一起来看一下成品：
准备素材与工具
准备工具
image 2.0 https://chatgpt.com/c/
nanobanan pro https://labs.google/fx/tools/flow/
seedance2.0/seedream 5.0pro（图片5.0pro） https://jimeng.jianying.com/ai-tool/home/（即梦AI）
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
https://www.flowpix.club/bj/32965.html?token=46d6285310cf711d951653c38357d433
准备素材
本次参考的是一条点赞超过50万的抖音视频：
视频如下：
图片素材（从网络上搜集的穿搭图）：
第一步：生成统一的模特资产
首先需要确定整条视频中的主角。
这里不一定要自己编写复杂的人物提示词，可以直接打开即梦的灵感库，搜索“网感美女图”，里面能够找到大量自然、真实的人物形象。
选择一张符合视频气质的人物图片，点击“做同款”，将生成模型更换为 图片 5.0 Pro，然后直接生成。
挑选人物时，尽量避开皮肤过度光滑、五官过于夸张、妆容太浓或者明显带有AI质感的形象
得到了这张人物肖像
确定模特后，可以使用 Nano Banana Pro 或 即梦图片 5.0 Pro，将人物生成一张四视图资产。
这里只生成一张正面全身图也可以，不过全身图中的脸部占比较小，视频生成时容易出现脸部不像、皮肤过度油亮或者五官发生变化的问题。
四视图提示词如下（使用上图进行图生图）：
生成图中人物的真人形象设定四视图，灰色摄影棚背景，整体为专业真人角色定妆参考板，规整排版，干净简洁，不是海报，不是杂志大片，不要剧情动作，不要复杂场景。
整体版式严格分为上下两部分：上半部分占画面高度三分之一，下半部分占画面高度三分之二。 上方区域展示两张精细真人面部特写，左侧为正面面部特写，右侧为侧面面部特写。两张特写都以头部与肩颈为主，构图紧凑，清晰展示人物五官、骨骼结构、妆容、发型、头饰与神态。人物面部特征、发型、妆造、头部配饰必须与参考形象严格一致。皮肤质感真实自然，保留毛孔、细纹、绒毛、眉睫、碎发与皮肤受光后的细微起伏，不磨皮，不过度锐化，不做人像美容，呈现高解析真人摄影棚定妆照质感。
下方区域展示两张身体与服装参考图，左右排列。
左侧图片必须是放大后的正面服装展示图，人物采用标准 A-pose 站姿。 这一张图的重点不是完整全身入镜，而是“人物尺度明显放大”，让角色在画面中占据更大比例。 左侧图片必须使用更近距离的正面取景，人物从肩颈下方开始入画，到鞋子结束，头部因画面放大而被完整裁切到画面之外。 请注意，这张图不是普通远距离全身照，而是近距离放大的正面服装图：人物身体在画面中的占比要明显更大，上半身与下半身都要被放大展示，整体视觉效果像时装定妆板中的服装主体展示图。 人物双肩、双臂、双手、躯干、腰部、腿部、鞋子必须完整保留，画面边缘只允许裁掉头部，不能裁掉手、脚或身体主体。 左侧这张图必须比右侧背面图看起来更“近”、更“满”、更“放大”，让服装细节和身体比例更突出。 禁止把左侧图做成普通小比例全身图，禁止人物在左侧图中显得太小，禁止头部仍然留在画面内，禁止只裁掉半个头或留出下巴、嘴巴、鼻子、头发边缘。
右侧图片为背面全身图，标准 A-pose，完整展示从头部到鞋子的背面全身。人物背对镜头，完整保留背面头部、发型背部、服装背面结构、鞋子与整体轮廓，用于展示角色背面造型。右侧这张图为常规完整背面全身展示，人物比例正常，不需要像左图那样放大裁切。
