我在Lovart 跑通了 AI 影視全流程：一張圖生成電影級大片真的有戲

↑閱讀之前記得關注+星標??，，每天才能第一時間接收到更新

前幾天我寫了一篇文章介紹 Nano Banana pro 的神級入口 Lovart，不熟悉的同學可以去看我的文章

Nano Banana pro 配合Lovart的無限畫布玩起來簡直太爽了，交互體驗可以說獨一無二

現在Lovart又接入了可靈o1模型

Lovart x nanobanana pro x 可靈O1 ，最強的設計Agent和頂級圖像模型以及頂級視頻模型又會擦出怎樣的火花

這幾天我又探索了一些新的玩法，分享給大家

入口在這里：https://lovart.ai

先看個小視頻，少年派的奇幻漂流16秒的片段：

不知道你覺得這算不算電影級的效果？

這個片段其實是通過在網上隨便找的一張截圖制作的

廢話不多說了，我們一起在Lovart無限畫布上玩一玩

一張圖打開電影新世界

在網上隨便找一張截圖

進入Lovart，新建一個工程，直接@nanobananapro 模型

輸入超長提示詞（至于為什么提示詞要這么長后面我會說，你要做的就是復制粘貼）

 

You are an award-winning trailer director + cinematographer + storyboard artist. Your job: turn ONE reference image into a cohesive cinematic short sequence, then output AI-video-ready keyframes.

User provides: one reference image (image).



1) First, analyze the full composition: identify ALL key subjects (person/group/vehicle/object/animal/props/environment elements) and describe spatial relationships and interactions (left/right/foreground/background, facing direction, what each is doing).
2) Do NOT guess real identities, exact real-world locations, or brand ownership. Stick to visible facts. Mood/atmosphere inference is allowed, but never present it as real-world truth.
3) Strict continuity across ALL shots: same subjects, same wardrobe/appearance, same environment, same time-of-day and lighting style. Only action, expression, blocking, framing, angle, and camera movement may change.
4) Depth of field must be realistic: deeper in wides, shallower in close-ups with natural bokeh. Keep ONE consistent cinematic color grade across the entire sequence.
5) Do NOT introduce new characters/objects not present in the reference image. If you need tension/conflict, imply it off-screen (shadow, sound, reflection, occlusion, gaze).



Expand the image into a 10–20 second cinematic clip with a clear theme and emotional progression (setup → build → turn → payoff).
The user will generate video clips from your keyframes and stitch them into a final sequence.



Output (with clear subheadings):
- Subjects: list each key subject (A/B/C…), describe visible traits (wardrobe/material/form), relative positions, facing direction, action/state, and any interaction.
- Environment & Lighting: interior/exterior, spatial layout, background elements, ground/walls/materials, light direction & quality (hard/soft; key/fill/rim), implied time-of-day, 3–8 vibe keywords.
- Visual Anchors: list 3–6 visual traits that must stay constant across all shots (palette, signature prop, key light source, weather/fog/rain, grain/texture, background markers).



From the image, propose:
- Theme: one sentence.
- Logline: one restrained trailer-style sentence grounded in what the image can support.
- Emotional Arc: 4 beats (setup/build/turn/payoff), one line each.



Choose and explain your filmmaking approach (must include):
- Shot progression strategy: how you move from wide to close (or reverse) to serve the beats
- Camera movement plan: push/pull/pan/dolly/track/orbit/handheld micro-shake/gimbal—and WHY
- Lens & exposure suggestions: focal length range (18/24/35/50/85mm etc.), DoF tendency (shallow/medium/deep), shutter “feel” (cinematic vs documentary)
- Light & color: contrast, key tones, material rendering priorities, optional grain (must match the reference style)



Output a Keyframe List: default 9–12 frames (later assembled into ONE master grid). These frames must stitch into a coherent 10–20s sequence with a clear 4-beat arc.
Each frame must be a plausible continuation within the SAME environment.

Use this exact format per frame:

[KF# | suggested duration (sec) | shot type (ELS/LS/MLS/MS/MCU/CU/ECU/Low/Worm’s-eye/High/Bird’s-eye/Insert)]
- Composition: subject placement, foreground/mid/background, leading lines, gaze direction
- Action/beat: what visibly happens (simple, executable)
- Camera: height, angle, movement (e.g., slow 5% push-in / 1m lateral move / subtle handheld)
- Lens/DoF: focal length (mm), DoF (shallow/medium/deep), focus target
- Lighting & grade: keep consistent; call out highlight/shadow emphasis
- Sound/atmos (optional): one line (wind, city hum, footsteps, metal creak) to support editing rhythm

Hard requirements:
- Must include: 1 environment-establishing wide, 1 intimate close-up, 1 extreme detail ECU, and 1 power-angle shot (low or high).
- Ensure edit-motivated continuity between shots (eyeline match, action continuation, consistent screen direction / axis).



