一起来看一下成品:
准备工具与素材
ChatGPT/image2.0 https://chatgpt.com/c/
Minimax h3 https://hailuoai.com/create/image-to-video
倘若不知道模型怎么使用,可以参考这个教程(https://www.super-i.cn/info-2796.html),与本教程一起使用
素材:
第一类是门店图片。

第二类是菜品图片

第一步:首图生成
我先把参考视频给AI,
参考视频:视频.mp4
先让它帮助我推导画面的质感,并且让他给我这种图片的风格提示词。
帮我看下这种VOX插画风格视频,我要制作类似的视频,首先是要生成多张这种风格的图片,然后用这几张图去生成制作视频

随后我给了AI一个门头,还有菜品的图片,让他依据这个来给我图片提示词。
提示词如下:
首先从一个墙面的全景开始,我要宣传的美食门店是宁波有名的 甬上名灶。主要菜品有鲳鱼年糕、宁波十八斩、海胆豆腐、红酒酿核桃羹、小黄鱼拼盘。我会在生成图片的时候直接给到菜品图,帮我想一下图片的提示词
我得到了这个提示词,然后使用image2.0去生成
根据六张参考图片,创作一张16:9横版、正面视角的VOX风格宁波美食档案墙全景。
参考图片使用规则:
参考图1只用于识别“甬上名灶”门店的建筑结构、灰瓦屋檐、灰砖墙、深色木质门头、入口比例和店铺招牌。不要直接粘贴、裁切或复制原始门店照片,必须将门店完整重新绘制成VOX风格的复古建筑剪纸插画。
参考图2至参考图6分别用于识别五道菜的真实食材、颜色、容器、摆盘和外观特征。不要直接粘贴菜品照片,必须在忠实保留每道菜辨识度的基础上,将其重新绘制成统一风格的复古美食剪纸插画。不得混淆不同菜品,不得擅自改变主要食材和摆盘。
画面是一整面完整入镜的宁波美食档案墙。背景由泛黄的宁波老城区地图、甬江水系图、旧报纸、老菜单、港口票据、渔业档案、手写食谱和粗糙旧纸层层拼贴组成。背景信息丰富但对比度较低,不能抢夺主体。
将重新插画化的“甬上名灶”门店放在画面正中央,占画面约35%。门店保留参考图中的传统灰瓦屋檐、灰砖立面、深色木质门头和入口结构,但整体转化为手绘钢笔线稿、复古水粉上色与旧报纸印刷颗粒结合的建筑插画。门店外轮廓带有明显、自然的不规则白色撕纸边缘,并产生轻微立体投影。
门店自身的招牌保留准确的“甬上名灶”四个字。除门店招牌外,画面顶部不要出现任何标题、横幅、店名或大型文字,顶部只呈现地图、报纸和红线等档案墙素材。
将五道菜制作成五张独立的撕边美食档案卡,围绕中央门店形成清楚、有秩序的放射状布局:
参考图5“鲳鱼年糕”位于左上方; 参考图4“宁波十八斩”位于右上方; 参考图3“海胆豆腐”位于画面右侧; 参考图2“红酒酿核桃羹”位于左下方; 参考图6“小黄鱼拼盘”位于右下方。
五道菜严格参考对应图片中的真实食材、菜品颜色、餐具和摆盘结构,重新绘制成“真实美食质感与复古钢笔插画结合”的VOX美食插画。菜品要鲜美、细腻、具有食欲,同时带有轻微印刷网点、套色错位、手绘轮廓和旧纸颗粒。每张菜品卡保留不规则白色撕纸边缘,不能直接呈现为矩形照片。
每张菜品卡下方放置一条空白的米黄色撕边纸标签,标签上不要生成任何文字,菜名将在后期添加。
使用尺寸较大、非常醒目的深红色圆头图钉固定中央门店、五张菜品卡、地图与档案纸。图钉具有真实体积、亮面高光、金属针脚和清晰投影,在全景画面中仍然清楚可见。
使用较粗、饱和度较高、视觉存在感明显的暗红色棉线,将中央门店分别连接到五道菜品卡。红线形成清晰的放射状叙事结构,部分红线从画面边缘进入。红线具有真实棉线纤维、轻微弯曲和绷紧感,并在纸张表面留下细长投影。红线可以穿过地图和旧报纸,但不能遮挡门店招牌、菜品主体或图钉。
