把"带文字版本"跑出来，再去 Seedream 跑一遍纯视觉版本，最后用工具箱里的高清放大补一下细节，整套流水线下来花费可控。

需要注意的一点是：Qwen-Image 出人像的时候 AI 感会重一点，脸部会带轻微"塑料感"，这是开源模型的通病。如果做的就是人像写实，老老实实换到 Seedream 或 Nano Banana。

2.4 Flux 系列：上古旗舰已经成了"基础设施"

Flux.1 是黑森林工作室的开源底膜，出图特征非常好认——脸部偏油、肤质很滑、有一种"过曝塑料感"。在 2024 年那波刚出来的时候是惊艳级的，但放到 2026 年的横向对比里就显得吃力了。

Flux 系列现在还有它的生态位，但已经不是"主力出图模型"的位置了。它的新角色更像是：

我自己已经不会单独拿 Flux.1 跑出图了，但它仍然是 ComfyUI 里学习节点流程的最佳教学模型——后面讲工作流的时候你就会看到它的重要性。

2.5 Nano Banana（Gemini 2.5 Flash Image）：写实感的新王者

Nano Banana 是谷歌 Gemini 2.5 Flash Image 的别名，因为模型卡上画了一个香蕉所以社区都这么叫它。这个模型最近在国外社区被炒得很热，原因就一个——写实感真的强。

我做过一组对照测试：同样一句"一位身穿黑色时装的女性站在两只贵宾犬之间"。

• Seedream：色调偏冷，人物比例对，但脸部稍有一点像素糊感。
• Qwen-Image：构图能看，AI 感比较重。
• Flux：脸部油光锃亮，劝退。
• Midjourney V7：美学拉满，但容易把"贵宾犬"画成"贵宾犬+幻想元素"。
• Nano Banana：色彩、光感、毛发质感都比较真实，狗的体型也对。

代价就是它的英文指令理解远好于中文。我自己用 Nano Banana 一般会把中文提示词先在平台自带的翻译按钮上翻成英文，再交给模型。积分消耗也明显高于国产模型，所以我把它专门留给"最后那一张要发出去的图"。

2.6 Midjourney V7：美学独一档

MJ 不需要我多介绍了。V7 的特点延续了它一贯的"艺术感"：

• 同一个提示词下，你能感觉到画面有"画师味"——光影、构图、视觉冲击力都比其他模型主动。
• 但它对提示词的服从度不算高，你写"红色背景"，它经常返回"红橙渐变背景"。
• 出图错误率不低，抽卡是日常。

V7 有两个关键参数：

• 变化度（Chaos）：0–100，越高同一组词出的多张图差异越大。
• 风格化（Stylize）：影响 MJ 模型本身的美学倾向。100–200 是甜点区。

Raw 模式 vs 标准模式：开 Raw 模式时模型会更服从你的提示词，关掉则会主动加 MJ 的美学优化。

我的用法是：前期摸底用标准模式抽两张找方向，定稿那张用 Raw 模式逼它服从我的细节描述。这个习惯能让 MJ 的"美学惯性"被你引导到自己想要的方向上。

2.7 智能算法 / Hunyuan：当下不太推荐

"智能算法"在哩布的接口里实际上调用的是 GPT 那一档的出图能力，它会根据你的描述自动选模型、自动配 LoRA。听起来很美好，但实测下来质量参差，而且消耗也不便宜，不推荐做主力。

最近上线的 Hunyuan 图像 3.0，我也跑过几组同样的提示词对比，目前在我个人体感里还不如 Seedream 4.0。新模型不一定就是好模型，别被"新"字蒙住眼。

2.8 一张总览表收尾

把这一节的实测体感汇总成表，方便你回头查阅：

我个人的日常组合是：Qwen-Image 跑文字/海报，Seedream 4.0 跑中文人像，Nano Banana 跑终稿。这套组合能覆盖我 90% 的需求。莫潇羽用了快半年，没换过。

2.9 提示词写作的几条经验

模型对比讲完，提示词的写法也得跟你说一下。这是新手最容易"漂在水面"的地方——同样的模型，提示词写得好和写得糙，出图质量差一个档次。

我把自己摸出来的几条经验列在这里：

第一条：把提示词拆成"五段式"