You MUST additionally output ONE single master image: a Cinematic Contact Sheet / Storyboard Grid containing ALL keyframes in one large image.
- Default grid: 3x3. If more than 9 keyframes, use 4x3 or 5x3 so every keyframe fits into ONE image.

Requirements:
1) The single master image must include every keyframe as a separate panel (one shot per cell) for easy selection.
2) Each panel must be clearly labeled: KF number + shot type + suggested duration (labels placed in safe margins, never covering the subject).
3) Strict continuity across ALL panels: same subjects, same wardrobe/appearance, same environment, same lighting & same cinematic color grade; only action/expression/blocking/framing/movement changes.
4) DoF shifts realistically: shallow in close-ups, deeper in wides; photoreal textures and consistent grading.
5) After the master grid image, output the full text breakdown for each KF in order so the user can regenerate any single frame at higher quality.



 Output in this order: 

A) Scene Breakdown
B) Theme & Story
C) Cinematic Approach
D) Keyframes (KF# list)
E) ONE Master Contact Sheet Image (All KFs in one grid)

操作：在文本框粘貼提示詞+上傳參考圖

生成效果：

看到這里你應該明白了，這個提示詞的作用是把任意一張圖變為高度一致性的9宮格的電影級的分鏡頭

接著大招來了，直接點擊畫布上的9宮格圖@可靈o1模型

輸入提示詞：

圍繞分鏡頭生成一段視頻，要求包含每一個鏡頭

這時候Lovart 的Agent就會去做分析，開始調用視頻模型按照分鏡頭生成一個一個分鏡頭視頻，并且最后會剪輯成一個視頻片段，最終效果就是文章開頭的樣子（注意音樂是我加上去的），你也可以下載每一段自己剪輯，或者在某音自動生成帶轉場的視頻

我給大家總結一下，其實整個制作過程真的很簡單：

粘貼提示詞+上傳參考圖+@模型

三步走你就可以在Lovart的無限畫布上創作電影級的巨制視頻了

是不是很爽？別急，我在測試中踩了很多坑，以下是避坑指南：

1.提示詞盡量用我提供的英文提示詞，中文我試過，穩定性沒有英文好 2.提示詞之所以長，就是為了保持高度一致性，就是為了大片級效果，就是為了精確性，先照貓畫虎，不要急著縮短提示詞 3.盡管有兩步的保證，但還是不穩定，表現在鏡頭可能重復，創意性不足，表達不夠，這是模型的問題，這時候別著急，因為Lovart獨家提供的Touch-edit就可以派上用場了

比如上面9宮格分鏡頭有兩張鏡頭幾乎一樣，這時候我們用Lovart提供的Touch-edit進行二次編輯生成，具體操作如下：

在任意圖片上 cmd+鼠標點擊你要修改的位置（Mac）/ ctrl+鼠標點擊你要修改的位置（Windows）

或者在畫布左側 sidebar 最上方圖標下拉，選擇 Mark 模式

兩者都可以，點擊鼠標就會選好你要修改的部分

你不用擔心，Lovart這里Touch Edit 功能要做的就是：把強模型變成強工作流，對用戶來說：從「一次次押 prompt 賭運氣」，變成「在畫布上，一邊指一邊說，模型幫你把事做完」，也解決了用戶“需要用腦子去想怎么描述畫面某部分”的難題，一點就行，這也是最符合直覺和用戶習慣的交互方式

agent有上下文，畫布操作也有“操作的上下文”，現在整張畫布具備“感知功能”，變成「有感知的大腦」，跨圖片、區域，可以準確感知你mark的點位是什么內容、畫面、元素，做出精準的選區和識別

我們接著操作：

點擊之后，Agent會自動把你要修改的部分以及整個畫布圖像的上下文理解記錄在文本框內，這時候你只要在后面寫入你要修改的提示詞@圖像模型就可以馬上看到修改效果了，我的提示詞：叼一根劃船的小船槳

生成效果：

這樣就可以重新生成這個鏡頭的視頻了

以上不是最佳實踐，因為我的想象力和創意實在有限，只是一個非常簡單的演示，目的是讓你知道是怎么一回事，Touch edit的「智能理解畫布并執行復雜修改」探索空間非常大

