GPT Image 2 動畫主視覺生成器
一個用來製作空間完整的動畫主視覺的實用生成器——以《聲之形》建構並測試，收錄四件已公開作品，以及與 Krea 2 的誠實比較。
GPT Image 2 動畫主視覺生成器
這是一個為單一工作而設的實用生成器頁面：把動畫世界轉化為能夠撐起場景的主視覺——橋上的兩個人、所有人離開後的教室、一本承載著角色不願說出口之事的筆記本。GPT Image 2 是注重細節的選擇：比快速的圖像模型更慢、成本更高，卻格外擅長建構空間層次清晰的場所。
以下所有作品都在《聲之形》中製作，這是一個擁有 27 項素材的可遊玩世界。其中公開了四張主視覺：兩組提示詞，分別在 GPT Image 2 和 Krea 2 上原封不動地執行。提示詞架構、設定與修正語句都是實際使用過的，而非事後整理美化的版本。
GPT Image 2 在這裡做得更好的地方
動畫主視覺通常有兩種失敗方式：畫面很美，空間結構卻不合常理；或者空間正確，畫面卻毫無生氣。GPT Image 2 落入前一種問題的頻率比預期低。它將場景分成幾個層次——前景物件、人物、中景、背景——並讓它們保持一致。在橋上，這意味著欄杆留在前方，河流從橋下向遠處延伸，城鎮則以可信的距離坐落在後方。在空教室裡，這意味著筆記本放在桌上，而不是浮在桌面上方，成排桌椅也確實向遠處延伸。
- 空間深度以前景、主體和背景建構出不同層次。你可以指出河流在哪裡、欄杆位於何處、城鎮往哪個方向延伸。這讓影像能作為背景底圖重複使用。
- 得以保留的小道具助聽器、螺旋裝訂、鐘面、紙頁上的花瓣。GPT Image 2 傾向讓這些細節清晰可辨，而不是把它們融成紋理；當道具承載故事時，這一點很重要。
- 受控的光線能處理低對比的午後晚光，又不會讓整個畫面變得扁平。陰影保持柔和，窗戶保持明亮，人物在兩者襯托下依然清晰可辨。
經得起反覆使用的提示詞架構
有效的提示詞不是詩。它們是一份鏡頭清單，末尾附上一句氛圍描述。按照固定順序建立，就能一次檢查一個層次：格式、地點、人物、阻隔物、光線、風格、排除項目。如果生成的影像出了問題，你就知道該修改哪一條語句。
格式
「動畫主視覺，電影感 16:9。」先設定畫面比例與用途。如果需要背景底圖，就不要要求海報。
地點
用一句話說明地點與時間：「日本城鎮中一座橫跨淺河的狹窄人行橋，午後晚些時候。」
人物
給每個角色一項輪廓特徵和一項情緒特徵：年齡、髮型、制服、姿態、視線方向。不要寫人物傳記。
阻隔物
在兩人之間或手中放一件物品：欄杆、筆記本、相機或包包。物件讓雙手有事可做，也讓場景有具體的牽繫。
光線
選一種主光和一種補光。「溫暖的低角度陽光與細長柔和的陰影」就夠了。除非場景要表現混亂，否則避免使用三個光源。
鎖定風格
每次都重複同一句風格描述：線條品質、色彩透明感、對比程度、陰影表現。這能讓系列作品保持一致。
排除項目
以不想出現的元素作結：不要文字、字母、招牌、浮水印或標誌。動畫模型很喜歡憑空創造學校招牌和標題畫面。
橋上場景提示詞解析
橋上的影像是一個包含周遭建築環境的雙人構圖。提示詞寫出將也與硝子的名字，分別給予兩人輪廓特徵：凌亂的黑髮和深色制服；淡粉色低髮髻和奶油色開襟衫。接著再給他們一個共同的物件：筆記本。它把助聽器放在硝子的耳後，因為這個故事關於溝通，而道具應該可見，卻不至於成為標籤。提示詞還要求欄杆反射光線，讓橋在畫面中形成一條水平線。
提示詞沒有說「悲傷」或「浪漫」，而是說「溫暖的低角度陽光與細長柔和的陰影」，讓場面調度承擔情緒。這就是主視覺與形容詞插畫之間的差別。
最終畫面刻意沒有呈現告白。兩人面向彼此，卻沒有接觸；硝子的雙手半舉，可能是剛開始打一個手語，也可能是剛打完。筆記本闔在將也手中。每個元素都是一個問題，留待下一幕回答。
為什麼空教室是更難的測試
拿掉人物的臉，模型就無處藏拙。第二組提示詞是一幅靜物畫面：攤開的筆記本、一對助聽器、櫻花瓣、空桌椅、時鐘和綠色黑板。它必須在沒有任何角色的情況下傳達空無。GPT Image 2 將房間處理成一組向遠處延伸的層次，讓前景的桌子承擔焦點。筆記本的橫線紙頁、助聽器的弧度，以及光線中的塵埃，都被呈現為有重量的事物。
Krea 2 使用相同提示詞產生的影像更鮮明、更平面：窗戶變成海報般的形狀，夕陽飽和度更高，筆記本和助聽器即使縮小也能一眼辨認。它更適合作為縮圖。GPT Image 2 則更像一段記憶。知道自己需要哪一種，這個選擇就完成了一大半。
相同提示詞下的 GPT Image 2 與 Krea 2
- 何時選擇 GPT Image 2當場景需要深度、可重複使用的空間結構、多個小道具，或依賴人物站位呈現的安靜情緒轉折時。請預留較長的生成時間和較高的單張成本。