[主体]：一位身穿黑色丝绒长裙的女性
[动作]：站在画廊中央，微微侧身，凝视镜头
[环境]：傍晚的私人画廊，落地窗外是金色晚霞
[光线]：柔和暖光从右侧打过来，左侧有微弱补光
[质感]：胶片质感，浅景深，电影构图，35mm 镜头

按这个顺序写，模型对每个层级都能逐段消化，出图稳定性比"一坨形容词堆一起"高得多。

第二条：负面词不要堆"AI 八股"

很多人一上来就抄"low quality, bad anatomy, six fingers, deformed"这一长串。这套写法是 SD 1.5 时代留下来的肌肉记忆，对 Flux、Qwen、Seedream 这一类新模型基本没用，甚至可能反向干扰。Flux 直接不需要负面提示词，Qwen-Image 用一句"模糊、低质量、变形"就够了。

第三条：用"反推 + 改写"建你自己的提示词库

新手最大的痛点是"想象不出来该怎么形容"。我的做法是：

1. 在花瓣、Pinterest 上看到喜欢的图，丢给豆包或 GPT 让它反推提示词。
2. 把反推结果改写成自己的话，存到一个 Notion 数据库里，按风格 / 题材打标签。
3. 下次需要用的时候，组合两三段已经验证过的提示词，效率高得多。

这个习惯坚持半年，你的提示词库就比同行多出几百条经过实战的"配方"。

第四条：图像比例不要忽略

很多人不知道，模型对"比例"也是有偏见的。比如 Seedream 4.0 在 9:16（竖向）时人像表现最稳，Midjourney V7 在 2:3 时美学最强，Flux 系列在 1:1 时质感最好。

我做过粗略的比例-题材对应表：

定题材的时候先想好"我这张图要用在哪儿"，再倒推该用什么比例，比例错了再好的模型也救不回来。

三、图像编辑模型：日常做图选谁

3.1 编辑模型和生图模型，是两个不同的物种

很多人会把图像编辑模型当成"生图模型的另一种用法"，这个理解是错的。

生图模型是从噪声生成画面，给它一句话就能从零开始构图。编辑模型是给它一张图加一句指令，让它去局部修改这张图。这两类模型的训练目标不一样，所以擅长的事也完全不同。

哩布 2.0 里能用到的编辑模型主要有这几个：

图像编辑模型
├── Seedream 4.0（生图 + 编辑双修）
├── Nano Banana（生图 + 编辑双修）
├── Qwen-Image-Edit（千问编辑模型，纯编辑）
└── Flux.1 Kontext（开源编辑模型）

注意一个细节：Seedream 4.0 和 Nano Banana 是少有的既能生图也能编辑的多模态综合模型，这也是它们贵的原因之一。Qwen 和 Flux 的编辑模型则是单职业，只能改图。

3.2 草图渲染：建筑外立面、室内设计的快速出图

这是一个非常实用的场景：你有一张手绘的建筑草图或室内布局图，想快速渲染成成品图。

我用同一张外立面草图，跑了一遍三模型对比：

• Seedream 4.0：构图忠实，"蓝调时刻"指令服从得非常好，色调统一。我的最高频选择。
• Nano Banana：第二张图的男教师课感（我们行里叫"故事感"）非常强，写实度高，但你得加"保持原结构"才能稳。
• Qwen 编辑模型：开源模型在质感上和闭源还是差一截，做底稿可以，做终稿不行。

[实操提示词示例]
原图：手绘外立面草图
指令：将这张手绘图渲染为精美的写实建筑摄影，
      蓝调时刻，高层办公室玻璃带反光，
      城市远景，电影感构图，保持原结构不变

这里有个关键技巧：编辑模型默认会"按它自己的理解"去改图，所以一定要在提示词里强调"保持原结构 / 保持单品 / 保持人物一致性"，否则它有时候会把整个图重画了。我踩过的坑就是没加这句，结果原本的窗户位置都被它移动了。

3.3 旧房改造：从毛坯到精装修

这个场景比草图渲染要更挑战一点，因为你要求模型"看着老照片里的家具结构去改造材质"。

我自己的流水线是这样的：

1. 上传毛坯房或老房子的实拍图。
2. 调整图像比例到原图一致（这点千万别忘，比例不对会导致人物或物体被裁切）。
3. 提示词写"重新装修为现代北欧风/工业风/日式禅风的客厅，保持房间结构和窗户位置不变，柔和暖光，照片级质感"。
4. 优先 Seedream 4.0 跑两张，指令服从度比 Nano Banana 高。

