适用人群：短视频创作者 · 品牌营销 · 独立游戏开发者 · AI 内容创作者

目录

1. 为什么 GPT Image 2 + Seedance 2.0 是当前最强 AI 视频工作流？

2. 两个模型各自擅长什么？

3. 开始之前你需要准备什么？

4. 核心方法论：先锁画面，再加运动

5. 完整 6 步工作流

6. 实战案例一：时尚穿搭扫描视频

7. 实战案例二：中世纪集市电影短片

8. 实战案例三：3×3 故事板网格动画

9. 可复制的 Prompt 模板

10. Seedance 2.0 @ 引用系统详解

11. 进阶技巧

12. 常见错误与避坑指南

13. 适用场景一览

14. FAQ 常见问题

1. 为什么 GPT Image 2 + Seedance 2.0 是当前最强 AI 视频工作流？

2026 年 AI 视频创作的核心问题已经不是"选哪个模型"，而是如何组合多个模型形成工作流​。GPT Image 2（OpenAI，2026 年 4 月 21 日发布）和 Seedance 2.0（字节跳动/豆包）是目前最实用的一对组合。

原因很简单：

• GPT Image 2 负责视觉设计——故事板、关键帧、角色设定、标题卡
• Seedance 2.0 负责运动执行——图生视频、镜头运动、节奏控制

这种分工比强迫一个模型在单次 prompt 中完成所有事情要稳定得多。核心逻辑是：让 GPT Image 2 画好"是什么样"，让 Seedance 2.0 决定"怎么动"。

2. 两个模型各自擅长什么？

理解这两个模型的最佳方式是按生产阶段划分，而不是按"谁更强"来比较：

维度	GPT Image 2	Seedance 2.0
核心角色	前期视觉设计	运动与短视频生成
最佳输入	文本 + 可选图片参考	文本、图片、音频、视频
擅长产出	故事板网格、关键帧、角色设定、产品场景、标题卡	图生视频、镜头运动、角色动作、短片输出
核心优势	99%+ 文字渲染准确率、强构图控制、多风格支持	多模态参考控制、角色一致性、电影级运镜
不擅长	生成动态视频	从零设计视觉风格

一句话总结：GPT Image 2 解决"看起来对不对"，Seedance 2.0 解决"动起来对不对"。

3. 开始之前你需要准备什么？

• Viddo AI账号 — 集成了包括GPT Image 2和Seedance 2.0在内的众多AI模型
• 一个清晰的创意方向 — 不需要完整脚本，但需要知道"拍什么"——产品广告、短剧、角色动画等。

4. 核心方法论：先锁画面，再加运动

大多数人的错误是把图生视频当作老虎机——扔进去一张图，期待奇迹。更好的生产循环是把第一帧当作一份合同：它定义了视频应该保留什么，而运动 prompt 定义了什么应该变化。

黄金法则：让 GPT Image 2 拥有画面，让 Seedance 2.0 拥有运动。

这意味着：

• 先花时间把故事板做到满意，再进入视频生成
• 不要在 Seedance 里重复描述视觉细节（故事板已经包含了）
• Seedance 的 prompt 只需要关注：怎么动、镜头怎么走、节奏多快

​

5. 完整 6 步工作流

第 1 步：写运动简报（Motion Brief）

在写任何 prompt 之前，先用一段话明确以下要素：

要素	说明	示例
主题	画面主体是什么	一位穿黑色西装的女性
受众	给谁看	时尚品牌社交媒体粉丝
格式	视频用途	15 秒 Instagram Reel
首帧目标	视频从什么画面开始	模特正面全身，伦敦街头
运动	画面中什么在动	模特缓慢转身，镜头环绕
镜头语言	用什么镜头	缓慢推轨 + 环绕
不可妥协的细节	必须保留的元素	品牌 Logo、服装细节、妆容

这个步骤的目的是把视觉设计和运动方向分开，避免 GPT Image 2 去解决运动问题，也避免 Seedance 2.0 重新发明设计。

​

第 2 步：用 GPT Image 2 生成故事板

根据运动简报，用 GPT Image 2 生成所需的视觉资产。以下提供四种常用方式：

方式 A：单帧关键帧（适合简单场景）

一位穿黑色 Armani 西装的亚洲女性，站在伦敦 Bond Street 街头，
黄昏金色光线，电影质感，35mm 胶片风格，
她正面看向镜头，右手轻搭在腰间，
背景是模糊的奢侈品橱窗和红色双层巴士。
输出为高清单张图片。