我們接著玩

識別元素重新組合

場景：參考圖使用

隨便在Lovart畫布中拖入三張圖片，用Touch edit功能選擇三張圖的元素

操作：

生成效果：

Lovart 終于解決了“參考圖怎么用”的世紀難題，以前參考圖只能擺著看，自行汲取精華，模型根本不懂你想借它的構圖、元素、姿勢、色彩、氛圍

現在你把一大堆參考圖直接拖進畫布，Touch Edit 的強大在于：你可以同時用很多參考圖——點 A 圖的某一部分、再點 B 圖的某個波特，AI 都能一次性理解并融合進同一個畫布上下文。多圖、多區域、多來源靈感全部可用，一點就行，直接入框即開即用

場景：多圖風格遷移融合

海報生成

隨便扔幾張圖，做個海報

操作：

生成效果：

創作了一張融合了4張圖片風格的產品海報,結合了科學數據可視化、流線型科技感、速度感和黑白對比元素,呈現出現代、高端且富有視覺沖擊力的設計效果

Edit Element：圖層分離+改字

剛才生成的海報，雖然視覺沖擊很強，但海報標題不是我要的

Lovart團隊剛剛上線了一項全新的黑科技：Layered Image Editing（分層圖像編輯）它能自動識別一張圖片中的不同元素，把它們拆分成獨立圖層。甚至！可以識別&直接編輯文字！

小范圍替換、細節修圖、換物體、換材質、改字都穩

可控性遠超“重新生成”

操作：點擊剛才生成的海報，在出現菜單里選擇編輯元素，就會在畫布上重新生成“炸開圖”，也就是圖層分離圖，此時就可以編輯了

把英文文字改為中文：

PPT生成

這個之前的文章有介紹，這里我分享一個，幼兒園老師給孩子們用的場景，拋磚引玉，給幼兒園大班小朋友制作一個簡單的雙語PPT，介紹國之重器-北斗。整體風格要求美觀，簡潔，生動，聽眾是幼兒園大班小朋友（如果有幼兒園老師看到了不用感謝我，）

提示詞：

給幼兒園大班小朋友制作一個簡單的雙語PPT，介紹國之重器-北斗。整體風格要求美觀，簡潔，生動，聽眾是幼兒園大班小朋友。

以下是PPT的文案。請將我的文案全部展示在PPT上，并要求字號保證教室最后一排能看清。

小朋友們好！今天我們來認識超厲害的“北斗”！
Hello, kids! Today, we're going to learn about the super amazing "Beidou"!

很久以前，人們晚上看星星，靠北斗七星找方向。
A long time ago, people would look up at the stars at night and use the Big Dipper to find their way.

迷路了，看看它，就能找到回家的路。
If they got lost, they could look for it and find their way home.

現在，我們有了“北斗”指路系統，就像天上的星星幫忙一樣。
Now, we have the "Beidou" navigation system, just like having stars in the sky to help us.

它由好多顆人造小衛星組成。
It's made up of many little man-made satellites.

小衛星從天上發出信號，手機和小手表收到信號，算一算，就知道你在哪里啦。
These little satellites send signals from the sky. When phones or smartwatches receive the signals, they can calculate and figure out exactly where you are.

“北斗”可有用啦！
"Beidou" is so useful!

能幫小汽車認路，幫大船在海上航行，幫農民伯伯種田，還能幫警察叔叔抓壞人。
It can help cars find their way, guide big ships sailing on the sea, assist farmers in their fields, and even help police officers catch bad guys.

我們每天用的手機，也常常請它幫忙呢。
Our phones, which we use every day, also often ask for its help.

“北斗”是我們中國的驕傲，是科學家們努力造出來的。
"Beidou" is a great pride of China, created through the hard work of scientists.

我們也要好好學習本領，長大像他們一樣棒！
We should study hard too, learn lots of skills, and grow up to become just as awesome as they are!

謝謝大家！
Thank you!

生成效果如下：

當然PPT也完全可以用Touch edit和圖層分離等進行修改

就我個人使用體驗來說，Lovart落地能力非常強，我不敢說以后每個人都可以利用像Lovart這樣的工具開一個一人公司，但至少成為一個有創意的圖像專家完全是有可能得

雖然目前還存在抽卡和不穩定問題，但毫無疑問Lovart已經是T0級別的存在了，隨著模型和產品能力越來越強，一切皆有可能

最后來一波推廣：Lovart現在正在搞活動，優惠力度非常大

12月1日至12月7日，購買 Lovart會員 即可享受最高 50% OFF 的限時折扣！在會員期間，最高可獲得 365天0積分無限制使用 NanoBananaPro 和 Kling O1 的超值福利！

不同檔位會員享有不同福利，詳細信息請登錄Lovart官網查看

https://www.lovart.ai

老會員也自動獲得，不用額外操作

額外福利

NB1 / Seedream4 / MJ v7 同步加入 365 天 0 積分活動

--end--

最后記得??我，這對我非常重要，每天都在更新：

歡迎點贊轉發推薦評論，別忘了關注我