墙面可少量加入宁波港口、渔船、海浪、老街、坐标纸条、红色印章和黑白食客剪影等插画化档案元素。所有附加元素都必须保持次要,不能造成杂乱。
整体风格:VOX-style editorial mixed-media collage,vintage food investigation board,archival documentary illustration,hand-drawn architectural cutout,retro food engraving,handmade torn-paper collage,2.5D layered paper diorama。
统一采用泛黄旧纸米色、宁波砖瓦灰、深木棕、暗红色、炭黑色和少量暖金色。纸张具有明显纤维、折痕、磨损、褪色油墨、印刷网点、套色错位与撕裂毛边。不同纸片具有真实厚度、错位叠放关系和柔和投影。
暖色聚光从左上方照射,中央门店清晰突出,画面边缘逐渐压暗。正面观看整面墙,构图端正稳定,所有主体完整入镜,四周保留适合后续推拉和横移运镜的空间。前中后景分层清楚,轻微浅景深,真实手工纸艺微缩质感,精致、温暖、复古,具有探索宁波老味道的纪录片氛围。
禁止直接粘贴参考照片,禁止照片矩形边框,禁止写实摄影门店,禁止顶部标题,禁止顶部横幅,禁止额外店名,禁止菜名乱码,禁止菜品对应错误,禁止改变参考菜品的主要食材和摆盘,禁止菜品重复,禁止卡通3D,禁止塑料玩具质感,禁止扁平矢量风格,禁止现代UI,禁止赛博朋克,禁止霓虹色,禁止红线过细,禁止图钉过小,禁止红线断裂或漂浮,禁止图钉悬浮,禁止水印。

大体看着还可以,但是背景太糊太乱了,还少了前景,少了些氛围
随后我进行修改推导提示词
以下是我的推导过程提示词(不断与Ai对话,反复推导):
1.“插画可以稍微写实一些,有些线条会出现在菜品上方,每个菜品上都要有菜名标注,还需要有前景人物插画浮于整个画面上方”
2.“背景是宁波的地图,加上几张美食相关的报纸,然后背景的海报文字太糊了,乱七八糟的,最好有几张海报的大标题的清楚的(你帮我想一下,要符合主题的内容)小字可以用小横线替代”
最后得到以下提示词:
根据六组参考图片,创作一张16:9横版、正面视角的“VOX式宁波美食档案墙”全景插画。
参考图1为“甬上名灶”门店;参考图2至参考图6分别为鲳鱼年糕、宁波十八斩、海胆豆腐、红酒酿核桃羹和小黄鱼拼盘。
不同元素采用不同程度的写实表现:
菜品为七成写实、三成插画,鲜美诱人; 门店为五成写实、五成插画,建筑特征准确但具有明显手绘质感; 人物为三成写实、七成复古插画,具有明显的VOX剪纸风格; 地图和报纸采用平面复古编辑拼贴风格。
一、宁波地图背景
背景是一张铺满整面墙的复古宁波城市地图,表现宁波城区道路、甬江水系、三江口和沿江城市肌理。
地图使用泛黄旧纸、灰褐色地块、炭黑色道路细线和低饱和印刷色,带有折痕、磨损、污渍、褪色油墨和印刷颗粒。
地图上只出现少量清晰文字:
“宁波” “甬江” “三江口”
其他地点通过道路、河流、建筑方块和坐标符号表现,不生成其他地名,避免出现错误文字。
二、美食报纸与海报
在宁波地图上错落拼贴四张复古美食报纸:
第一张大标题:“甬城寻味” 副标题:“一席甬帮菜,满桌宁波味”
第二张大标题:“宁波海味” 副标题:“从三江口到东海之滨”
第三张大标题:“老灶新香” 副标题:“寻找街巷里的传统味道”
第四张大标题:“四时海鲜” 副标题:“依时而食,因鲜而味”
大标题使用清楚、端正的黑色中文粗体字,副标题简短可读。除此之外,所有报纸正文都使用排列整齐、长度不同的黑色短横线代替,不生成其他汉字或英文。
报纸采用泛黄纸张、复古栏目边框、食物线描小图和黑白餐馆插画,边缘具有撕裂、卷曲和磨损。四张报纸分别散落在画面左上、右上、左下和右侧,不能排列成规则网格。