​

方式 B：3×3 故事板网格（适合多镜头序列）

创建一个 3×3 故事板网格，用于一段 15 秒的时尚穿搭视频：
- 3 列 × 3 行，从左到右、从上到下阅读
- 每格一个清晰镜头，一个动作描述
- 场景：伦敦 Bond Street，黄昏，金色光线
- 镜头序列：
  1. 远景建立镜头 - 模特从远处走来
  2. 中景 - 模特停下，整理袖口
  3. 特写 - 手腕上的手表和袖扣
  4. 全身 - 模特转身展示背面剪裁
  5. 中景 - 模特回眸微笑
  6. 特写 - 面部妆容和耳环
  7. 远景 - 模特走入夕阳中
- 保持角色设计、服装、发型、光线在所有格子中一致
- 无文字标签，无格子边框
输出为单张图片。

​

方式 C：12 帧快速剪辑蒙太奇（适合预告片、MV）

为一段 30 秒的电影预告片创建 12 格故事板网格：
- 4 列 × 3 行，从左到右、从上到下阅读
- 每格：一个明确镜头 + 一个动作描述
- 场景：沙漠绿洲，时间：黄昏，氛围：史诗感
- 保持一致的角色设计和场景逻辑
- 无文字标签，无格子边框
输出为单张图片。

​

方式 D：角色设定表（适合动画、游戏）

为一位赛博朋克风格的女性战士创建角色设定表：
- 包含正面、侧面、背面三个视角
- 标注服装细节：机械臂、发光纹路、战术背心
- 标注武器：折叠式能量步枪
- 风格：赛博朋克 2077 概念美术风格
- 保持所有视角的服装、发型、体型完全一致
输出为单张图片。

​

第 3 步：检查一致性，锁定视觉

在送去 Seedance 2.0 之前，必须检查故事板的一致性。如果静态图片都不稳定，视频生成会放大漂移。

检查清单：

☐ 轮廓/剪影 — 角色体型在各帧中是否一致？

☐ 面部/产品形状 — 五官比例、产品外形是否稳定？

☐ 服装/材质 — 衣服款式、面料质感是否统一？

☐ 色调/光线 — 色温和光源方向是否一致？

☐ 背景几何 — 建筑、场景元素是否连贯？

☐ 文字/Logo — 品牌标识位置和样式是否正确？

⚠️ 如果静态都不稳定，不要送去生成视频。先修 GPT Image 2 的 prompt，重新生成故事板。

​

第 4 步：用 Seedance 2.0 生成视频

故事板锁定后，上传到 Seedance 2.0，写一个只关注运动的 prompt。

• 核心原则：

• 不要重复描述视觉细节 — 故事板已经包含了
• 只描述变化 — 镜头怎么动、角色做什么、节奏多快
• 明确"保留什么" — 告诉模型哪些元素不能变

Prompt 结构模板

使用上传的图片作为视觉锚点。

保留：[角色身份、产品形状、服装、Logo 位置、光线方向]

动作：[画面中什么在变化]

镜头：[慢推 / 环绕 / 平移 / 手持 / 固定三脚架]

节奏：[安静奢华 / 快速剪辑预告片 / 创作者广告风格]

光线变化：[高光扫过 / 柔光 flare / 黄昏色温偏移]

结尾：[主体应该停在哪里]

避免：新物体出现、身份漂移、产品细节模糊、突兀动作

实际示例

使用上传的故事板作为视觉参考。
按照故事板的镜头顺序，从左到右、从上到下依次执行。

保留：角色面部特征、黑色西装、伦敦街头场景、黄昏光线
动作：模特从远景走来 → 停下整理袖口 → 转身展示背面 → 回眸微笑 → 走入夕阳
镜头：缓慢推轨，从远景逐渐推至中景，最后拉远
节奏：优雅从容，每个镜头 2 秒，总计 15 秒
光线：金色黄昏光线，柔和的镜头 flare
避免：面部变形、服装变化、背景元素消失

​

第 5 步：迭代运动，而非构图

如果视频效果不理想，失败几乎总是运动相关——角色动错了、镜头漂移了、过渡不自然。

不要回去重新生成故事板。 故事板是对的。重写运动 prompt，重新跑视频生成。

构图迭代成本高，运动迭代成本低。 这个工作流之所以高效，正是因为你只需要生成一次故事板，但可以无限次调整运动。

​

第 6 步：剪辑成片

将 Seedance 2.0 生成的多个片段导入剪辑工具，完成：

• 片段拼接与转场
• 添加背景音乐和音效
• 添加字幕、标题、品牌 Logo
• 调色与最终输出
• 根据平台调整画幅（9:16 / 16:9 / 1:1）

6. 实战案例一：时尚穿搭扫描视频

场景：伦敦购物街的奢华穿搭扫描

Step 1：用 GPT Image 2 生成时尚故事板

Prompt 描述了角色身份、服装细节、视觉风格、音频提示和 7 个镜头序列。GPT Image 2 凭借强大的 prompt 理解力，生成了一张完整的时尚故事板。

