工欲善其事,必先利其器。

在YouTube深海圈的运营中,我们发现一个比较大的问题,就是不少做视频有很强的路径依赖,只有教程写了XX工具,写了提示词,才能去照着对应的工具按对应的提示词去一步一步做出来,一旦换了脚本、换了角色、换了内容,这个过程就跑不通了,这是缺乏对工具能力理解的体现。

对于AI内容创作者来说,AI工具就是我们的手臂,AI工具迭代速度飞快,几乎每个月就是一个大版本的变化,这对我们来说其实是很好的事情,因为工具有多强,我们就有多强。不仅仅是在YouTube,不管我们做哪个平台,做什么类型的视频,都一定要保持对AI工具的熟悉,了解他们的能力范围和边界,跟上工具迭代的速度才能跟上内容迭代的速度。

看了一下,其实一直到现在,似乎没有一篇相对比较全面的针对工具和技巧进行讲解的帖子,所以这篇帖子将从5月不同图片与视频工具的能力横评出发,带大家了解不同AI工具的特性和能力边界,并且对AI视频中常用的技巧做相应的讲解,旨在真正帮大家建立起AI内容创作的最重要底层能力之一:对工具的理解与应用。

内容分为以下三部分:

  1. 常用图片与视频工具性能及功能横评——12个视频工具与8个图片工具的横评
  2. 常用工具使用与内容创作技巧——23个AI视频创作常用技巧
  3. 视频模型竞技场——不同视频工具在YouTube常见AI赛道应用场景中的对比实测

ps.这期内容其实是我在5月15号深海圈直播分享的,当时可灵2.0大师版还是几乎唯一的神,但很快veo3和可灵2.1上线,直接就把之前的可灵1.6和2.0大师版迭代掉了,所以在表格中做了相应调整。

常用图片与视频工具性能及功能横评

主流图片与视频模型功能对比表【5.29更新】

工具使用技巧

技巧6到22摘录自深海圈手册1-2月制作的教程,主要以达人秀变身作为示例,因为只有达人秀变身是最卷各种技巧的赛道,虽然是几个月前的case和技巧,但其思路和逻辑放到现在也并未过时,属于AI内容制作比较底层的技巧。

1 Gemini+豆包超强傻瓜组合技

提示词

【粘贴视频链接】1.分析这个视频,按分镜头提供图片生成和视频生成的提示词,提供中英双语,提示词尽量简洁,只描述关键信息,我使用flux和runway出图和视频,提示词不能太冗长和复杂2.帮我再提炼一个文字版的脚本,中文,描述整个故事,要描述地足够清晰 3.前面的分镜给我一份针对图片生成的单纯的中文版

提示词

【设定比例】【设定风格】请你根据这个脚本和分镜帮我创作一套分镜图,一次性输出文字版脚本 (中文)

动物故事/卡通故事

宝宝救援/动物救援/动物示警

2 生成名人

Runway、即梦、MJ、imageFX、whisk都不支持

GPT sora_image api可以直接生成;GPT官网可以绕过限制生成

可图(可灵的图片生成模型)2.0支持直接生成【5月中旬更新,可图更新了,不再支持生成名人】

部署类模型一般都支持

3 数字人唱歌

即梦数字人大师版,120积分一次,这条等了将近一个小时

上传音乐+图片,选择即梦-数字人-大师版即可生成

4 视频转绘

主流模型里即梦、runway、pika、pixverse支持转绘,其他家还有domo AI内置了一些不错的风格,但只有runway支持无限转绘。

转绘是比较有潜力的赛道。

https://www.youtube.com/shorts/fg1AcfBgXk8 去年12月开发的跳舞转绘,帮很多开了YPP,可惜现在流量不太行了,但能转绘的可不止有跳舞。

5 视频特效模板

pixverse和pika支持的特效比较多,视频特效能够通过工具预设的模板,实现复杂、无法通过提示词直出的效果

https://www.youtube.com/shorts/ivXbxDorEP8 5天2亿播放 连着发了好几条一样的内容 都是7000 8000万播放 pixverse泪流成河特效

https://www.youtube.com/shorts/p0j3JPdP7iM 很早的达人秀爆款 美女融化 这个是pika的融化特效

性能很强的模型能够通过提示词在一定程度上复现特效,比如可灵1.6一档的模型,但比较不稳定,使用预设的特效模版稳定很多

这里图片生成的操作都以即梦和达人秀变身为例,选即梦是因为现在确实是断档的好用,选达人秀变身作为示例是因为最复杂的操作都集中在达人秀变身了,其他的 AI 视频还停留在简单的首尾帧、单图生视频,达人秀都卷上天了

