R-04 · AI 影像 · 實測
用手機拍參考,讓 AI 模仿成廣告鏡頭
你會知道:在家用 iPhone 隨手拍一段動作,丟給 Seedance 2.5 模仿成 FX3 質感的耳機廣告鏡頭——哪些抄得到、哪些抄不到,以及提示詞怎麼分段寫。
IG 原文 · 2026.09.05我即夢點數用完了
換 Higgsfield,一樣用 2.5 試試看手機拍參考。
然後叫 Claude 幫我寫
但我發現,參考根本拍給 Claude 看的
它提示詞把表述寫完了
我自己好奇提示詞那麼長有用嗎
但試了幾輪,勉強可以。
如果我不要拍的那麼粗糙的話,搞不好用不著寫那麼多。
灰模還是最穩的
每一頁在講什麼
- Claude Code+Higgsfield+Seedance 2.5:上=成品、中=iPhone 原片、下=側拍。手機自拍變成第三人稱的耳機廣告。
- 一共算了 11 次:其他版本並排,每一版改了什麼寫在旁邊。
- 它沒跟鏡頭,但我覺得可以:耳機改成浮在空中,手機原片裡是掛在麥克風架上。
- 換成 Blender 灰模帶運鏡:模型幾乎照抄灰模的鏡頭路徑——運鏡這件事,灰模最穩。
- 這段吃不到運鏡:伸手和眼神都對了,但手持推近的力道沒跟上。
- 隨便拍拍產出商品八面圖:八面圖是 Google Gemini 算的,當耳機外觀的參考。
- 提示詞怎麼寫:八段結構+三條學到的規則(下面整理成文字)。
- 完整提示詞:第一頁那支的全文,5 秒、480P。
- 補充:提示詞都是 AI 寫的;我是讓 Claude 自己去 Higgsfield 算的。
- 這次用到的工具:DaVinci Resolve、Blender、Gemini、Higgsfield、Seedance 2.5、Claude Code。
提示詞的八段結構
- 先宣告參考的角色:@Video1=運動母版,只抄鏡頭路徑與動作節拍;@Image1–2=耳機外觀(八面圖+實拍);@Image3=場景與光線母版。
- 鎖死清單(exact):動作順序、攝影機方向與路徑、兩次甩鏡與點觸的時間點。甩鏡是鏡頭在動,不可用剪接取代。
- 必須改掉的:不是自拍,是第三人稱 FX3 50mm f/1.4;不看鏡頭;伸向鏡頭的手不存在;麥克風架不存在,耳機懸浮在空中。
- 身份與產品鎖定:同一個人(髮尾淺金、右耳耳環、黑背心、左上臂刺青);耳機只有一支,形狀顏色比例從頭到尾不變。
- 濾鏡與光:Black Pro-Mist 1/4——高光暈開、對比微降、皮膚柔化;整個空間就是光源,高調、明亮、空氣感。
- 逐秒:每一段一句話,只寫參考影片裡真的有的東西。
- 聲音:只有音效沒有音樂,點下後收乾。
- 負面:音樂、文字、自拍感、街道、硬光、剪接、定格、換人、多支耳機。
三條學到的規則
- 寫「什麼在動」,不要寫「不動」——寫了「不動」,模型會把畫面凍住。
- 一段字越多,模型給那段越多秒——改內容時字數不能跟著變多,不然節奏會跑掉。
- 甩鏡這種「事件」抄得到,手持慢推這種「連續運動」抄不到——要穩定的運鏡,還是用灰模。
完整提示詞(可複製)
輸入檔要自備:提示詞裡的 @Video/@Image(灰模片、定妝照、場景圖)沒有附在這頁,換成你自己的檔案,編號對上就好。灰模怎麼做見 R-01「拿 Blender 當線稿」。
注意:這是當時實際送出的版本,裡面有一處互相矛盾——【必須改掉的】寫「全程不看鏡頭」,【逐秒】0.4–0.9 秒卻寫「回頭看了鏡頭一眼」。照抄前請二選一,否則每次結果會不一樣。
第一頁那支。Seedance 2.5 reference-to-video · 480P · 5 秒 · 參考:手機原片+八面圖+實拍+場景圖。
耳機・人物鏡頭@Video1 手機原片/@Image1 八面圖/@Image2 實拍/@Image3 場景