如果你做的是电商或室内设计行业的素材，这个流程能省不少架子拍摄的成本。当然，仅限创意预览，真要落地装修还是要靠设计师出施工图，AI 这玩意儿在管线、承重这种细节上完全不可信。

3.4 改天气、改光照：图像编辑里的"软改造"

把白天改成夜晚、把晴天改成下雪、把蓝调改成黄昏——这一类"软改造"是图像编辑模型最讨好的场景。

我做过的一组对比挺典型：原图是一张图书馆内景，要求"将这张图营造成迷人的夜景氛围，保持人物姿态和位置不变"。

经验是：改光照时多用"氛围词"而不是"亮度词"。"迷人的夜景氛围、霓虹反光、长曝光街道"这种短语比"调暗一点、加点蓝"更能让模型理解你想要什么。

3.5 产品换背景与电商场景

电商创作者最爱用编辑模型的两个场景就是换背景和换主体材质。我个人推荐：

• 换背景：Flux.1 Kontext > Nano Banana > Seedream 4.0
• 换材质：Nano Banana > Seedream 4.0 > Flux Kontext

为什么换背景把 Kontext 放最前？因为 Kontext 是黑森林工作室专门为"上下文编辑"训练出来的开源模型，背景替换的边缘融合度最好。哩布的 AI 工具箱里"换背景"应用就是基于 Kontext 的，等下我们到第七章还会再讲一次。

换材质（比如把白色瓷杯换成不锈钢、把布料改成皮料）的时候，Nano Banana 的物理感和质感把握更好，能感受到反射、漫反射这些细节。

提示词写法上有个反直觉的建议：写产品换背景时一定要加"保持单品（保持原产品的形状、Logo、颜色不变）"，否则模型很容易顺手把你的瓶子换成"它觉得更好看的瓶子"，这是要命的事故。

3.6 三视图与角色一致性：AI 想象力的极限

三视图是个比较考验编辑模型"想象力"的活儿。你给它一张人物的正面照，要求它生成左视图、右视图和背面。

我用同一张擎天柱（取材自玩具说明书风格）的正面照测过三家：

• Seedream 4.0：脑补能力惊人，能把头部上那几个突起的零件在背面合理还原，肩部的细节也对得上。
• Nano Banana：质感非常好，但有时会出"解析图"风格，背面不像渲染图。
• Qwen-Edit：背面接近"猜"，开源模型在这种纯想象任务上还是力不从心。

如果你做手办、IP 衍生品的预览图，Seedream 在这种"角色多视角"任务上反而是性价比最优。

3.7 莫潇羽@无忆研习社 的编辑模型选择心法

给完一圈对比，把心法浓缩一下：

• 要服从中文指令、要快、要省钱：Seedream 4.0
• 要质感、要真实、要终稿：Nano Banana（指令尽量用英文）
• 要做电商背景替换：Flux Kontext / 工具箱"换背景"应用
• 要 LoRA 微调专属风格：Qwen-Edit 或 Flux Kontext（开源可训练）

把这套心法记下来，可以省下你大量"哪个模型更好"的纠结时间。

四、视频生成模块：单帧与首尾帧实测

4.1 视频生成的三件套：模型、首尾帧、提示词

要做好一个 AI 视频片段，三件套缺一不可：

[

\text{视频质量} = f(\text{模型选择}) \times g(\text{首尾帧图像}) \times h(\text{提示词写作})

]

其中：

• 模型选择 决定你能做什么（运镜、特写、动态、音画同步）。
• 首尾帧图像 给整个片段定锚（人物一致性、场景一致性、风格一致性）。
• 提示词 是控制中间过程的"导演稿"。

