リビングのポッドキャスト 猫にインタビュー
まず3枚のリファレンス画像で同じポッドキャストルームの切り返しショットを組み立て、Shoot 1-5に沿って人と猫が一言ずつセリフを交わす:ツーカメラ対話ショートの完全なワークフロー。
PROMPT · 動画生成プロンプトAIで作ってみる
Shoot 1
@Image 1 : 男人
Camera: (静止镜头，无运镜) 真实的手臂动作和细微的微动作。
Micro-action: [他正在向右边的猫朗读手机上显示的新闻文章。读完后，他抬起头，露出自然而真实的惊讶表情。这个反应细腻真实，并不夸张。]
Script: “好家伙，这也太疯狂了——科学家说猫每天要睡16个小时。”
Voice: 男声，三十多岁，明亮。
Accent: 带中性美式口音的英语，随意、口语化，就像真实的英语日常闲聊。
Shoot 2
@Image 2 : 猫
Camera: (静止镜头，缓慢推近) 真实的动作和细微的微动作。
Micro-action: [猫点头表示同意刚才听到的话，并说：]
Script: “没错，剩下那8个小时我们都用来评判你了。”
Voice: 猫用男声说话，三十多岁，低沉。
Accent: 带中性美式口音的英语，随意、口语化，就像真实的英语日常闲聊。
Shoot 3
@Image 1 : 男人
Camera: (静止镜头，无运镜) 真实的手臂动作和细微的微动作。
Micro-action: [他停顿了一下，像是在思考自己的答案，然后说：]
Script: “等等——所以你凌晨3点盯着我看，那是在评判我，不是爱？”
Voice: 男声，三十多岁，明亮。
Accent: 带中性美式口音的英语，随意、口语化，就像真实的英语日常闲聊。
Shoot 4
@Image 2 : 猫
Camera: (静止镜头，缓慢推近) 真实的动作和细微的微动作。
Micro-action: [猫微微歪头，面无表情，然后说：]
Script: “不能两者都是吗？”
Voice: 猫用男声说话，三十多岁，低沉。
Accent: 带中性美式口音的英语，随意、口语化，就像真实的英语日常闲聊。
Shoot 5
@Image 3 : 猫 + 男人
Micro-action: [两人同时做出反应——男人大笑并摇头，猫的胡须像是被逗乐了一样抽动——他们一起笑了起来。]
镜头随着他们的笑声轻微晃动。
Shoot 1
@Image 1 : 男人
Camera: (靜止鏡頭，無運鏡) 真實的手臂動作和細微的微動作。
Micro-action: [他正在向右邊的貓朗讀手機上顯示的新聞文章。讀完後，他抬起頭，露出自然而真實的驚訝表情。這個反應細膩真實，並不誇張。]
Script: “好傢伙，這也太瘋狂了——科學家說貓每天要睡16個小時。”
Voice: 男聲，三十多歲，明亮。
Accent: 帶中性美式口音的英語，隨意、口語化，就像真實的英語日常閒聊。
Shoot 2
@Image 2 : 貓
Camera: (靜止鏡頭，緩慢推近) 真實的動作和細微的微動作。
Micro-action: [貓點頭表示同意剛才聽到的話，並說：]
Script: “沒錯，剩下那8個小時我們都用來評判你了。”
Voice: 貓用男聲說話，三十多歲，低沉。
Accent: 帶中性美式口音的英語，隨意、口語化，就像真實的英語日常閒聊。
Shoot 3
@Image 1 : 男人
Camera: (靜止鏡頭，無運鏡) 真實的手臂動作和細微的微動作。
Micro-action: [他停頓了一下，像是在思考自己的答案，然後說：]
Script: “等等——所以你凌晨3點盯著我看，那是在評判我，不是愛？”
Voice: 男聲，三十多歲，明亮。
Accent: 帶中性美式口音的英語，隨意、口語化，就像真實的英語日常閒聊。
Shoot 4
@Image 2 : 貓
Camera: (靜止鏡頭，緩慢推近) 真實的動作和細微的微動作。
Micro-action: [貓微微歪頭，面無表情，然後說：]
Script: “不能兩者都是嗎？”
Voice: 貓用男聲說話，三十多歲，低沉。
Accent: 帶中性美式口音的英語，隨意、口語化，就像真實的英語日常閒聊。
Shoot 5
@Image 3 : 貓 + 男人
Micro-action: [兩人同時做出反應——男人大笑並搖頭，貓的鬍鬚像是被逗樂了一樣抽動——他們一起笑了起來。]
鏡頭隨著他們的笑聲輕微晃動。
Shoot 1
@Image 1 : The Man
Camera: (static camera, no movement) realistic arm movements and subtle micro-movements.