6 图片提示词倒推

提示词倒推是很基础的技巧,支持多模态的大模型基本都可以倒推,不过倒推出来的提示词一般都需要微调才能达到原图的效果

用 MJ 作为示例,/describe 命令即可在 discord 中使用 MJ 倒推提示词,这个图是一个千万爆款的视频,直接截图的

可以放到翻译软件里看一下

乍一看可能看不出什么问题,这个时候就要测试,直接把提示词扔进去看看就知道效果了

移除了原有的关于垫图的描述,由于即梦的垫图与原图一致性太强,容易被判定搬运,不建议使用垫图的方式进行图片生成,常规建议大家通过文生图的方式来生成图片,完成第一次提示词微调之后,就可以提炼出自己的模板

补充:如果就是想用垫图,也可以讨巧方式:就是垫图选择角色特征,降低主体参考强度不仅可以改变角色动作,其实还可以配合提示词用来改变背景和面容以及着装。

已有满意脸模,也可直接点选人物长相。MJ同样适用。

即梦出图(垫图+角色特征参数):

如果要做到更有自己稳定的特色,那么可以参考我现在做法,使用comfyUI配合不同lora微调可以做到非常多的选择。友情提醒:伙伴们,注意尺度

反推图片后,可以通过提示词模板调整穿着、发型、发色、背景灯光等。同时,由于用了垫图+角色特征,品质依然会接近参考。如果想更贴近对标,从参数到提示词都可以精确控制。

7 背景、主体不变换衣服

按照截图所示的操作上传原图作为参考图,选择智能参考,进行图片生成,效果如下图:

8 背景、主体不变换动物

原图还是上面那张,仍然选择智能参考,调整提示词更换动物相关描述后生成即可,效果如下图

不一定是动物,也可以是一些物品,就像对标账号那样,比如鲜花、汽车等等,效果如下图

9 背景、主体不变换动作

原图还是上面那张,把智能参考换成参考角色特征,服装的描述换成对应服装的,生成后的效果如右图,如果追求完美可以用下面的 P 图大法,把新动作 P 进去,老角色 P 走,可以自己评估是否有必要

10 背景、主体、动物不变换动作

原图还是上面那张,选择参考角色特征,调低主体强度,这个方案的效果如下图,背景会有变化,如果追求完美可以用下面的 P 图大法,把新动作 P 进去,老角色 P 走,可以自己评估是否有必要

11 添加角色/合成图片

如果视频里要增加一个复杂主体时,上面的方法可能不太好用,那么就要用到 P 图大法了,由于即梦自带一个【智能画布】的功能,非常强大,这里就用智能画布来演示。

现在假设我们要将这张图片里的小姐姐添加到之前的那张原图中去,选择智能画布里的抠图-快速选择,选择小姐姐,然后抠图

接着调整一下小姐姐的位置,这样其实就可以用了,追求更好的效果可以扩图让图片的范围更大,这样人物就不会重合。这个方法除了把人物添加进去,也可以把一些复杂的不好直接生成的怪兽、物体之类的东西添加进去,具体可以自己发挥创意。

好了,有了上面这几招图片生成的进阶操作,就基本能够实现图片层面所有的复杂动作了,原来得用 MJ 组合 PS 才能实现,现在一个即梦就搞定了,把即梦牛逼打在公屏上。

12 加特效

由于首尾帧一般用 runway 比较稳定,这里用 runway 作为示例。runway 是内置了一些固定的特效的,比如火焰、火星、雾气、喷水等等,用对应的提示词就可以触发,比如雾气,提示词和效果如下

13 多主体按顺序变身

有些视频有做多角色或者跟动物先后变身的,有两种实现方式,一种是用 runway 的三帧生成一次视频,或者首尾帧生成两次,这里用三帧生成作为示例,也就是把先变身的那种图片放中间。