很多新手以为换个高级模型就能出好视频，其实90% 的"AI 视频做不好"问题是出在首尾帧图像太差和提示词太敷衍。这一节我会按这个三件套的顺序来讲。

4.2 主流视频模型的能力地图

哩布 2.0 里能用到的视频模型阵营是这样的：

注意一个常识：AI 视频模型刚开源/上线时，通常只支持首帧；过一段时间才会更新出首尾帧能力。所以看到一个新模型不支持首尾帧别奇怪，等它升级就好了。

4.3 单帧生成实测：跳舞场景

跳舞是个对模型动态能力非常苛刻的考验。我用同一张赛博朋克风格街道上的舞者首帧，跑了五个模型：

单帧测试（同首帧 + 同提示词 + 同时长 6 秒）

提示词节选：穿着亮片连衣裙、戴超大墨镜的舞者
在酒吧前街道中央疯狂跳舞，霓虹光晕，胶片质感，
电影构图，动态明显，运镜微跟随

实测结果排名（个人体感）：

1. 可灵 2.5（高品质）：动态、运镜、光影都顶。AI 视频赛道的天花板。
2. 海螺 02：动态略次于可灵，但稳定性更好，崩坏率低。
3. 通义万相 2.5：物理感偏弱（开源模型出身的通病），但音画同步是别人没有的卖点。
4. Vidu Q2：单帧偶尔翻车，但它的多主体参考是杀手锏。
5. Seedance（即梦视频）：6 秒里前半段还行，后半段经常带转场。

结论很简单：跳舞、运动、复杂动作 → 可灵 2.5 + 海螺 02 二选一就够了，其他的就别浪费积分了。

4.4 单帧生成实测：特写镜头

特写镜头是另一个典型场景，比如"在嘴唇上精确涂抹唇彩，镜头缓慢拉远"这种。

特写对模型的"小动作精细度"要求比跳舞还高，因为画面里能用来掩盖瑕疵的元素少。我跑下来的排名是：

1. 可灵 2.5：唇釉涂抹的笔触能体现，唇部纹理变化也跟上了。
2. 通义 2.5：还行，可以用。
3. 海螺 02：颜色经常涂到嘴唇外面去，有瑕疵。
4. Vidu Q2 / Seedance：经常给你来个莫名其妙的转场，建议放弃。

可灵这个模型很奇怪，它越是"细节多的特写"反而越稳，越是"动作大的全身镜头"反而需要抽卡。这跟它的训练数据偏向可能有关。

4.5 首尾帧生成：让 AI 知道"从哪到哪"

首尾帧的核心思路是给视频一个起点和终点，让 AI 去填中间。这套机制能极大降低生成失败率。

用首尾帧的两条铁律：

1. 首帧和尾帧要有强关联：同一个人、同一个场景、相近的光影。
2. 提示词描述的是"过程"，不是结果：写"镜头旋转至女孩正前方，女孩缓缓看向镜头"，而不是写"女孩看向镜头"。

我用一组湖边女孩的首尾帧（首帧：女孩侧脸；尾帧：女孩正面看镜头）测了三家：

注意一个最常见的翻车场景：当首帧和尾帧关联性太弱的时候（比如首帧是远景全身，尾帧是脸部特写），AI 会硬生生给你切一个"突变"。这种翻车我后面在剪辑那一节会讲怎么补救。

4.6 Vidu Q2 的多主体参考：被低估的杀手锏

Vidu Q2 有个相对独门的能力叫多主体参考——不是首尾帧、不是单帧，而是你上传几张主体图（人、物、场景），让模型根据提示词自己组合出视频。

举个例子：

• 上传图 1：女孩头像
• 上传图 2：男孩头像
• 上传图 3：麦田背景
• 提示词："图 1 的女孩和图 2 的男孩在图 3 的麦田里追逐嬉戏，拉着手向前奔跑"

模型会自己脑补整个画面。我实测下来人物一致性能保持，场景服从度也还不错。对于做短剧、人物互动短片的创作者，这个功能其实非常香。

但 Vidu Q2 在哩布上调用的是 API 版本，不是全量模型，所以小动态细节会比官网弱一些。建议拿到结果之后再用 ComfyUI 跑一遍 Wan 2.2 后处理，能补回不少质感。

4.7 首尾帧硬切的剪辑救场

刚才说到"首尾帧关联性差时会硬切"，这种翻车不是世界末日，剪辑层面能救。

我的常规救场套路是这样的：

故事板：
[镜头 A：人物侧脸全身] →
[转场素材：地球拉近 / 子弹时间 / 推入特写] →
[镜头 B：人物面部特写]

