GPT Image 2.6 这次更新有一个新能力，就是它可以制作动图。
我在想如果它可以制作动图，那我们现在用 AI 做视频的时候，是不是可以先把分镜图做成动图，再基于它作为参考直接生成视频，这条路线是否可行？
所以我研究了一下，发现确实行得通，就写了这篇文章把方法分享给大家。
下面有两条视频：
这一条是使用 GPT Image 2.6 分段生成 GIF 动图，再拼接在一起，通过补帧渲染成的视频
用 GPT Image 2.6 去做表情包不足以展示它的可玩性，它最好的场景是做视频。
这一条是把渲染好的动图视频作为参考视频，用生图模型 Grok Imagine 重新生成的视频
之前发了一条用 GPT Image 2.6 生成动图、再渲染成视频制作的 30 秒街头飙车视频。
在看文章之前，大家可以先看一下这两条视频对比了解一下效果，然后再开始读接下来这篇的内容，这样你会对我的文章内容、讨论点，或者提到的一些方面有更深的理解。
这次我想做一条 30 秒左右的霓虹街头追车片。雨后的路面全是霓虹倒影，一辆银灰色改装车和一辆红色超跑贴着跑，超车、过弯，再一路冲出去。镜头得有速度感，两辆车的位置也得接得上。
这类片子的麻烦，往往藏在动作里。红车从哪边超车，切镜时有没有完全出画，换机位以后两车谁前谁后，都影响这场追逐能不能看懂。一张参考图能定下画面的样子，却交代不了整个过程。
我这次试了一个做法，先用 GPT Image 2.6 生成几段动图，补帧、剪辑，拼成一条完整的动态分镜，再导出 MP4，交给视频模型重新生成。机位、走位和剪辑节奏，先在这条参考视频里安排好。
最后一步用的是 Grok Bot 的 Imagine 功能。原因很简单，我正好订阅了它，Imagine 又能直接生成视频，就拿来试了。
先放一组画面对照。左边是动图导出的视频，右边是重生成后的完整检查版。两边的构图很接近，车辆、路面和环境的细节则有了变化。
左：早期保留的 20 fps 动图导出。右：30 fps 的完整重生成检查版，尚未局部返修。两份视频均为 30 秒；制作中更换过参考，Grok Bot 最后一轮实际用的是另一份 720p、30 fps 参考片。
有了这段动态参考，后面提修改要求就具体多了。比如 10–13 秒的引擎盖视角，红车应该向右完整驶出画面，生成结果却一直留着一截车身。我可以直接指出这一镜，让 Bot 按原定动作重做。
这些动图被我当作动态分镜来用。影视前期常见的做法，是把分镜图按预计时长剪在一起，预演镜头顺序和节奏。我这次的动图已经有连续动作，还能用来提前检查两辆车的走位、超车和切镜的时机。
从动图到参考视频，再由 Grok Bot 组织逐镜生成。本次的操作工具可以替换，前面做好的动态分镜仍然能用。
最开始，我在 Codex 里的生图会话只提了一个大致想法：
“我在想制作一个在霓虹街头飙车的长动图，大概 30 秒左右。整个内容都是在飙车、超车和竞速，要有一些刺激的镜头。”
“我不要直接生成视频，而是想把动图拼接在一起，但连起来看就像一个 30 秒的视频一样，你能理解吗？”
Codex 把它安排成 6 段，每段大约 5 秒，每段再放两个机位，总共 12 个镜头。主车是一辆银灰色、GT-R 风格的改装车，对手是红色超跑。镜头从后方追拍切到正面跟拍，中间穿插轮侧近景、引擎盖视角和航拍急弯，最后接反扑与冲刺。
这些机位并不是我逐个指定的。追赶、并排、超车、急弯、反扑和冲刺的顺序，都是 Codex 根据我的要求排出来的。有一个弯道还重做过：它自己检查后觉得第一次的弯势不够明显，就改成了俯拍急弯，让两车的行驶路线更清楚。
动图原版的 12 个镜头，按播放顺序拼在一起。这些是生成后的抽帧，用来回看机位和镜头顺序。