14 二改延长原视频

先把要二改的视频下载下来,这里我用老马的软件截取关键帧。

还是即梦的智能画布,上传视频中的某一帧作为二改视频的开头,然后涂掉人物部分局部重绘,我这随便生成了一个形象,各位可以自行发挥创意。

然后把这两张图片分别作为首尾帧在 runway 进行视频生成,随便做的演示流程,视频效果和最终合成后的成品效果如下,想象空间还是蛮大的,可以用这种操作搞一些出人意料的操作,玩抽象、恶搞之类的,也是看创意了。

15 提高图片画质

MJ 和即梦都可以提高图片画质,这个信息很基础,但是亲测使用质量更高的图片,视频的质量也会更高(直观地体现在文件大小上)

16 提高视频质量

视频质量主要分两块,一块是在视频工具里对视频做超清处理,部分工具支持,这个效果是最明显的

其次是在剪辑工具里处理,以剪映为例,有几个地方可以提高画面的观感

1.超清画质:不一定是正提升,自己看感官的效果

2.智能调色:让画面整体更亮更鲜艳有利于提高观看效果

3.提高导出分辨率和帧率(超分、补帧):高清的画质能够提高视频的基础推流权重(国内一些视频平台有这个逻辑,油管没有说明,但也会有一定影响)

17 X的一生【一个人从小长大变老】实现方式

  • 第一种:SD/comfy UI+animatediff+版本支持提示词跃迁,这个不介绍,懂的话自己应该都会用了,不懂的话要从头搞时间成本精力成本太高不要试了
  • 第二种:和达人秀的操作一样,先出图、再首尾帧衔接图生视频,只是需要尽量保持背景和人物形象相似,推荐用即梦实现。具体操作参考上面的背景不变换动作。

18 镜头控制

所有的视频生成工具都差不多,以可灵为例,支持下面的镜头提示词

  • 6个基本运镜【提示词直接用就行】:水平运镜、垂直运镜、推进/拉远、垂直摇镜。旋转摇镜、水平摇镜
  • 4个进阶运镜:左旋推进、右旋推进、推进上移、下移拉远

详细可以进入官方的提示词教学手册查看效果:

19 服装、背景不变变老/变年轻

有提问,因为这个操作没有涉及到新的技巧所以之前没有单独拎出来说,可以有多种方式实现,

方法一:

推荐最简单的方式-局部重绘,依然用我们的老朋友即梦来演示。

直接用【智能画布】-【局部重绘】,把主体选中,然后给提示词生成就行,这里注意重绘范围大一点、提示词需要指定衣服样式,否则无法保证服装一致性。

下图使用的重绘提示词:老奶奶穿着JK制服站在舞台上,白色上衣,黑色短裙,白色长袜,白色运动鞋

方法二:

使用MJ的Vary(Region)功能,也是局部重绘;

上一步已经点击Vary(Region);

接下来第一步:修改提示词,将之前的一个男孩和狐狸,改为一个小狐狸和一个大狐狸;

第二步:点击套索工具

第三步:用套索工具抠出小男孩

就完成了局部地区重绘的效果。

20 如何更好地通过提示词控制视频生成效果【case来自于1月私教陪跑,模型主要是可灵1.6和runway,参考思路即可】

case1:金毛不灵动事件

优化后提示词:金毛尝试跳到汽车引擎盖上,但是后腿滑落,踩在车牌上,第二次跳跃,跳到了引擎盖上,金毛不停地吠叫,试图与汽车内的人沟通,疯狂吠叫。

case2:房屋不塌陷事件

优化后提示词:金毛犬看向木屋,常年失修的木制结构房屋轰然崩塌,房顶塌陷,沙尘漫天,树木倒地,房梁窗户支离破碎,房屋材料混杂着沙尘和碎石滚落到公路上,仿佛世界末日

如果笼统的提示词效果不好,比如“房屋坍塌”,就把房屋坍塌拆解成多段更细致的提示词,比如“常年失修”“轰然崩塌”“房梁窗户支离破碎”“房屋材料混杂着沙尘和碎石滚落到公路上”

case3:神奇酒瓶事件

优化后提示词:老人举起手,喝下一口酒,变成了年轻人,超强变身,摄像头旋转,动态画面

如果画面里出现了你不想要的元素 那就不要提这个元素

AI视频的提示词读取逻辑是取关键词,“另一只手始终空着不拿任何物品”这句属于无效提示词,AI会读取成“手拿物品”,“拿着酒瓶喝酒”也属于无效提示词,因为他的手上已经有酒瓶了,这句话可能会让AI理解为“手上的瓶子不是酒瓶,需要一个额外的酒瓶”

