Nano Banana与Lovart一句话AI视频制作入门

年底了，AI圈又开始神仙打架了。 先有谷歌Nano Banana Pro，画图能力惊人；紧接着，国产阵营也放出大招，比如可灵刚发布的O1，号称“一句话就能改视频”。其他大厂同样摩拳擦掌，一大波新品已在路上。 神仙打架，凡人享福。 但问题也来了：工具这么多，个个都能打，到底该怎么选？ 不用纠结。有一个AI“全家桶”平台，把这些顶流工具全整合在了一起： **lovart.ai** 做图的有Nano Banana Pro、Midjourney、Flux；做视频的有Veo3.1、Sora2、可灵O1、即梦、海螺。全球排得上号的AI模型，Lovart几乎都有。想吃白糖蘸白糖，想吃红糖蘸红糖，完全不用做选择题。 打开lovart.ai，注册登录即可使用，有免费积分。界面非常干净，就是一个无限画布，左侧导航栏一个“+”号，可以在这里选择各种图像生成器。先点左边“+”新建一个项目，就能开始创作了。 下面分享几个Lovart让我印象深刻的体验。 ### 视频元素可控编辑的突破 以前，大家都知道AI可以改图、生成视频，但谁能想到视频也能直接修改？用AI生成的、影视剧里扒下来的、自己拍的，都可以。只需要一句话，就能完成修改。 前几年有部美剧，设定里顶级黑客才能掌握这种技术。这才过了几年，普通人都能用了？ 我抱着试一试的心态，上传了一个人物视频，再传了一张人物照片。在提示框里输入：“把视频中的女人的衣服更换为（图片）中女人衣服，其他不变。”几分钟后，修改完成。不是那种简单的替换，而是连光影、质感都一起对齐的那种。当时确实有点惊讶，技术已经进化到这个程度了。 ### 从分镜到成片的高效工作流 经过反复测试，我发现一个更高效的玩法：在Lovart里先用Nano Banana Pro做图，再用Veo、Sora、可灵生成视频，能发挥最大威力。 先点左侧导航条“+”号，选“图像生成器”，选择Nano Banana Pro，输入提示词，分辨率最高可以设置到4K。比如输入一段详细的提示词，描述一个在户外草地边、阴天自然光下的东亚女性，追求胶片感和眼神戏。 图片生成后，可以直接让它生成一个“九宫格分镜”。甚至不需要想复杂的提示词，选中人物图，再上传一张参考图到Lovart，输入“参考图1九宫格人物姿势，生成图2人物的九宫格照片，与图2人物外貌衣着保持一致”，分镜图就秒出了。也可以不用参考图，直接用原始人物图加长提示词。 有了分镜图，就可以拿着去制作小短片了。在Lovart同一页面里调用Veo3、Sora2、可灵O1轮番尝试，提示词可以很简单，比如“围绕图1的分镜图片，生成一段视频，要求包含每一个镜头”。 最方便的地方就在这里——不需要纠结用哪个工具最好，只管试，哪个效果对味就用哪个。如果未来有新模型出现，Lovart也会很快集成进来。以前是用户迁就工具，现在是工具围着用户转。 ### 精准可控的局部编辑 Lovart还有一些独特的功能，比如“编辑元素”。它可以精确识别原图中的人物、背景、产品、文字等所有元素，把它们分成独立图层。所有元素都可以选中、拖动、替换，甚至文字都可以直接修改内容和字体样式。 另一个功能是“Touch Edit”，点哪改哪。使用很简单，按住Ctrl键（Mac为Cmd键），点选任意图片，选中的元素会自动跳到对话窗口，然后发出指令就行。比如想让海报里的蛋挞“被咬一口”，直接在图上点一下那个蛋挞，输入“这里被咬一口”，就能实现精准的局部修改、替换或可控延展。 这个功能还能实现“融合生图”。上传多张素材图，分别点选想要的部分，最后让它们融合生成一张新图片。它做到了像素级选择，选中人物会判断是选整个人还是脸，选中笔记本会判断是选品牌标识还是整个电脑。这种交互方式，把“生图”变成了“拼想法”。 从实际体验来看，Lovart解决了“参考图怎么用”这个核心问题。AI就像一个听话的设计师，用户可以在旁边直接指点，实现像素级的精准控制。 ### 内置智能体加持 使用原生AI做图时，往往需要用各种提示词去和模型“斗智斗勇”。Lovart内置了智能体，它懂设计，有上下文记忆。每次接到指令，它会先规划，再分步做图。如果生成过程中报错，它还会自动调整提示词和策略，重新生成。并且支持连续多轮修改，怎么改都不乱。 ### 总结 整体来看，Lovart通过底层的智能体和Touch Edit等功能，把强大的模型组合成了高效的工作流，做到了“即见即所得”，用鼠标点一点就能完成操作。以前靠提示词的修改精度可能在80%，现在通过智能体和精准编辑功能，精度能提高到90%以上。这10%的效率提升，对于专业用户来说，确实是关键性的改善。 有了Lovart的加持，无论是Nano Banana Pro还是各种视频AI，用起来都更加得心应手。 附：九宫格提示词 **提示词①** ```markdown 你是一位电影分镜师。将一张参考图扩展为有故事性的电影镜头序列。 用户提供一张参考图。 1. 分析图中所有主体（人物/物体/环境）及其关系 2. 保持严格一致性：同一角色、服装、环境、光线贯穿所有画面 3. 不要猜测真实身份或地点，基于可见内容创作 4. 不要引入图中不存在的新元素 5. 景深随镜头变化：远景深、特写浅 生成一个 3x3 故事板网格图（如需更多镜头可用 4x3） 叙事顺序（左到右，上到下）： - 第1格：远景建立环境 - 第2格：全景展示主体全貌 - 第3格：中景切入 - 第4格：中近景聚焦 - 第5格：近景/特写 - 第6格：超近景细节 - 第7格：动态角度（仰拍或俯拍） - 第8格：情绪/反应镜头 - 第9格：收尾镜头 要求： - **画面中不要出现任何文字、标签、编号、标注** - 网格仅用细黑线分隔 - 每格是一个纯净的电影画面 - 整体有清晰的情绪递进（铺垫→发展→精彩处→收尾） - 统一的电影调色风格

仅输出一张干净的故事板网格图，无任何文字。

``` **提示词②** ``` 3×3 电影分镜 Contact Sheet 生图提示词（中文工程版） 任务目标 基于输入图片进行构图分析，锁定同一主体与同一环境，生成一个 3×3 的电影级分镜 Contact Sheet 网格，共 9 个画面，完整覆盖不同焦段与机位角度的电影镜头表达。 全局强制约束（Global Constraints） 必须是同一人物 必须是同一服装 必须是同一光照 必须是同一环境 真实摄影质感（photorealistic） 统一电影级调色（cinematic color grading） 每个画面底部必须叠加现代感、电影风格的中文字标签 字体要求：极简、专业、现代电影感字体 禁止卡通风 禁止游戏风 UI 禁止廉价字体 第一排：环境建立（Establishing） 超远景 ELS｜标签：超远景 主体在极其宽广的环境中 人物比例极小，突出空间规模与整体氛围 远景 LS｜标签：全身 人物从头到脚完整入镜 标准站姿或自然动态 中远景 MLS｜标签：膝部构图 人物从膝盖以上入镜 兼顾环境叙事与人物表现 第二排：主体核心（Core Coverage） 中景 MS｜标签：腰部以上 从腰部以上构图 强调人物姿态与互动关系 中近景 MCU｜标签：胸部以上 从胸部以上构图 聚焦人物情绪、状态与表情 近景 CU｜标签：面部特写 纯面部特写 突出眼神、情绪张力与心理状态 第三排：细节与角度（Details & Angles） 超近景 ECU｜标签：细节特写 微距聚焦身体部位或饰品 允许：眼睛、耳朵、耳环、手指、项链 禁止：纯布料纹理、无意义物体表面 极端低角度 Low Angle｜标签：低角度仰拍 从地面向上仰拍 形成强烈透视感 人物呈现高耸、压迫、英雄化视觉效果 动势感极强 高角度 High Angle｜标签：高角度俯拍 从上方向下俯视主体 突出空间关系 营造弱势视角或环境压迫感 最终输出画面要求 3×3 整齐分镜网格 每一格必须满足： 正确镜头语言 对应的中文镜头标签 真实光影 电影级统一调色 人物与环境严格一致 现代专业中文字体排版