影片參考 @Video1 =運動母版:只取它的攝影機路徑、攝影機方向、時間點,以及人物的動作節拍。@Image1 是耳機的八面圖、@Image2 是耳機實拍照(真實顏色與材質以實拍為準)。@Image3 =場景與光線母版:一個巨大的純白展演空間,白色起伏如波浪的天花板嵌著大片天窗,地面是同樣起伏的白色曲面、嵌著一片片發光的長方形光板,空間空曠無人、白中帶淺藍,光從天窗與地板兩面同時來,整個空間本身就是一盞巨大的柔光燈。把人物放進這個空間裡。 輸出:16:9 橫式,5 秒。前 4.4 秒逐格對應參考影片的時間與鏡頭路徑,最後 0.6 秒維持結尾的耳罩特寫不動。一鏡到底,不剪接。畫面裡不出現任何文字。 【鎖死(exact)】動作順序、頭部轉動、手與手指的動作、攝影機方向、攝影機路徑、兩次快速甩鏡的時間點(0.4 秒側面甩到正面、1.8 秒正面甩回側面)、推近到耳罩滿框的時間點(2.4 秒)、手指點觸控面板的時間點(2.8 秒)。甩鏡是鏡頭在動,不可用剪接取代。 【必須改掉的】這不是自拍。鏡頭不是他自己拿的,是第三人稱的電影攝影機——Sony FX3 配 50mm f/1.4,由攝影師操作,位置在他身側與面前約一公尺,手持但穩,像穩定器一樣平順。他全程不看鏡頭、不點頭:視線看向空間深處或微微低垂,專注、安靜,像一個人獨自在這個空間裡按下降噪。參考影片裡伸向鏡頭、握著手機的那隻手不存在;他的手只出現在耳罩上調整耳機、以及最後觸控面板。 【人物身份鎖定】保留參考影片裡完全同一個人:臉型、下顎、眼睛、鼻子、嘴、耳朵、右耳小圓耳環、及肩黑髮與髮尾淺金、體型、黑色背心、左上臂刺青。他可以因為更好的光而更好看,但必須仍是同一個人。不換人、不瘦臉、不改鼻子、不改髮型、不改年齡。 【產品】Sony WH-1000XM5 罩耳式無線耳機,鉑金銀(暖灰白)霧面軟觸感塗層,一體無縫頭帶,橢圓耳罩、外側平滑微凸,右耳罩外側一行金色 SONY 小字,已戴在他頭上。外觀照八面圖與實拍照,整支只有這一支、同一個設計。 【濾鏡(重要)】攝影機鏡頭前裝 Black Pro-Mist 1/4 黑柔濾鏡:所有高光柔和地暈開、光暈(halation)向外擴散、對比微降、黑位保持乾淨,皮膚質感被柔化但五官與耳機邊緣仍清楚,整體光感更強、更有空氣感,像高預算電影廣告的鏡頭質感。這個濾鏡效果從第一格到最後一格都在。 【光影與色調】整個空間就是光源:天窗的柔光從上方包下來,地板光板的反光從下方補上來,皮膚與耳機被均勻的光包住、幾乎沒有影子。高調、明亮、空氣感,白中帶一點淺藍,暗部乾淨微冷。50mm f/1.4 的淺景深:背景的波浪天花板與發光地板化成柔和的白色與淺藍色塊,只有他和耳機是清楚的。真實電影攝影加黑柔濾鏡的質感,不是 3D 渲染。 【逐秒】 0–0.4 秒 側面特寫:鏡頭在他右側略高,耳罩貼耳佈滿畫面右半,霧面塗層上一道很淡的柔光高光。 0.4–0.9 秒 鏡頭照參考影片快速甩到他正面,保留自然動態模糊;他不經意地回頭看了鏡頭一眼,隨即把視線移開,手輕輕扶著耳罩。背景是化開的白色波浪與光板。 0.9–1.8 秒 正面半身停留。他靜靜站著,臉上是均勻無影的柔光。 1.8–2.4 秒 鏡頭照參考影片快速甩回右側、同時推近到耳罩滿框。耳罩、鉸鏈與 SONY 小字清楚可讀。 2.4–3.4 秒 手指伸進畫面點在觸控面板上,點兩下。2.8 秒點下的那一瞬間:一圈清楚可見但優雅的空氣震動從耳罩向外掠過——像聲波推開空氣,讓背景的白色波浪與光板產生一瞬間輕微的折射扭曲,波紋在約 0.3 秒內擴散消失;同時空間的聲音被收乾。除了這一圈空氣震動,畫面上不加別的東西。 3.4–5.0 秒 鏡頭穩住在耳罩特寫收尾,手指停在面板上。 