提示词的每一句都要有它的作用

  • 老人举起手【强调动作,让画面产生变化的趋势】
  • 喝下一口酒【主要动作】
  • 变成了年轻人【主要动作,引导主体变身】
  • 超强变身【强化变身的动作】
  • 摄像头旋转【镜头提示词,让画面产生变化的趋势】
  • 动态画面【修饰提示词,强化动态效果】

case4:小鹿不听指挥事件

case5:汽车不进反退事件

狮子们和救护车朝着相反的方向走远,狮子走向镜头前,救护车越来越远,逐渐消失在视野里

简单的几个规则

总结一下,提示词文化博大精深,我也没有什么经验和资格来讲高深的原理,但有几个比较简单的规则可以遵循,提高我们的效率:

  1. 图片趋势与视频相同:不管是对于首尾帧还是单图生视频来说,图片都是最重要的一环,图片选得好,事倍功半。如果要实现“走路、走秀”的效果,用的图片就最好是行走的姿态,最次也要是站立的姿势,如果用“跳舞”的图片来生成“走秀”的视频,大概率会崩掉,因为图片趋势和视频生成的动作相悖。以及上面case4,图片中已经有了两辆汽车,视频生成时“走向汽车”就变成了指向不明的提示词。所以选择图片时要注意排除干扰、选择合适的主体动作。
  2. 利用惯性:AI视频生成,特别是首尾帧,有“惯性”的说法。如果首尾图变化不大,或者变化太大,就经常出现生硬的或PPT式转场。这个时候就需要我们给予一些能够引发画面变化的提示词,比如运镜控制“摄像头拉远/拉近”“摄像头旋转”“摄像头向左/右移动”和激活动作“美女举起手,变身成蒲公英”,这样通过让画面有了“变化”的惯性,就不容易静止不动。
  3. 取其精华,去其糟粕:生成视频时,确保每一句话,每一个词汇都有它的意义,不要用“虽然但是”之类的关联词。对于简洁的表述无法实现效果的提示词,可以参考case2,将一个复杂动作拆解为多个简单动作,减少对冗余细节的描述。
  4. 直接描述结果,结果具象化:参考case1和case3,不要描述你不希望出现的元素,而是直接描述你需要的效果。以及直接通过提示词描述“两个主体往反方向走”或表述“远近”时,可以描述得更加具象化,把远近变成大小
  5. 图片质量决定视频质量:视频画质不够高的时候,把图片像素提高,即梦可以超清、MJ可以画质提升,图片像素越高视频像素就越高。
  6. 发挥工具的优势: 主流图片与视频模型功能对比表【5.29更新】

21 高阶技巧之一:爆款达人秀变形摩托车视频复刻案例

这个case来自一月私教陪跑的直播讲解,其实现在可灵1.6已经支持首尾帧了(当时不支持,所以只能组合起来用)但相对应的技巧和思路放到现在并未过时(需要节省成本多个工具组合时、需要进行复杂元素和动作组合时)

很多人问这个视频怎么复刻,其实这么复杂的视频不建议大家一开始就尝试,流程比较繁琐,可以先从看起来简单的做起

  1. 生成首帧:

正面全身照,一位甜美的日本偶像在美国达人秀的舞台上骑着黑色电动车,穿着精致的连衣裙,明亮干净的场景,大长腿,4K,真实照片质感

  1. 可灵图生视频:让美女下车
  2. 提示词:美女从电动车离开,站到舞台前
  3. 提取尾帧:使用关键帧提取工具提取上一步视频的尾帧
  4. 扩图:把图片扩大到能够看到电动车(效果会更好,不是必须的)

  5. 消除笔:消除电动车

  6. 抠图:把人物、背景单独抠出来(人物消除笔消除之后就是背景)

  7. 做机器人和汽车的素材,并抠出来:直接文生图,再抠出来

  8. 用机器人素材替换掉电动车

  9. runway生成电动车变成机器人的素材
  10. 可灵图生视频:制作美女拿出头盔的动作
  11. 美女从机器人头部拿出一个头盔,戴在自己的头上,再回到原来的位置微笑站立

  12. 提取尾帧:把美女戴头盔的尾帧提取出来(我用的老马的工具)