原版出来以后，我当时的反馈是“这个动图做得非常好”，接着就问能不能继续补帧。我想让动作再流畅一点，也想弄清楚这条动图到底有多少帧。
按当时的生成记录，原始画面有 192 张，完整 GIF 已经补到 600 帧，以 20 fps 播放，正好 30 秒。
后来我又让它增加动作画面的密度。生图模型新增了 192 张画面，原始画面总数达到 384 张，再补到 1,500 帧，以 50 fps 播放。
不过这里你需要提前知道一下补帧的原理。新增动作画面，靠的是生图模型继续生成；后面的补帧，则是在已有画面之间插入过渡帧。补帧可以让播放更顺，但车身边缘、轮毂和水花也可能出现拉扯或重影，还是要看实际画面。
补帧是逐镜头做的，机位切换处保留原切点。导出时，我先要了 50 fps 新版，后来又专门要了一份最初的 20 fps 版本。前面对照图左边的画面，就来自这份原版导出。
我说的“把动图渲染成视频”，在这里主要是编码和封装。有原始图像序列，可以按指定帧率编码成 H.264，再封装进 MP4；手里只有 GIF，也可以转码。我这次直接让 Codex 完成了导出。
导出要求可以写得具体一点。下面这段是按我当时的操作整理的，换成自己的素材时，改掉时长和帧率就能用：
请把已经做好的完整动图导出为可直接播放的 MP4。优先使用现有的原始图像序列，保留镜头顺序、切点和 30 秒时长，按原版 20 fps 输出。核对导出文件的时长、分辨率和帧率，并完整解码检查。另存新文件，附上可下载的 MP4。
文件导出后，我会先从头播一遍。切镜处有没有停顿，两辆车什么时候进画、什么时候出画，这些都得看。后面的视频生成会参考这些时间关系，光核对“30 秒、20 fps”还不够。
进入 Grok Bot 制作后，我重新上传过参考视频，也叫停过正在进行的生成，要求它换用新文件。最后一轮确认使用的是 30 秒、1280×720、30 fps 的参考片。这里有原版动图导出、50 fps 补帧版和后来上传的参考片，几个版本要分开保存。开始生成前，先让 Bot 报一下正在读取的文件和规格，省得用错。
接下来，我让 Grok Bot 沿用参考片的镜头结构和追逐节奏，把画面重新生成一遍。银灰色主车的四圆尾灯、矩形前灯、青色底盘光和拉花位置要保持一致，红车也得是同一辆车。车漆、积水和轮胎水花，我希望它处理得更接近实拍，少一点塑料感，反光也别太锐。
前面有一段时间，我也让它在已有版本上调过锐度和反光。后来我想把这些反馈统一用回参考片，重新做一版，就明确说了：
“这次不要在任何现有版本上面改，而是完全基于我给你的参考视频重新生成一遍。”
换到最新参考片时，我又要求它停下前一轮生成，弃用已经做出的片段，从新文件开始。Bot 核对了参考片规格，才继续往下做。
从我的操作看，就是上传一段视频，再告诉 Bot 怎么改。不过，制作记录里实际发生的事情更细：它先识别了 12 个镜头，从每一镜抽取开头、中间和结尾的画面作为参照，再调用视频生成工具逐镜生成，最后拼接。
这次走通的是 Bot 拆镜、提取参考帧，再逐镜生成这条路。复现的时候，要看清工具实际用了什么输入。上传完整视频给 Bot，并不等于视频模型直接接收了这整条片子；参考图、首尾帧和参考视频，也各有不同的控制方式。
给 Grok Bot 的要求，我按这次制作整理成了下面这段。除了画面风格，我会把要保留的镜头关系，以及需要它检查的内容一起写进去：
请以本次上传的参考视频为基础重新生成。先确认正在读取的文件及其时长、分辨率、帧率，再分析镜头边界。保留原片的镜头顺序、机位、运镜、两车走位和超车节奏，总时长 30 秒。