【聲音|只有音效,沒有音樂】0–2.8 秒巨大空間的安靜迴響:低沉的空氣聲、遠處極輕的腳步迴音、他的手碰到耳罩的細微摩擦聲。2.8 秒點下:一聲很輕的觸控點擊,緊接著一個低頻的空氣脈衝「whoom」隨波紋掠過,然後環境聲急速收乾到近乎無聲,只剩一層極低、極安靜的降噪耳壓感(像耳朵被輕輕包住的低頻嗡)。全程沒有音樂、沒有旋律、沒有配樂、沒有旁白、沒有字幕。 【負面】音樂、配樂、旋律、鼓點;任何文字、字卡、字幕、logo;自拍感、手臂伸向鏡頭、手機、點頭、大幅手持晃動、在耳邊點兩下;街道、戶外、建築外觀、天空、樹、行人、車;畫面裡出現第二個人;硬光、鏡頭耀光、星芒、粒子、速度變化、剪接、固定機位;換人、臉部變形、多出手臂或手指、手指數量錯誤;多支耳機、耳機變形、顏色改變、別的款式、別的品牌 logo、耳機穿模;卡通、3D 渲染感。
給 AI Agent:照這段做
把這頁網址丟給你的 Claude、Codex 或其他 agent,跟它說「照這頁的『給 AI Agent』段做」。純文字版:phone-reference.md。
這段能幫你做到什麼:用 iPhone 隨手拍的一段動作當參考,叫 Seedance 2.5 重拍成第三人稱的廣告鏡頭(頁面範例是 FX3 質感的耳機廣告)。
要先準備:以下是作者當次實測(最後驗證 2026.09.05)。
- 手機原片(@Video1)。頁面沒附,請自備。
- 產品外觀參考:八面圖(@Image1)與實拍照(@Image2)。八面圖作者用 Google Gemini 從隨手拍的片段產出。
- 場景與光線參考圖(@Image3)。請自備。
- 平台與模型:Higgsfield 上的 Seedance 2.5 reference-to-video,480p、5 秒。
- 預估花費:頁面未說明。作者的提示詞由 Claude 寫,也讓 Claude 自己去 Higgsfield 送算。
步驟
- 先二選一:「全程不看鏡頭」或「回頭看鏡頭一眼」。頁面的完整提示詞兩句互相矛盾(【必須改掉的】對【逐秒】0.4–0.9 秒),照抄前要刪掉其中一句,否則每次結果不同。
- 準備好 @Video1、@Image1–3,編號對上。
- 照頁面「提示詞的八段結構」寫:宣告參考角色、鎖死清單、必須改掉的、身份與產品鎖定、濾鏡與光、逐秒、聲音、負面。
- 逐秒段每一段只寫參考影片裡真的有的東西。寫「什麼在動」,不要寫「不動」。
- 作者這次迭代觀察到:一段字越多,模型給那段越多秒,所以改內容時字數不要變多(不是通用定律)。
- 在 Higgsfield 送 Seedance 2.5,480p、5 秒。
- 看結果。
怎樣算完成:頁面未說明明確判準。可觀察項目:兩次甩鏡落在提示詞寫的時間點(0.4 秒、1.8 秒);2.4 秒推近到耳罩滿框;2.8 秒點觸時出現一圈空氣震動;人物與產品全程同一個;只有音效、沒有音樂、畫面沒有文字。
常見失敗與下一步(作者算了 11 次)
- 寫了「不動」:畫面被凍住。改寫成「什麼在動」。
- 手持慢推這種連續運動抄不到:改用 Blender 灰模帶運鏡,模型幾乎照抄鏡頭路徑(見 R-01)。
- 作者這次甩鏡有抄到,手持慢推未跟上。
不要做的事:不要照抄頁面提示詞而不先解決看鏡頭的矛盾;不要假設頁面附了素材檔;不要期待手持慢推被複製;作者說提示詞偏長,拍得乾淨的話可能不用寫那麼多(作者未驗證)。
工具:iPhone 原片、Google Gemini(八面圖)、Claude Code(寫提示詞並直接送算)、Higgsfield 上的 Seedance 2.5(reference-to-video、480P、5 秒)、Blender(灰模那版)。
← 回到研究列表