Micro-action: [He is reading the news article displayed on his phone to the cat on his right. After finishing reading, he lifts his head, and reacts with a naturally surprised expression. The reaction is subtle and realistic, not exaggerated.]
Script: “Okay this is wild — scientists say cats sleep 16 hours a day.”
Voice: male voice, mid-30s, bright.
Accent: English with a neutral American accent, informal and conversational, like a real casual chat in English.
Shoot 2
@Image 2 : The Cat
Camera: (static camera, slow zoom in) realistic movements and subtle micro-movements.
Micro-action: [The cat nods in agreement with what it just heard and says:]
Script: “Yeah, and the other 8 we spend judging you.”
Voice: Cat speaks in male voice, mid-30s, deep.
Accent: English with a neutral American accent, informal and conversational, like a real casual chat in English.
Shoot 3
@Image 1 : The Man
Camera: (static camera, no movement) realistic arm movements and subtle micro-movements.
Micro-action: [He pauses for a moment as if thinking about his answer, then says:]
Script: “Wait — so when you stare at me at 3am, that’s judgment, not love?”
Voice: male voice, mid-30s, bright.
Accent: English with a neutral American accent, informal and conversational, like a real casual chat in English.
Shoot 4
@Image 2 : The Cat
Camera: (static camera, slow zoom in) realistic movements and subtle micro-movements.
Micro-action: [The cat tilts its head slightly, deadpan, then says:]
Script: “Can’t it be both?”
Voice: Cat speaks in male voice, mid-30s, deep.
Accent: English with a neutral American accent, informal and conversational, like a real casual chat in English.
Shoot 5
@Image 3 : The Cat + Man
Micro-action: [Both react at the same time — man laughs and shakes his head, cat’s whiskers twitch as if amused — they laugh together.]
Camera shake slightly as they laugh.
撮影1
@画像1: 男性
カメラ: (固定カメラ、動きなし) リアルな腕の動きと繊細な微細動作。
マイクロアクション: [彼は右側にいる猫に、スマホに表示されたニュース記事を読み聞かせている。読み終えると顔を上げ、自然に驚いた表情を見せる。反応は控えめでリアル、誇張しない。]
セリフ: 「うわ、これはすごいな――科学者によると猫は1日16時間眠るらしい」
声: 男性の声、30代半ば、明るい。
アクセント: 中立的なアメリカ英語アクセント、カジュアルで会話的、本物の気軽な英語の雑談のように。
撮影2
@画像2: 猫