画面顶部禁止出现统领全画面的总标题或横幅。
三、中央门店插画
参考门店照片中的灰瓦屋檐、灰砖立面、深色木质门头、入口比例和店铺招牌,重新绘制“甬上名灶”门店。
禁止直接裁切或粘贴门店照片。
门店采用中度写实的复古建筑插画风格。建筑结构、透视、瓦片、砖墙、木门和窗户保持合理,但不追求摄影级真实。
使用细腻钢笔轮廓、手绘排线、复古水粉上色、轻微色块概括、旧报纸印刷颗粒和少量套色错位。减少玻璃反射、照片级纹理和过度细密的建筑材质,让门店一眼看出是精致的手绘建筑插画。
门店位于画面中央,占画面约35%。外围保留明显、不规则的白色撕纸边缘,并在地图上投下柔和的纸片阴影。
门店自身招牌准确显示“甬上名灶”。除门店招牌外,不设置其他大型店名。
四、菜品剪纸卡
五张菜品卡围绕中央门店分布:
左上方:鲳鱼年糕; 右上方:宁波十八斩; 画面右侧:海胆豆腐; 左下方:红酒酿核桃羹; 右下方:小黄鱼拼盘。
菜品忠实参考对应图片中的食材、色泽、餐具和摆盘。菜品保留较真实的食物光泽、质感和细节,保证鲜美诱人,同时加入轻微手绘轮廓、复古印刷网点、纸张颗粒和套色错位。
菜品不能像直接粘贴的照片,也不能过度卡通化。每张菜品卡具有不规则白色撕纸边缘、纸张厚度和柔和投影。
每道菜旁边固定一张米黄色撕边标签,分别准确标注:
“鲳鱼年糕” “宁波十八斩” “海胆豆腐” “红酒酿核桃羹” “小黄鱼拼盘”
菜名使用清晰的黑色复古手写字或毛笔字,不得错字、缺字、乱码或与菜品错位。
五、红线和大号图钉
使用尺寸明显偏大的深红色圆头图钉固定门店、菜品卡、菜名标签、报纸和地图。图钉具有立体高光、金属针脚和清楚投影,在全景中醒目可见。
使用较粗、饱和度较高的暗红色棉线,将中央门店与五道菜连接成放射状结构。
部分红线可以从菜品卡上方经过,形成真实的前后遮挡关系。红线具有棉线纤维、轻微弯曲、绷紧感和落在纸面上的细长阴影,但不能遮住菜品关键部分和菜名。
六、最前景人物插画
在整个画面的最前方加入两至三位明显插画化的人物剪纸:
左侧人物从画面边缘探入,伸手指向中央门店; 右侧人物面向中央,做介绍或指引动作; 底部可加入一位正在观看档案墙的食客背影。
人物采用VOX纪录片常见的复古人物剪纸风格,不能像真实摄影人物。
人物以黑白、炭灰、灰褐色为主,使用简化的明暗色块、钢笔排线、版画阴影、旧报纸网点和轻微套色错位。面部保留基本五官和神态,但减少皮肤毛孔、真实发丝、照片级眼睛和复杂面部细节。
人物轮廓具有明显白色剪纸边缘,动作清楚,造型简洁有力,类似老报纸人物插图经过手工剪贴后的效果。
人物位于最高图层,浮于地图、报纸、红线、门店和菜品之上,形成明显的前景遮挡与2.5D景深。人物不能遮挡门店招牌、主要菜品和菜名标签。
七、整体视觉
整体采用VOX editorial mixed-media collage、semi-realistic food illustration、hand-drawn architectural cutout、vintage newspaper character illustration、archival documentary aesthetic、2.5D layered paper diorama。
配色以旧纸米黄、宁波砖瓦灰、深木棕、暗红、炭黑和少量暖金色为主。
暖色聚光从左上方照射。前景人物、中景门店与菜品、背景宁波地图与报纸形成三个清楚的空间层级。纸张具有纤维、折痕、磨损、撕裂毛边、真实厚度和柔和投影。
画面保持精致、温暖、具有食欲和宁波地域感;门店和人物具有明显插画特征,菜品相对写实,整体仍然属于VOX式复古信息拼贴。