Step 2：用 Seedance 2.0 生成穿搭扫描视频

将故事板上传至 Seedance 2.0，写入运动 prompt（镜头顺序、节奏、运镜方式），直接生成了一段完整的穿搭扫描视频——这种效果通常需要造型师、模特、场地、摄影师和后期团队才能完成。

结果：从一张故事板到一段完整的时尚短视频，整个流程不到 30 分钟。

​

7. 实战案例二：中世纪集市电影短片

场景：黄昏的中世纪集市，镜头穿过人群，最终滑入酒馆，落在角落一位沉默的铠甲骑士身上。

对比实验

创作者 @aimikoda 做了一个对比：

维度	第一次尝试（单图直接生成）	第二次尝试（故事板）
方法	单张图片 + 直接 Seedance 2.0	GPT Image 2 生成带时间线的故事板 → Seedance 2.0
尝试次数	5+ 次	1 次成功
镜头过渡	随机跳切	每个过渡都有自然的场景驱动动机
叙事完整性	场景元素丢失	全部 12 个镜头完整还原
镜头连续性	镜头随机移动	每次运镜都有明确动机

核心技术："动机驱动的连续运镜"

这个技术来自导演斯皮尔伯格的镜头哲学——每次镜头运动都必须有"动机"（Motivated Camera Move）。镜头不是随机移动的，而是自然地跟随场景动作转移注意力：

• 马车穿过画面 → 镜头跟随马车
• 旗帜摆动 → 揭示散开的鸡群
• 男孩跑过酒馆门口 → 镜头自然滑入酒馆

在故事板中标注每个镜头方向和动机，Seedance 2.0 就能精确执行你想要的镜头语言。

​

8. 实战案例三：3×3 故事板网格动画

场景：一段 15 秒的卡通追逐动画（猫和老鼠风格）

工作流

1. 用 GPT Image 2 生成一张 3×3 动画故事板网格，包含 9 个画格，每格标注：

• 镜头方向（远景/特写/俯拍）
• 运动提示（猫扑向花瓶、老鼠急转弯）
• 时间标注（0-2s / 2-5s / 5-8s ...）
• 破坏升级线索（花瓶碎 → 桌子翻 → 墙壁裂）

2. 将整张网格上传至 Seedance 2.0

3. Seedance 2.0 读取画格顺序、镜头标注和运动提示，生成一段连续流畅的 15 秒追逐动画

结果：一张图锁定了角色、场景和叙事结构，视频生成只负责"让它动起来"。

​

9. 可复制的 Prompt 模板

以下模板可直接复制使用，将方括号 [ ] 中的内容替换为你的具体信息即可。

模板 1：GPT Image 2 帧包（Frame Pack）Prompt

为一个 [资产类型] 创建 [格式] 帧包。
目标：这将成为 Seedance 2 图生视频的参考。
主体：[产品 / 角色 / 场景]
受众：[买家 / 观众 / 平台]
视觉方向：[风格、色调、材质、光线]

需要的帧：
1. 主角首帧（Hero First Frame）
2. 细节特写
3. 环境/场景帧
4. 最终落点帧

一致性规则：保持 [Logo / 面部 / 服装 / 剪影 / 道具] 一致。
输出：干净的画面，无意外文字，无多余物体。

模板 2：Seedance 2.0 运动 Prompt

使用上传的图片作为视觉锚点。
保留：[主体身份、产品形状、服装、Logo 位置、光线方向]
动作：[画面中什么在变化]
镜头：[慢推 / 环绕 / 平移 / 手持 / 固定]
节奏：[安静奢华 / 快速剪辑 / 创作者广告能量]
光线变化：[高光扫过 / 柔光 flare / 黄昏色温偏移]
结尾：[主体应该停在哪里]
避免：新物体出现、身份漂移、产品细节模糊、突兀动作

模板 3：故事板网格 Prompt

为一段 [N] 秒的 [类型] 视频创建 12 格故事板网格。
布局：4 列 × 3 行，从左到右、从上到下阅读。
每格：一个清晰镜头，一个动作，主体身份一致。
风格：[电影 / 产品广告 / 动画 / UI 演示]
图片内无文字标签（除非标签是 UI 的一部分）。
保持一致的光线、色调、服装和场景几何。
输出为单张图片，用于图生视频参考。