下方两张图必须为同一个人物、同一套服装、同一组配饰、同一身体比例。整体保持超模感修长比例，但不要夸张变形。服装设计、布料层次、鞋子、穿搭风格、服装结构与配饰样式必须严格遵循原图。所有服装与配饰都要呈现真实物理材质质感，布料有自然褶皱、垂坠和厚薄变化，金属有真实反光，皮革、丝绸、纱质等材质表现真实自然。若原图服装为开叉长裙，则左侧正面放大图中人物可自然一条腿向前迈出半步，以展示开叉结构和露腿效果，但整体仍需保持定妆照式稳定姿态，不要做走秀动作。
光线只使用干净统一的摄影棚三点式打光：正左侧主光，正右侧辅助光，后右侧轮廓光。不要杂乱光效，不要彩色灯光，不要强氛围特效。背景为纯净灰色无缝影棚背景。
严格要求：
上方两张脸部特写占画面上三分之一。 下方两张身体图占画面下三分之二。 左下图必须是“放大后的正面服装展示图”，人物在画面中的占比明显更大，头部因近距离取景被完整裁切出画面。 右下图必须是完整背面全身图。 禁止左下图做成普通比例全身小图。 禁止左下图出现任何头部信息。 禁止左右服装不一致。 禁止人物比例漂移。 禁止 AI 油腻感、塑料皮肤感、过度美颜感、廉价 CG 感。
这张图片是由即梦图片5.0pro模型生成
这张图片是由nanobanan pro模型生成
大家可以自己选择用哪个模型去生成，这是俩种不同的取向，即梦图片5.0pro更加还原原图，nanobanan pro 加入了自己的想法
第二步：提取开场的紧身睡衣
参考视频的第一段是整条视频最重要的钩子。
参考视频的截图
人物先穿着一套紧身睡衣出现，随后快速切换成不同的正式穿搭。睡衣与后续服装之间形成明显反差，观众才能在开头几秒内注意到人物的变化。
先截取参考视频中能够完整看清睡衣的画面，再使用 GPT Image 2.0 或 即梦图片5.0pro（SeedanceDream 5.0 Pro），将睡衣单独提取到白色背景上。
提示词如下：
提取出图中人物穿着的衣服到白底图上
第三步：生成客厅沙发场景
接下来需要准备视频的固定场景。
这类变装视频的场景不需要过于复杂，重点是让人物和服装足够突出。可以选择一间有氛围感的客厅，以沙发作为画面中的主要背景。
画面也不需要放下整个客厅，更不需要完整展示整张沙发。只要保留人物活动区域、部分沙发和少量背景装饰即可。所以场景提示词可以这样写，使用上图进行图生图。
提示词如下：
以原图作为唯一空间与家具参考，保持客厅原有装修风格、家具款式、材质、色调、灯光氛围和陈设关系一致，不重新设计空间。镜头位于黑色皮质沙发正前方中央上方，采用纯正面高机位俯拍视角，机位与沙发严格平行，从正前方朝下拍摄，俯拍角度明确控制在约60度，强调明显的俯视感，但不要变成顶部鸟瞰。不要任何侧偏，不要左偏或右偏，不要三分之二视角。画面为沙发中景构图，聚焦黑色皮质沙发主体，沙发占据画面主要面积，画面中不要放下整个沙发，允许沙发左右两端自然出画，只展示沙发中段、靠背、坐垫、局部扶手和左侧豹纹抱枕。前景不要出现中间的玻璃茶几，也不要出现任何桌面物体，画面下方只保留少量红色地毯用于交代空间关系，不要出现大面积地板。背景中保留沙发后方白色百叶窗作为主背景，左右环境元素只少量露出，不展示完整客厅，不要全景。整体构图居中、稳定、对称，突出60度俯拍下的沙发体积感、皮革纹理与家居杂志感。真实室内摄影，暖色自然光，35mm或50mm镜头，中景，无广角畸变，无鱼眼，无人物，无文字。
如果第一次生成的场景范围太大，可以在后期直接裁切，让沙发和人物区域占据更大的画面比例。这样生成视频时，人物不会因为场景过大而显得太小。
裁切画面
第四步：提取多套穿搭服装
准备好场景后，就可以整理需要展示的服装。
可以从商品图片、穿搭图片或者模特展示图中挑选六套服装，再使用 GPT Image 2.0 或 即梦图片5.0pro（SeeDream 5.0 Pro），将每套服装分别提取到白色背景上。
提示词如下：
提取画面中的一整套服装鞋子，配饰，至白底图上，只保留服装，不要人物
将所有服装都提取出来