  13. 抠图:把美女抠出来,把旁边的机器人换成汽车

  14. runway做首尾帧:让机器人变汽车

  15. 提示词:美女双手扶了一下头盔,机器人变成了汽车,超强变身,摄像头旋转,动态画面
  16. 可灵做最后一段视频:美女坐上汽车开走
  17. 提示词:美女戴着头盔坐上汽车,发动汽车,开到了舞台右侧,摄像头跟随
  18. 剪辑,参考对标视频套模板

22 高阶技巧之二:万物组合之达人秀变身案例 来自@酷拉皮卡 教练

从需求出发,为了更好地适应内容需求,我对流程进行了一些调整。通常,一个丰富的视频需要多张过程图生成多个视频,而除了第一张图,后续过程图都是在同一背景下进行增加/减少/替换的组合。

A.生成素材:

  1. 舞台上的三女生
  2. 平底锅
  3. 金鱼
  4. 机械赛博鱼
  5. 红礼服女生
    (注:煎鱼视频的尾帧还会截图作为一个起始帧素材)

提示词技巧:
在A步骤中,平底锅、金鱼、机械赛博鱼等提示词中不包含人物描述,言下之意就是只保留场景和灯光描述以及该生物/物品即可。同样的,如果使用智能体模板,亦遵循这一原则。

PS:

透视适配:站立地面的生物/物品的透视角度需要与三女生的场景保持一致。(保持舞台相关提示词的一致基本不会太大出入,如有则单独调整)

背景光源一致性:保持同样的舞台灯光相关提示词,是为了确保光源位置和色彩的一致性。

B.处理图片

将图片抠出以下部分:

  1. 背景
  2. 三个角色
  3. 变换的物品/生物

接下来就是视频部分

这步或许会有疑问:明明局部重绘就能解决的问题,为什么还要这样?

答:局部重绘确实可以解决部分问题,但我更倾向于将每个人、动物、物件和背景分开处理。这样做的优势在于:

  1. 模块化:将所有元素组合成变量,制作过程更简单直观。
  2. 自由度:变化的自由度更广,可以根据画面审美需求控制前后空间关系。
  3. 空间利用率:更高的空间利用率,让画面更丰富。

C.得到关键帧

使用智能画布和PS修图/拼图/并添加阴影(如果需要)。阴影可以增加实感,抠图或手动添加都可以,选择最方便的方式)要更有趣,多加段女子跳到机械鱼的身上游动也未尝不可,截取最后一帧衔接上就好。

D.图生视频

E:剪辑/渲染/导出

小结:
无论是从对标到原创的迭代,还是流程中的细节优化,灵活运用各种工具和技巧,持续练习手感,便能做到高质与高效的平衡。

2.23 特殊变身效果

近期流行一种油漆包括人体的变身效果,可以看作为一种非牛顿流体。此效果主要依托于AI模型本身的性能。

美女+非牛顿流体爆款截图

https://youtube.com/shorts/ErQ8dicFxEc?si=gWxR2QWT1OSta3o9

https://youtube.com/shorts/p0j3JPdP7iM?si=Ot_bpspzC-b73un7

猎奇+非牛顿流体爆款截图

https://youtube.com/shorts/pJRHcFq-CQo?si=Wpjznk4MiABIwXxU

https://youtube.com/shorts/togE8UqjD2E?si=Vdf8Mmfz2PydcLU0

此效果最好的实现模型是pika-pixverse:官方内置有此溶解效果,能够实现多种多样的效果。

经测试可灵效果也教好的接近对标,如要实现溶解还是pika更合适。示例如下:

PS:提示词书写方式,如:一位老人站在沼泽中央,他痛苦的撕扯和拉伸衣服,逐步的身体拉扯出紫色和红色的非牛顿流体一样的液体,从上至下缓缓流下,逐渐覆盖老人的身体,老人逐步慢慢蹲下,最后液体完全包裹住老人,形成一个球形的不停流动的非牛顿流体。

实际上runway一定程度上也能实现这种流体效果,示例:

PS:提示词在常规基础上,带上非牛顿流体这个名词来引导流动皆可实现,例如:舞台上,一位女生正在表演走秀,黄色非牛顿流体从头部逐步留下覆盖全身,形成一个球状。

小结:此特殊流体效果,不止隐晦的暗示,也包含了非常多而不确定性,非常适合达人秀变身这个赛道的变种和扩展。迁移此玩法,相信大家可以尝试出许多新的爆款创意。届时请告知我们,嘿嘿!