模板 4：通用故事板排序 Prompt（直接用于 Seedance 2.0）

使用此故事板生成视频。
按照场景顺序执行，保持过渡平滑，
保留电影级光线和节奏。
[添加任何额外的视觉细节]

​

10. Seedance 2.0 @ 引用系统详解

Seedance 2.0 不是简单的"上传图片生成视频"工具。它是一个结构化多模态系统，支持通过 @ 语法显式绑定参考素材的属性。

基本用法

@Image1 作为首帧
@Video1 参考镜头运动
@Audio1 参考背景音乐节奏

​

11. 进阶技巧

1. 故事板 > 单帧关键帧

案例二证明，带有时间线和镜头动机的故事板远比单张关键帧有效。至少创建 3 格故事板，更好的是 9 格或 12 格。

2. 指定"动机"而非"动作"

❌ 不要说："平移镜头" ✅ 要说："马车穿过画面，镜头跟随马车" 场景驱动的镜头运动看起来远比随机运动自然。

3. 先静态后运动

把故事板做到完美，再加动画。视觉质量决定了视频质量的上限。

4. 多次迭代

AI 的优势是快速迭代。不要期望第一次就完美——生成、检查、修改 prompt、再生成。

5. 短片优先

不要一上来就生成 20 秒的序列。先从 3-5 秒的短片开始测试，验证角色稳定性、光线保留、运动准确性，再扩展到完整场景。

6. 运动简报先于一切

在写任何 prompt 之前，先把运动简报写清楚。这能防止 GPT Image 2 去解决运动问题，也能防止 Seedance 2.0 重新发明设计。

12. 常见错误与避坑指南

​

13. 适用场景一览

​

14. FAQ 常见问题

Q：GPT Image 2 + Seedance 2.0 工作流是什么？

A：一种两阶段图生视频流水线：先用 GPT Image 2 创建受控的英雄帧、故事板网格、产品场景或角色设定表，再将这些静态图上传至 Seedance 2.0，只写运动、镜头、节奏和连续性相关的 prompt。当身份、产品细节、品牌风格或镜头顺序需要在动画中保留时，这比纯文生视频更强。

Q：应该从单张图开始还是从故事板网格开始？

A：单张图适合简单的产品展示、肖像运动、镜头推近。故事板网格适合需要镜头顺序、叙事推进、动作编排或快速剪辑的场景。

Q：Seedance 2.0 的 prompt 应该包含什么？

A：动作、镜头运动、时长/节奏、光线行为、风格、保留规则。不要浪费 prompt 重复描述上传图片中已有的视觉细节。

Q：如何减少图生视频中的视觉漂移？

A：改善源帧质量、简化运动、保持背景干净、明确指定哪些元素不能变。只在真正需要序列时才使用故事板面板。

Q：这个工作流适合产品广告吗？

A：非常适合。产品广告是最典型的用例之一，因为已审核的产品照片可以在 Seedance 2.0 加运动之前锚定形状、材质、Logo 位置和颜色。

Q：可以用于角色动画吗？

A：可以，但建议从温和的动作开始。角色设定表、姿势网格和简单镜头运动通常比激进动作更能保持身份一致性。

Q：GPT Image 2 和 DALL-E 3 有什么区别？

A：GPT Image 2 是 OpenAI 于 2026 年 4 月发布的最新图像模型，取代了 DALL-E 3（2026 年 5 月 12 日下线）。主要提升包括：99%+ 文字渲染准确率、Thinking Mode（联网验证）、2K 分辨率、更强的 prompt 理解力和多语言支持。

Q：Seedance 2.0 和 Kling 3.0、Veo 3 相比如何？

A：vs Kling 3.0：Kling 首次尝试的电影感输出通常更平滑，但 Seedance 在多场景身份锚定上更强，适合系列化内容。vs Veo 3 / Sora：这些模型侧重电影写实和叙事规模，Seedance 侧重模块化组合控制。vs Runway：Runway 在后期编辑和场景操控上更强，Seedance 在前期多模态调节上更强。

总结

GPT Image 2 + Seedance 2.0 故事板工作流的核心逻辑非常简单：

1. 先想清楚 — 写运动简报，明确拍什么、怎么动

2. 先画清楚 — 用 GPT Image 2 把故事板做到完美

3. 再动起来 — 用 Seedance 2.0 只处理运动

4. 快速迭代 — 构图只做一次，运动可以反复调

这不是"哪个模型更强"的问题，而是如何让每个模型做它最擅长的事。当你把视觉设计和运动执行分开，AI 视频的稳定性和可控性会产生质的飞跃。

这正是 AI 创作的真正价值：不是帮你更快地产出内容，而是帮你在投入大量时间和预算之前，探索更多创意可能性。