第五步：反推原视频的动作和快切结构
资产准备完成后，需要分析参考视频中的人物动作和剪辑节奏。
将参考视频上传到 Gemini/ChatGPT（需要可以上传视频的语言大模型，豆包不可以），让它按照时间顺序拆解视频中的镜头。
第一次分析时，可以先输入下面这段提示词（上传参考视频）：
你是 “短视频裂变前置逆向工程师（Reverse Storyboard Engineer for Viral Adaptation Prep）”。
你的任务不是直接生成视频提示词，也不是直接做商品改写。
你的任务是：对我上传的【带货参考视频】做“颗粒级逆向拆解”。特别注意，你的拆解底稿将与另一个智能体提供的“新商品解析库”进行对接，因此你必须精准剥离出参考视频中“原商品”的所有展示坑位与交互动作，为后续的“商品替换”提供精准的坐标。
严格输出为 Markdown，不得省略字段，不得改写原台词，不得把某一列拆成单独列表。
================================
一、核心目标（必须同时完成）
1. 提取“逐句脚本证据表”。
2. 输出“分镜头逆向主表”，并强制追踪原商品的露出状态。
3. 提取“视听裂变锚点卡”。
4. 输出为后续商品替换服务的“裂变前置摘要”。
本步骤只输出“可读、可复刻、可做商品替换”的结构化底稿。
================================ 二、时长锁定 Time Lock（必须遵守）
在输出任何表格之前，必须先完成“时长锁定”：
1. 读取“全片真实总时长”记为 T（秒），作为唯一时间上限。换算成秒（保留 1 位小数或整数）。
2. 后续所有时间戳必须满足：0 <= start_sec < end_sec <= T。
3. 输出 2（Shot 表）必须无缝覆盖区间 [0.0, T]。即使最后几秒黑屏/无声，也必须单独成 Shot 覆盖到 T。
================================
三、目标语言自动识别规则（必须遵守）
自动识别原视频主要口播语言 primary_language，多语言混用时以口播占比最高为准。输出 0 里必须写明。
================================
四、输出 0：全片统一设定卡（先输出，非表格，文字即可）
总结整条视频的以下字段：
* A. 基础信息：视频总时长 T（秒）、目标语言 primary_language、视频带货品类、核心呈现形式。 * B. 原商业逻辑：核心痛点（前半段击中的痛点）、原核心卖点（原视频放大的商品优势）、目标受众画像。 * C. 情绪与节奏基调：视觉基调、节奏剪辑、听觉环境。
================================
五、输出 1：逐句脚本证据表（必须以 Markdown 表格输出） 提取全片所有口播内容，按句拆分。
表格字段严格如下：
| 句号 (Sentence ID) | 时间轴 (Start-End) | 原台词 (Primary Language) | 逐句中文翻译 (Chinese Translation) | 语气/情绪备注 (Tone/Emotion) |
要求：完全忠于原音频，不得删减润色。空白期无需体现。时间轴格式 [ss.s - ss.s]。
================================
六、输出 2：分镜头逆向主表（核心底稿，必须以 Markdown 表格输出）
对全片进行连续的、无缝隙的颗粒级拆解。
表格字段严格如下：
| 镜头编号 (Shot ID) | 时间轴 (Start-End) | 景别与运镜 (Shot & Camera) | 画面主体与视觉动作 (Visual Action) | 原商品露出与交互状态 (Original Product Status) | 对应台词句号 (Sentence ID Mapping) |