银灰色主车的车型、矩形前灯、四圆尾灯、青色底盘光和拉花位置需要保持一致。红车维持同一车型及正确行驶朝向，竞速车辆始终只有两辆。车漆和湿路面的反光按实拍质感处理，保留合理的轮胎水花和运动模糊。
请说明采用的是整段视频参考，还是拆镜后提取参考帧生成。逐镜生成时，保留实际切点和各镜头时长，完成后按顺序拼接，并完整播放检查。没修好的问题按时间码列出，留待后续返修。
12 个镜头不需要平均分配时长。Bot 按最新参考片的实际切点来做：开头两镜各 2.5 秒，后面有 2 秒和 3 秒的镜头。5–8 秒的轮侧近景、15–18 秒的航拍，都是 3 秒。把它们平均切成 12 段，原来的剪辑节奏就变了。
生成时还遇到一个容易忽略的细节。有些镜头先生成较长的片段，再裁到需要的时长。有一条 3 秒素材只取前 2 秒，裁切后的结尾就不再对应生成时约束的尾帧了。遇到这种情况，要看最终选段真正用到的末帧，不能只检查原始生成片的首尾。
12 个新镜头生成完，Bot 按原顺序拼成了 720p、30 fps 的全片。这一步直接拷贝视频流拼接，镜头间硬切，没有再调色、锐化或补帧。前面对照图右边的画面，就来自这条完整重生成检查版。
拿到全片时，我还问过它：“这是重新生成的，还是你把我的视频原封不动还给我了？”有些镜头的构图确实很接近参考。
10–13 秒的引擎盖视角。红车原本应该向右完整出画，检查版到了切镜前仍有一截车身留在右侧，后续重做了这一镜。
完整检查版里，红车有时朝向不对，有时到了画面右边缘还拖着一截车身；跟车镜头里出现过疑似第三辆车的轮廓，银车的前灯和格栅也会变形。树木的问题更隐蔽，单看截图没那么显眼，一播放，就会从粉色的模糊区域里突然冒出来。
我觉得几处拼接附近有树突然挪动，就让 Bot 把 11 个切点逐一检查。查下来，剪辑用的都是硬切。有些跳变是换机位造成的，参考片在同一位置也有切镜；另一些异常却出在镜头内部或尾部，比如树冠突然增多、树木提前淡出。问题在生成画面里，挪一下剪辑点未必能解决。
于是我同意保留正常段，只替换有明确问题的镜头。这一轮动了六镜：5–8 秒、10–13 秒、18–20 秒、23–25 秒、25–28 秒和 28–30 秒，其余六镜继续用已经生成的素材。
本轮局部返修的时间分布。色块表示是否替换，△ 标出最后完整播放时仍有问题的三镜。换过素材不等于通过验收，收尾镜头还重做过两次。
最后一镜尤其值得说。银车正面朝着镜头开过来，后面的红车却露着尾灯，两辆车的朝向明显矛盾。第一次返修，Bot 还是拿原参考的首、中、尾画面去约束，生成出来，红车依然是错的。回头看才发现，参考片本身就在这里给了错误的朝向。
第二次，Bot 从前面的镜头取了红车正面的参照，结合末段银车的构图，先生成朝向正确的参考画面，再用它们生成视频。后续完整播放检查里，红车的正面朝向才保持住。
参考画面会影响后面的生成，连错误也可能一并带过去。这个镜头继续照原样重做，方向还是容易错；先把参考改对，返修才有用。
局部替换后，红车出画不完整、收尾朝向错误和疑似多车的问题都有改善。但最后一次完整播放检查，仍有三处没过：5–8 秒，银车拉花中途出现；23–25 秒，车头和前灯结构变化；25–28 秒，右侧树木像二维图层一样平移，视差不自然。
其中，23–25 秒的灯组在几次抽帧检查里还曾被判为正常。单张图看着没问题，一播起来，结构又变了。到这一步，这条局部替换版仍然没达到我提出的连续性要求。
这次最直观的变化，是返工可以具体到某一帧。因为动图本身就是一帧一帧拼在一起的。红车出画不完整，就重做 10–13 秒；收尾朝向有问题，就处理最后一帧。已经认可的片段可以保留，修改时也能直接对照参考里的动作和切点。