中间插一个视频特效区里的转场素材（比如"地球拉近转场"），就能把两个原本硬切的画面圆得很自然。第五章会专门讲这个套路怎么用。

4.8 首尾帧创作的工作流模板

讲完单帧和首尾帧的对比，我把自己常用的"首尾帧创作模板"整理成一张工序图，方便你照着搬：

[首尾帧创作工序]

Step 1：构思故事板
  └ 用一句话写清楚"5 秒里发生了什么"

Step 2：用图片模型出首帧
  └ Seedream / Nano Banana 出主角图
  └ 高清放大 → 1024 起步

Step 3：用图像编辑模型出尾帧
  └ Kontext / Nano Banana 改光线、改角度
  └ 保持人物一致性（提示词强调"保持主体不变"）

Step 4：写运镜提示词
  └ 用专业镜头词：推/拉/摇/移/跟/升/降
  └ 控制方向：向左/向右/向中心

Step 5：用视频模型生成
  └ 海螺 02 或可灵 2.5（看积分预算）
  └ 时长 5-6 秒（首尾帧最佳区间）

Step 6：剪映精修
  └ 加曲线变速、加音效、加字幕

这套模板我自己跑了快一百个片段，稳定性比"想到啥就跑啥"高一个量级。新手最容易省略的步骤是 Step 3 和 Step 4——尾帧不专门做、运镜词随便写，这俩坑踩过你就知道为啥稳定性垮。

4.9 运镜专业名词速查

刚才讲到"用专业镜头词"，可能有读者不熟悉电影行业的运镜术语，我把常用的整理成一张表：

把这些词背下来再写提示词，你的视频"专业感"会立刻提升。模型对这些术语的理解非常稳定，不像"很有冲击力"这种模糊词。

五、视频特效区：一键模板的进阶玩法

5.1 特效广场是干嘛的

哩布 2.0 的视频特效区是一个模板化的镜头特效广场，每个特效背后其实是一套被打包好的"图片 → 模型 → 参数"组合。你只需要上传一张图、点"使用特效"，剩下的都是平台代劳。

常见特效大致分这几类：

视频特效分类
├── 镜头控制类（虹膜拉近、推拉摇移、地球拉近转场）
├── 经典特效类（子弹时间、消散粒子、镜面反射）
├── 角色变换类（变装、换脸、变形）
└── 风格滤镜类（动漫化、油画化、像素化）

每个特效内置的模型不一样。比如"子弹时间"用的是通义万相，"虹膜拉近"用的是海螺 02。这个内置匹配大多数情况下是合理的，平台帮你选了最适合的，省心。

5.2 上手最容易出彩的三个特效

如果让我给新手推荐三个一定要试的特效，我会选这三个：

5.2.1 子弹时间

灵感来源是《黑客帝国》里躲子弹那一段。把单张人物图传上去，平台会自动给你做出"画面慢下来、镜头绕主体一圈"的效果。

关键点：上传的首帧最好有"动作姿态"，比如躲闪、甩头、跳起这种瞬间，效果会更像电影。一张普通站立照也能跑，但出来的味道就一般。

5.2.2 瞳孔拉近 / 虹膜拉近

适合做"代入感"开场。镜头从画面外快速推进到人物瞳孔特写，常用于短视频的高记忆点开篇。

关键点：人像占比要大。如果你给的图里人很小、瞳孔只占几个像素，这个特效几乎 100% 会失败。一定要用半身照或胸像照来跑。

5.2.3 地球拉近转场

镜头从画面里某个点拉到地球外景，再拉回来。是做"宏大叙事开场"或"段落转场"的神器。

关键点：搭配剪辑使用。我自己最爱的一套是"前镜头 → 拉到地球外 → 切回主角面部特写"，能把两个不相关的画面圆得有故事感。

5.3 特效 + 剪辑：组合出 1+1>2 的效果

特效单独用容易"看着像模板"，真正能玩出花的是特效 + 剪辑。

我说一个我自己经常跑的套路，叫"穿越式开场"：

flowchart LR
    A[首帧:角色面部特写] -->|生成| B[特效1:瞳孔拉近]
    B --> C[剪辑:截首帧]
    C -