23 图片一致性控制方案

多模态类:豆包、GPT、Gemini

豆包:简单粗暴,一个指令支持直出30-40张图,且可用性还比较强,并且免费;美中不足在于水印和精细度不足,人物同质化程度高

GPT:豆包的单轮次版,精细度更高,但等待时间过长。

Gemini:其实比上面两位都早一些更新,但是性能有限。

内嵌类:即梦、MJ、imageFX

即梦:即梦3.0【参考人像写真】

MJ:全向参考命令【--oref www.图片url.png】+【--ow 权重(1-1000)默认100】 MJ的老一致性命令不再赘述

imageFX:种子和人脸强相关,固定种子即固定人脸,但越远就越不可控。

多图参考:whisk、runway

whisk:支持非常多人物和场景和风格的参考,但相似度并不是非常高

runway:没想到吧,runway能出图,而且效果还不错,支持最多三张图(角色/场景)的参考,runway无限用户狂喜

骚操作:视频模型运镜出多角度形象

一个美丽的女生自然地站在舞台上,舞台上灯光闪耀,镜头渐渐拉远,环绕绕女生一周

图片高清+视频高清=N张不同角度的图片

多主体一致性

pixverse、可灵1.6、可灵2.0都可以

Lora类:comfyui、stablediffusion、第三方集成网站

细讲太复杂,简单讲用不上,留着以后comfyui的专场分享来讲,这里略

纯文本控制:适用于简单形象或是大模型认识的形象

动物示警、动物故事、动物救援等等对于形象精度要求不高的都可采用该方式进行控制

原理其实就是通过提示词限定了形象的范围,比如说“一只体型较小的无角梅花鹿”,这个属于简单且精度要求不高的形象,模型一般不会有针对该形象的大量训练集,所以固定了提示词后就不会有多少区别

但话说回来,精度不高的图片都有豆包一键出套图了还要纯文本控制作甚?

有了上面这些技巧,基本所有 AI 赛道的视频都能复刻出来,自己多实操一下就知道没那么难,最重要的是先模仿爆款,然后慢慢去找到自己的风格和方向,找到灵思泉涌、适合自己的细分赛道。

模型竞技场

可灵2.1和可灵2.1大师版今天(5月29日)正式发布,2.1性能全面领先1.6和2.0大师版接近,且价格与1.6持平,但不支持首尾帧,案例测试等下个月积分刷新再补一下,充值实在太贵,这个月积分用完了...

首尾帧

个人主观评价:首尾帧场景中,pixverse4.5 ≥ pika>vidu >可灵1.6>runway

自动化出首尾帧推荐vidu或者runway(无限额度)

手搓首尾帧仅推荐pixverse,效果好太多

小幅度变身

美丽女生在舞台上进行魔法变装表演,将手上的一只蝴蝶变化出很多很多蝴蝶落在自己的连衣裙上,蝴蝶和裙子融为一体,雾气特效,摄像头旋转

可灵1.6、runway、pixverse、pika、vidu

考核点:人物灵动性、动作自然度、指令遵循度

大幅度变身

美丽女生在舞台上进行魔法变身表演,女孩转身,散发出星光特效,变身成了一个木棍人,超强动态画面,摄像头旋转

可灵1.6、pixverse、pika、runway、vidu

考核点:变身流畅度、指令遵循度、主体稳定性

一般幅度变身

女孩抬起手变装,超强雾气特效,超强动态画面,超强变身,摄像头旋转

可灵1.6、runway、vidu、pixverse、pika

考核点:变身流畅度、特效效果、动作自然度

单图生视频

个人主观评价:单帧生视频中

可灵2.0>pixverse4.5>可灵1.6≥viduQ1≈即梦3.0>runway Gen4 ≈ Veo2

名人视频

两个男人在酒吧互相碰杯,勾肩搭背,阴险地大笑,仿佛计谋得逞,电影感

可灵2.0、可灵1.6

runway、pixverse、vidu(vidu是真把流量玩明白了)

veo2、即梦=禁

考核点:是否能生成、指令遵循度、动作自然度、人物真实度

吃东西-高难度