另外我写这篇文章是想跟大家分享的，其实是在制作视频时一种控制内容、降低制作成本的新思路。
一些复杂场景里，单靠文字很难把每次走位、机位变化和动作衔接都说清楚。先做出一段能播放的参考，我就能在生成前看到这些关系，指出哪一处要改，再把视频生成和返修限定到具体镜头。
而现在视频生成的成本很高，大家为了提升成片率、降低抽卡成本，一开始会选择搭白模。但白模每次都要重新搭场景，耗时费力，而且在建立分镜时，还原度和镜头表达往往也会出问题。
现在 GPT Image 2.6 具备了动图能力，我们完全可以先出分镜，再让分镜动起来，最后以生成的动图作为视频参考。这样在生成视频时可以大幅提升成片率。
对比白模来说，遇到复杂场景时，AI 通过你的提示词描述去理解镜头、运镜和整个场景，效果其实远好于自己去硬搭白模。
当然这仅代表我个人的技术观点，大家可以根据实操习惯来，该用白模用白模，想尝试动图参考就用这个思路。
接下来是视频模型方面，Grok Bot 是我这次手边现成的选择。它能在一个对话里读取素材、组织生成和检查结果，用起来方便，但交出来的片子也还有上面那些问题。我更追求画面质量时，会倾向于用 Seedance 2.5。这是我的选型偏好，这次并没有拿两家做同条件对比。
换成 Seedance 2.5，前面做好的动态分镜还能继续用。它支持从参考素材中提取动作、运镜等信息，实际提交时，按所用入口支持的参考视频、图片或关键帧方式来设置。操作上可以选两条路。
习惯在网页里操作，就用即梦官网的 Agent 模式。上传导出的参考视频，在生成设置里选择 Seedance 2.5，交代要保留的机位、动作和镜头节奏。参考里已知有错的地方也要说清楚。比如末段红车朝向不对，就附上正确的正面参考，明确要求改这一处。
平时就在 Codex 或 Claude Code 里做事，也可以让它调用即梦 CLI。从即梦官网找到当前的 CLI 安装说明，按官方流程完成安装和账号登录，再让 Agent 读取使用文档，确认账号能调用 Seedance 2.5，也支持这次需要的参考输入。
如果用 CLI 的话，我会把参考视频、车辆外观参照和镜头说明放进同一个项目目录。让 Agent 提交任务后保存任务 ID，等生成结束再下载结果，按镜头编号存好。之后抽帧检查、局部返修、重新剪辑，就能接着这套素材往下做。
下面这段是我会交给 Codex 或 Claude Code 的任务说明，可以作为换工具时的起点：
请阅读即梦官网当前的 CLI 使用指南，协助完成安装和账号登录。检查当前帮助、模型列表和账号权限，确认可以调用 Seedance 2.5，并支持所需的参考视频输入，按官方文档设置参数。
以项目目录中的 reference.mp4 作为动态分镜参考，保留镜头顺序、机位、运镜、车辆走位和剪辑节奏。按外观参考保持两辆车一致，对镜头说明里标出的朝向和结构错误先调整参考，再生成。提交后保存任务 ID，持续查询到任务结束，下载结果，按对应镜头编号保存。
网页端适合直接上传素材、预览结果；CLI 则方便把生成接进抽帧、剪辑和返修的流程。
差不多就分享到这里，下次如果你在做视频时碰到这种复杂的场景，可以试一下先生成动图、再生成视频的方式。这会对你降低抽卡成本、提升成片率有非常大的帮助，你可以试试看。
🌟 以上，如果你觉得内容还不错的话，辛苦随手点赞、推荐以及转发吧。也欢迎订阅废才俱乐部 www.feicaiclub.cn，这对我们是特别大的肯定和支持！
原文作者：@zhu185178
原文链接：https://x.com/zhu185178/status/2119018318912749952
0 条评论，22 次阅读