- 何時選擇 Krea 2當你需要速度、產量、鮮明輪廓，或以縮圖效果為優先的外觀時。它的單張成本約為四分之一，速度也快得多，但只接受文字輸入，而且眾所周知，它不擅長生成清晰可讀的文字。
誠實的比較不是問「哪個模型比較好」，而是問「這個場景承受得住哪種失敗？」GPT Image 2 可能渲染過度，變得瑣碎；Krea 2 則可能在你需要一個房間時，把場景壓平成海報。用系列的第一組提示詞同時測試兩者，選擇那個缺點可以修補的模型，然後停止比較，開始製作整組作品。
重要設定
- 尺寸 16:9 主視覺使用 2048×1152。如果影像將置於標題後方，請讓上方三分之一保持簡潔，並在提示詞中註明。
- 品質 帶有小道具的主打影像值得使用高品質。探索階段先生成成本較低的版本，只把選定的構圖重新以高品質生成。
- 畫面比例 Krea 2 在相同需求描述下回傳了方形影像。如果一定需要 16:9 底圖，請在圍繞它製作系列其他影像之前檢查輸出結果。
- 參考圖 GPT Image 2 接受參考圖；Krea 2 只接受文字輸入。當角色臉孔或地點布局必須在不同場景中保持一致時，請使用參考圖。
- 反覆調整 每次只修改一條語句。如果生成結果不佳後就重寫整份提示詞，你將無從得知是哪個詞造成了問題。
五種失敗情況及修正方法
- 場景變成海報 加入一個前景物件和第二個層次。「欄杆緊貼前景，後方是河流，再後方是城鎮」能迫使畫面產生深度。
- 臉孔偏離原有設定 減少畫面中的角色數量，並為每人描述一項輪廓特徵。兩個髮型清楚的人物，勝過五個附有詳細傳記的人物。
- 雙手消失或融合 給雙手一件事做：拿著筆記本、搭在欄杆上，或半舉著打手語。空著的手是動畫模型容易胡亂發揮的地方。
- 模型憑空創造招牌 在排除語句中加入「不要文字、字母、招牌、浮水印或標誌」。然後檢查黑板和牆上的海報。
- 光線很美，故事卻消失了 移除一個光源，並說明情緒上的阻礙。如果影像仍然只是在表現夕陽，那麼提示詞寫的就是夕陽。
負面提示詞與排除項目
排除項目應用來處理會破壞整個系列的東西，而不是所有你不喜歡的事物。文字、浮水印、標誌和介面是四個穩妥的排除項目。只有當雙手可見且位於畫面核心時，才加入「不要多餘的手指」；否則只會浪費提示詞空間。當城鎮應該讓人感覺是某個具體的日本城鎮，而不是泛泛的動畫城市時，加入「不要現代招牌」。排除清單保持簡短且穩定，才能比較各次生成結果。
從一張影像到一個世界
先寫場景卡
決定誰在場景中、他們想要什麼，以及他們不願說出什麼。提示詞是這張卡片的轉譯，而不是替代品。
生成空間結構
生成沒有角色或只有遠處人物的地點畫面。檢查空間層次、光線和可重複使用的背景底圖。
加入人物
將角色放入已確認的空間。風格語句必須完全相同，否則整個系列會逐漸偏離。
成對發布
一起分享 GPT Image 2 和 Krea 2 的版本。比較對讀者有幫助，也讓你誠實面對每個模型的表現。
這個生成器不是什麼
它不是角色一致性機器。GPT Image 2 能在少數幾張影像中維持外觀，使用參考圖時尤其如此，但它無法保證在二十個場景的視覺小說中保持同一張臉。它也不是文字排版工具；如果影像需要標題，請在版面設計時加入，而不是寫進提示詞。它更不能取代場面調度。滿是氛圍詞卻沒有角色走位的提示詞，只會生成一張美麗卻空無一物的明信片。
成本、速度，以及何時使用較便宜的模型
GPT Image 2 的影像生成成本偏高，速度也相對較慢。用來製作主打影像或會重複使用的背景底圖無妨，但用來製作包含十個點子的聯絡表就太浪費。實際的工作流程是先用 Krea 2 探索、選定構圖，再用相同架構與更嚴格的風格鎖定，在 GPT Image 2 中重建選中的畫面。這樣就能兼得一個模型的速度與另一個模型的深度。
關於這個生成器的問題
- 我需要參考圖嗎？ 第一張影像不需要。如果角色臉孔或地點布局必須在整個系列中完全一致，就需要。GPT Image 2 接受參考圖；Krea 2 不接受。
- 為什麼我的動畫影像看起來像照片？ 你的風格語句不夠明確。明確寫出線條品質、透明的色彩感和低對比的陰影表現，並在每次生成時重複同一句話。
- 可以在影像中生成文字嗎？ 盡量避免。兩個模型生成清晰可讀文字的能力都不可靠，而 Krea 2 在這方面尤其薄弱。請改在頁面排版時加入標題。
- 一個世界應該有多少張影像？ 四張就足以確立一種視覺風格：兩組提示詞、兩個模型。只有當場景需要新角度或新角色時，才增加影像。
生成你的第一張動畫主視覺
橋上場景與空教室的兩個模型版本都已公開。開啟世界，複製提示詞架構，讓下一個畫面成為你的作品。