要求：
* 镜头编号：从 S01 开始，画面切换或主体重大变化必须切分新 Shot。
* 景别与运镜：使用专业术语。
* 原商品露出与交互状态：（核心新增）重点描述原商品在画面中是否存在？若存在，处于什么位置？人物与它产生了什么交互？（例如：“无商品”、“右手持握黑色瓶身特写”、“挤出液体涂抹在左手背”、“放置在桌面作为背景”）。这将决定后续新商品的替换方式。
* 对应台词句号：填入【输出 1】的 ID，无台词填“无”。上一行 End 必须等于下一行 Start。
================================
七、输出 3：视听裂变锚点卡（非表格，结构化列表）
提炼可被后续复用的黄金锚点：
* 黄金前三秒 Hook 机制：开篇是如何留人的？
* 视觉完播锚点 (Retention Hooks)：全片刻意设计的视觉刺激点是什么？
* 信任状/转化机制 (Trust & Conversion)：视频如何建立信任并引导下单？
================================
八、输出 4：裂变前置与替换摘要（非表格，结构化提示）
为后续的“规划导演”与“提示词架构师”提供替换建议：
* 核心商品替换位 (Core Product Swaps)：指出【输出 2】中哪几个 Shot 是必须进行高精度“旧换新”的商品展示镜头。
* 可剥离泛用场景 (Replaceable B-Roll)：指出哪些 Shot 是与具体商品无关的泛用背景或人物情绪镜头，后续可以轻易保留或替换。
* 痛点/钩子爆改方向 (Hook Remix Ideas)：针对前三秒，提供 2 个针对不同痛点的同逻辑 Hook 新思路。
================================
执行指令：
现在，请确认你已经完全理解了“短视频裂变前置逆向工程师”的最新拆解规则，特别是对“原商品占位追踪”的要求。
接下来，我将上传视频（或提供视频信息）。收到内容后，请不要有多余的寒暄，直接按照【输出 0】到【输出 4】的结构，严格输出高精度底稿！
听觉环境（如：纯人声、动感BGM+人声、环境白噪音等）
================================
五、输出 1：逐句脚本证据表（必须以 Markdown 表格输出）
提取全片所有口播内容，按句拆分。
表格字段严格如下：
| 句号 (Sentence ID) | 时间轴 (Start-End) | 原台词 (Primary Language) | 逐句中文翻译 (Chinese Translation) | 语气/情绪备注 (Tone/Emotion) |
要求：
必须完全忠于原音频，不得删减或润色。
没有台词的空白期不需要在此表体现（会在 Shot 表中体现）。
时间轴格式统一为：[ss.s - ss.s]。
================================
对话界面
继续输入提示词：
提取出分镜头提示词，只保留人物动作，以及每一套服装都有3段镜头快切，快切人物的动作也会变。去掉衣服的描述，将衣服描述为[服装1]【服装2】【服装3】....
得到以下视频提示词：
开场镜头 镜头01：中景，固定镜头，女生从画面右侧走入画面，在沙发前侧呈蹲姿准备起立。 镜头02：中景，固定镜头，女生完全站立在镜头前，面带甜美微笑向镜头挥手打招呼，随后张开双手向下蹲去。
【服装1】展示系列（3段快切） 镜头03：中景，固定镜头，女生身穿【服装1】坐在沙发上，双手拿着黑框眼镜戴在脸上，并对着镜头微微歪头。 镜头04：中景，固定镜头，女生身穿【服装1】坐在沙发上，双手整理头发，微微侧头看向一侧。 镜头05：中景，固定镜头，女生身穿【服装1】坐在沙发上，身体前倾，单手托腮，对着镜头眨眼微笑。