禁止门店呈现为真实照片,禁止人物呈现为真人摄影,禁止人物皮肤过度真实,禁止照片级人像,禁止门店过度写实,禁止卡通大头人物,禁止儿童绘本风格,禁止粗糙涂鸦,禁止水彩晕染,禁止顶部总标题,禁止海报乱码,禁止生成大段伪文字,禁止菜名错误,禁止人物遮挡主体,禁止红线过细,禁止图钉过小,禁止现代UI,禁止赛博朋克,禁止霓虹色,禁止水印。

我这次为了得到稳定画面,一边生成,一边分析参考视频,再不断补充提示词中的构图、文字、人物、图钉和红线规则。
这种方式比较适合研究视觉结构,但推导过程会花费较多时间。
为了减少重复调整,我把这套推导流程制作成了一个Skill。
使用时只需要上传门店图、菜品图,再提供门店名称、所在城市、主要菜品和希望表达的品牌特点,Skill就会自动整理主图、黑板图和尾图的生成提示词。
skill如下:
https://superi.mfdemo.cn/chaoji/2026/08/05/6a731ba4e6e59.rar
第二步:从主图继续制作另外两张图
主图生成稳定后,不需要重新设计另外两张画面。
最简单的方法,是以主图作为连续性参考,只改变其中一部分内容。
尾图:去掉菜品和菜名
将第一张主图中的五道菜和菜名标签全部去掉,保留中央门店、宁波地图、报纸、红线、图钉和前景人物。
去掉菜品以后,画面会留下更多空白区域,门店也会变得更加突出。
这张图适合作为视频开场或结尾。
开场时,镜头可以从人物和报纸之间向门店推进;结尾时,则可以从菜品特写快速拉回这张完整的品牌档案墙。
提示词如下,使用首图进行图生图(image2.0生成):
只删除菜品照片和对应菜名,不改变门店外观、地图结构、人物位置、报纸排版、图钉、红线、光影和画面比例。
中间图:黑板菜品图
第二张图是一块复古黑板式菜品展示画面。
它不需要承担完整的品牌信息,主要作用是承接门店镜头和菜品快速切换。
可以把五道菜以黑板菜单、粉笔插画、撕纸照片或档案卡片的方式组合在一起
同样的,使用我的skill,只需要说:“我要黑板图”

他就会自己拆解要求,给我合适的提示词
得到的提示词如下:
参考上传的五张菜品图片,生成一张16:9横版、正面视角的VOX风格复古美食黑板。
画面中央是一块几乎铺满画面的老式深色黑板,带有厚实的深棕色木质边框。木框具有真实木纹、磨损、划痕和少量掉漆;黑板表面为深炭黑色,带有细腻的粉笔灰、擦拭痕迹和自然颗粒。
黑板顶部使用清楚、端正的米白色粉笔字写出:
“甬上名灶 · 招牌菜”
标题只出现一次,不添加副标题、价格或宣传语。
将五道菜分别设计成五张独立的复古美食报纸剪页,再用大号红色图钉将报纸扎在黑板上。不要将菜品直接钉在黑板上。
采用上排三张、下排两张的布局:
上排左侧:鲳鱼年糕; 上排中央:宁波十八斩; 上排右侧:海胆豆腐; 下排左侧:红酒酿核桃羹; 下排右侧:小黄鱼拼盘。
五张报纸使用泛黄米白色旧纸,具有真实纸张纤维、折痕、磨损、污渍、卷曲和不规则撕裂边缘。报纸大小接近,但摆放角度略有不同,形成自然、错落而整齐的VOX编辑拼贴构图。
每张报纸中央放置对应菜品的半写实美食插画。严格参考菜品图片中的真实食材、色泽、餐具和摆盘,不得混淆菜品或替换主要食材。
菜品采用七成写实、三成复古插画的表现方式。保留真实的食材结构、酱汁光泽、鱼肉纹理、汤羹浓稠度和餐具细节,同时加入轻微手绘轮廓、复古印刷网点、旧报纸颗粒和少量套色错位。菜品鲜美诱人,但不能像直接粘贴的摄影照片。
每张报纸顶部使用较大、清楚的黑色复古报纸标题字,分别准确标注:
“鲳鱼年糕” “宁波十八斩” “海胆豆腐” “红酒酿核桃羹” “小黄鱼拼盘”
菜名必须完整、端正、清晰可读,不得出现错字、缺字、重复、乱码或菜名与菜品错位。
每张报纸的菜品下方设置两至三栏报纸版面,但不生成正文。所有正文区域统一使用长度不同、排列整齐的黑色短横线代替。可以添加细分隔线、圆点、星级符号、小鱼图标、餐具线描和宁波地图局部线条,但不得生成其他文字、数字或价格。