【服装2】展示系列（3段快切） 镜头06：中景，固定镜头，女生身穿【服装2】坐在沙发上，双手整理头上的棒球帽，随后双手自然垂下，对着镜头微笑。 镜头07：中景，固定镜头，女生身穿【服装2】坐在沙发上，双手插兜，身体微微后仰，挑眉看向镜头。 镜头08：中景，固定镜头，女生身穿【服装2】坐在沙发上，单手扶着帽子边缘，微微低头，再抬眼看向镜头。
【服装3】展示系列（3段快切） 镜头09：中景，固定镜头，女生身穿【服装3】坐在沙发上，双手插在裤兜里，身体微微后仰，眼神冷酷直视镜头。 镜头10：中景，固定镜头，女生身穿【服装3】坐在沙发上，双手抱胸，微微歪头，嘴角上扬。 镜头11：中景，固定镜头，女生身穿【服装3】坐在沙发上，身体前倾，双手手肘撑在膝盖上，直视镜头。
【服装4】展示系列（3段快切） 镜头12：中景，固定镜头，女生身穿【服装4】坐在沙发上，双手抬起将墨镜推至额头边缘，歪头直视镜头。 镜头13：中景，固定镜头，女生身穿【服装4】坐在沙发上，单手摘下墨镜拿在手里，对着镜头挑眉。 镜头14：中景，固定镜头，女生身穿【服装4】坐在沙发上，双手抱头，身体微微后靠，展现慵懒姿态。
【服装5】展示系列（3段快切） 镜头15：中景，固定镜头，女生身穿【服装5】在沙发上翘起二郎腿，双手拉住衣服下摆往下拉，整理衣服。 镜头16：中景，固定镜头，女生身穿【服装5】在沙发上，单手整理衣领，转头看向侧面，展现侧脸。 镜头17：中景，固定镜头，女生身穿【服装5】在沙发上，双手摊开，耸了耸肩，露出俏皮的表情。
【服装6】展示系列（3段快切） 镜头18：中景，固定镜头，女生身穿【服装6】坐在沙发上，双手抱胸，神情冷峻地看着镜头。 镜头19：中景，固定镜头，女生身穿【服装6】坐在沙发上，将双手放开，单手抚摸下巴，若有所思地看着镜头。 镜头20：中景，固定镜头，女生身穿【服装6】坐在沙发上，身体微微前倾，双手撑在沙发边缘，展颜一笑。
【服装7】展示系列（3段快切） 镜头21：中景，固定镜头，女生身穿【服装7】坐在沙发上，双手交叉抱胸，身体微微前倾。 镜头22：中景，固定镜头，女生身穿【服装7】坐在沙发上，双手插在裤兜，身体向一侧微倾，肩膀一高一低。 镜头23：中景，固定镜头，女生身穿【服装7】坐在沙发上，双手合十放在膝盖上，歪头微笑。
【服装8】展示系列（3段快切） 镜头24：中景，固定镜头，女生身穿【服装8】坐在沙发上，双手捧着一个黑色保温杯，微微低头看杯子。 镜头25：中景，固定镜头，女生身穿【服装8】坐在沙发上，抬起头看向镜头，将杯子递向镜头方向，做出干杯的动作。 镜头26：中景，固定镜头，向右平移微调，女生身穿【服装8】将单肩包背上，左手拿着保温杯起立转身，迈步向画面右侧走去，走出镜头。
第六步：使用Seedance 2.0生成视频
接下来进入最关键的视频生成环节。
打开 Seedance 2.0，将前面准备好的所有素材上传，包括：
人物四视图资产、客厅场景图、开场睡衣图、服装1、服装2、服装3、服装4、服装5和服装6。
上传图片后，不要只依靠图片排列顺序让模型自行判断。
必须在提示词中明确标注每张图片分别是什么，以及每套服装应该出现在哪一段。图片越多，标注越重要。
图片标注
画面内容提示词中，AI推导出来的有8个服装，可以将其中中间俩个段删掉，只保留6个服装提示词。
整体的提示词如下：
场景为图3场景。主角图1女主角人物，刚开始只是身穿图片2 服装。固定镜头轻微俯视角拍摄，服装变装视频。不要生成任何文案，字幕，不要生成音乐，只生成音效，不要有刺耳的音效
图4为服装1
图5为服装2
图6为服装3
图7为服装4
图8为服装5
图9为服装6
开场镜头（女生穿着图2服装）
镜头01：中景，固定镜头，女生从画面右侧走入画面。
镜头02：中景，固定镜头，女生歪着身子较为性感的姿势，面带甜美微笑向镜头挥手打招呼，随后张开双手向下蹲去。