每张报纸使用一至两枚尺寸较大、非常醒目的深红色圆头图钉固定。图钉真实穿过报纸,具有明显立体体积、亮面高光、金属针脚和清晰投影。
部分报纸角落因图钉固定而轻微翘起,报纸与黑板之间存在自然投影,表现真实纸张厚度和2.5D层次,不能像直接印刷在黑板表面。
整个画面完全不出现红线、棉线、绳索、连接线、箭头或关系线。五张报纸之间不需要任何线条连接,仅通过统一的排版、纸张材质和红色图钉形成视觉关联。
整体风格:VOX editorial food collage,vintage newspaper clippings pinned on a chalkboard,semi-realistic food illustration,handmade torn-paper collage,2.5D layered paper diorama。
统一使用深炭黑、泛黄旧纸米色、深木棕、暗红色和少量暖金色。暖色聚光从左上方照射,五张报纸与菜品清晰明亮,黑板四周稍暗,形成温暖、复古、精致且富有食欲的美食纪录片氛围。
构图要求:黑板正面完整入镜,五张报纸全部可见,大小协调、错落有序、互不重叠,为后续镜头逐个推进五道菜保留充足空间。
禁止任何红线,禁止任何绳索,禁止连接线,禁止箭头,禁止将菜品直接钉在黑板上,禁止直接粘贴参考照片,禁止纯摄影画面,禁止规则电子菜单网格,禁止报纸完全平贴,禁止图钉过小,禁止菜名错误,禁止中文乱码,禁止大段伪文字,禁止价格,禁止人物,禁止霓虹灯,禁止现代UI,禁止水印。

第三步:使用Mini max H3生成视频
三张图片完成后,将它们按照镜头用途上传到Mini max H3。
这次视频时长设置为15秒,整体采用复古纸张拼贴与美式黑色侦探电影片头的表现方式。
提示词如下:
15秒,美式黑色侦探电影片头,复古VOX纸张拼贴与film noir悬疑风格,暖棕色旧纸、深黑阴影、暗红色图钉和红线,低调电影布光,百叶窗阴影缓慢扫过画面,空气中漂浮细小灰尘,轻微胶片颗粒、胶片抖动与暗角。整个场景必须保持真实的2.5D纸张厚度、前后景遮挡、浅景深和微缩摄影质感。生成一个动态插画的美式片头,要有设计感高级感,画面要是是动态的,也要增加一些悬疑感,镜头切换要快,可以使用变焦,微距,前景遮罩等技巧,反正是要有创意点,要高级,严格按照我提供的图片插画风格。开始镜头前景有东西,镜头前推,看到饭店招牌,然后快切菜品画面,最后再拉回来。

点击生成即可
视频生成执行卡
把这节课压缩成一张可执行卡片:看重点、照步骤、避坑,再复制模板直接开做。
这节课不是先追求炫技成片,而是围绕「刺猬星球super-i_AI教程免费在线教学」先把主体、动作、镜头和节奏稳住。
按原文节奏走最稳:先吃透「准备工具与素材」,再把「第一步:首图生成」定住,接着处理「第二步:从主图继续制作另外两张图」;最后用「第三步:使用Mini max H3生成视频」收口。
- 先把「准备工具与素材」里的主体和动作定死。
- 这一段重点看镜头和节奏,别急着炫技。
- 做完「第二步:从主图继续制作另外两张图」后,先查连贯性和穿帮。
- 先把「第三步:使用Mini max H3生成视频」里的主体和动作定死。
- 做完「中间图:黑板菜品图」后,先查连贯性和穿帮。
不要一上来就生成最终片;先拆镜头、定主体和运动,再逐段生成,否则容易跳轴、穿帮、节奏混乱。
检查主体是否稳定;镜头运动是否明确;前后画面是否连贯;节奏是否服务主题;是否有明显变形或穿帮。
请围绕「刺猬星球super-i_AI教程免费在线教学」帮我做一个可直接执行的方案。 我的目标是:【填写你的具体目标】 我的素材/产品/角色信息是:【填写已有素材和限制】 请输出:核心创意、分镜表、每个镜头的画面描述、视频生成提示词、剪辑顺序和成片自检清单。要求主体稳定、动作明确、镜头连贯。