【服装1】展示系列（3段快切）（女生穿着图4服装）
镜头03：中景，固定镜头，女生身穿【服装1】坐在沙发上，双手拿着黑框眼镜戴在脸上，并对着镜头微微歪头。
镜头04：中景，固定镜头，女生身穿【服装1】坐在沙发上，双手整理头发，微微侧头看向一侧。
镜头05：中景，固定镜头，女生身穿【服装1】坐在沙发上，身体前倾，单手托腮，对着镜头眨眼微笑。
【服装2】展示系列（3段快切）（女生穿着图5服装）
镜头06：中景，固定镜头，女生身穿【服装2】坐在沙发上，双手整理头上的棒球帽，随后双手自然垂下，对着镜头微笑。
镜头07：中景，固定镜头，女生身穿【服装2】坐在沙发上，双手插兜，身体微微后仰，挑眉看向镜头。
镜头08：中景，固定镜头，女生身穿【服装2】坐在沙发上，单手扶着帽子边缘，微微低头，再抬眼看向镜头。
【服装3】展示系列（3段快切）（女生穿着图6服装）
镜头09：中景，固定镜头，女生身穿【服装3】坐在沙发上，双手插在裤兜里，身体微微后仰，眼神冷酷直视镜头。
镜头10：中景，固定镜头，女生身穿【服装3】坐在沙发上，双手抱胸，微微歪头，嘴角上扬。
镜头11：中景，固定镜头，女生身穿【服装3】坐在沙发上，身体前倾，双手手肘撑在膝盖上，直视镜头。
【服装4】展示系列（3段快切）（女生穿着图7服装）
镜头12：中景，固定镜头，女生身穿【服装4】坐在沙发上，双手抬起将墨镜推至额头边缘，歪头直视镜头。
镜头13：中景，固定镜头，女生身穿【服装4】坐在沙发上，单手摘下墨镜拿在手里，对着镜头挑眉。
镜头14：中景，固定镜头，女生身穿【服装4】坐在沙发上，双手抱头，身体微微后靠，展现慵懒姿态。
【服装5】展示系列（3段快切）（女生穿着图8服装）
镜头15：中景，固定镜头，女生身穿【服装5】在沙发上翘起二郎腿，双手拉住衣服下摆往下拉，整理衣服。
镜头16：中景，固定镜头，女生身穿【服装5】在沙发上，单手整理衣领，转头看向侧面，展现侧脸。
镜头17：中景，固定镜头，女生身穿【服装5】在沙发上，双手摊开，耸了耸肩，露出俏皮的表情。
【服装6】展示系列（3段快切）（女生穿着图9服装）
镜头24：中景，固定镜头，女生身穿【服装8】坐在沙发上，双手捧着一个黑色保温杯，微微低头看杯子。
镜头25：中景，固定镜头，女生身穿【服装8】坐在沙发上，抬起头看向镜头，将杯子递向镜头方向，做出干杯的动作。
镜头26：中景，固定镜头，向右平移微调，女生身穿【服装8】将单肩包背上，左手拿着保温杯起立转身，迈步向画面右侧走去，走出镜头。
随后点击生成即可。
第七步：使用剪映完成后期
视频生成完成后，将所有片段导入剪映。
随后添加合适的BGM。
随后导出即可。
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「50万赞穿搭视频，如何用AI完整复刻？」先把主体、动作、镜头和节奏稳住。
按原文节奏走最稳：先吃透「准备素材与工具」，再把「第一步：生成统一的模特资产」定住，接着处理「第二步：提取开场的紧身睡衣」；最后用「第三步：生成客厅沙发场景」收口。
- 先把「准备素材与工具」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：提取开场的紧身睡衣」后，先查连贯性和穿帮。
- 先把「第三步：生成客厅沙发场景」里的主体和动作定死。
- 按「第四步：提取多套穿搭服装」去统一气质，不要只改表面。
- 把「第五步：反推原视频的动作和快切结构」这一点先定准，再往下走。
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「50万赞穿搭视频，如何用AI完整复刻？」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。