カメラ: (固定カメラ、ゆっくりズームイン) リアルな動きと繊細な微細動作。
マイクロアクション: [猫は今聞いたことにうなずきながら言う:]
セリフ: 「そうそう、残りの8時間はあんたを審査してるんだよね」
声: 猫は男性の声で話す、30代半ば、低め。
アクセント: 中立的なアメリカ英語アクセント、カジュアルで会話的、本物の気軽な英語の雑談のように。
撮影3
@画像1: 男性
カメラ: (固定カメラ、動きなし) リアルな腕の動きと繊細な微細動作。
マイクロアクション: [彼は答えを考えるかのように一瞬間を置いてから言う:]
セリフ: 「待って――じゃあ、君が夜中の3時に僕をじっと見つめてるのは、審査であって愛じゃないってこと?」
声: 男性の声、30代半ば、明るい。
アクセント: 中立的なアメリカ英語アクセント、カジュアルで会話的、本物の気軽な英語の雑談のように。
撮影4
@画像2: 猫
カメラ: (固定カメラ、ゆっくりズームイン) リアルな動きと繊細な微細動作。
マイクロアクション: [猫はわずかに首を傾げ、無表情のまま言う:]
セリフ: 「両方じゃダメなの?」
声: 猫は男性の声で話す、30代半ば、低め。
アクセント: 中立的なアメリカ英語アクセント、カジュアルで会話的、本物の気軽な英語の雑談のように。
撮影5
@画像3: 猫+男性
マイクロアクション: [二人(匹)は同時に反応する――男性は笑いながら首を振り、猫のヒゲが面白がるようにピクピクと動く――二人(匹)は一緒に笑う。]
笑っている間、カメラはわずかに揺れる。
✍️ 編集部の解説
这条是对话脚本体，五个Shot按对话轮次切分，每轮标清机位——静止不动还是缓慢推近，还有角色微表情、台词和配音要求（口音、音色、年龄），几乎是给Gemini Omni Flash这种支持语音画面联动的模型写的分镜剧本。语言精炼到每段只留一个动作加一句台词，信息密度靠轮次堆叠而不是单句形容词。
画像プロンプト
PROMPT · プロンプト全文AIで作ってみる
Image 1 :
一张iPhone照片，画面中一名男子舒适地坐在浅色布艺沙发上，正在录制播客，一边拿着智能手机阅读，一边对着安装在长臂支架上的专业黑色播客麦克风讲话。
现代风格的播客录音室，背景是米色窗帘，室内布置温馨极简，录音设备真实可信，营造出随性的创作者氛围。
iPhone照片，平视构图，随手抓拍的感觉，iPhone闪光灯直射带来的强烈光效，画面带轻微颗粒感，皮肤细节真实，保留真实瑕疵，光线自然均衡，具有纪实感，未经摆拍的瞬间，贴近生活的创作者美学。
无文字，无水印，无畸变。
Image 2:
仅将这张图片 @Image 1 作为场景与风格的参考，在同一个房间里重现同一场播客——同款沙发、同样安装在支架上的长臂播客麦克风、同样温馨的居家客厅氛围，以及相似的窗帘背景——但要从播客的另一侧取景拍摄，就像在拍摄坐在桌子对面的第二位嘉宾。
背景不需要与参考图完全一致：绿植、具体光线、抱枕和小道具都可以自然地有所不同，只要画面明显能看出是同一个房间即可。绝不能把它做成参考图的镜像。
从对面的座位展示：麦克风现在从画面左侧入镜，人物面朝左侧／中间，仿佛正望着坐在对面的嘉宾。
在那里放一只猫 @Image 2。
逼真写实，皮肤质感与光线自然。单张图片。
Image 3:
@Image 1
@Image 2 将两者结合
Image 1 :
一張iPhone照片，畫面中一名男子舒適地坐在淺色布藝沙發上，正在錄製播客，一邊拿著手機閱讀，一邊對著安裝在長臂支架上的專業黑色播客麥克風講話。
現代風格的播客錄音室，背景是米色窗簾，室內布置溫馨極簡，錄音設備逼真，營造出隨性的創作者氛圍。
iPhone照片，平視構圖，隨手抓拍的感覺，iPhone閃光燈直射帶來的強烈光效，畫面帶輕微顆粒感，皮膚細節真實，保留真實瑕疵，光線自然均衡，具有紀實感，未經擺拍的瞬間，貼近生活的創作者美學。
無文字，無浮水印，無變形。
Image 2:
僅將這張圖片 @Image 1 作為場景與風格的參考，在同一個房間裡重現同一場播客——同款沙發、同樣安裝在支架上的長臂播客麥克風、同樣溫馨的居家客廳氛圍，以及相似的窗簾背景——但要從播客的另一側取景拍攝，就像在拍攝坐在桌子對面的第二位來賓。
背景不需要與參考圖完全一致：植栽、具體光線、抱枕和小道具都可以自然地有所不同，只要畫面明顯看得出是同一個房間即可。絕不能把它做成參考圖的鏡像。
從對面的座位呈現：麥克風現在從畫面左側入鏡，人物面朝左側／中間，彷彿正望著坐在對面的來賓。
在那裡放一隻貓 @Image 2。
逼真寫實，皮膚質感與光線自然。單張圖片。
Image 3:
@Image 1
@Image 2 將兩者結合
Image 1 :
An iPhone photo of a the man seated comfortably on a light fabric couch during a podcast recording, holding a smartphone while reading from it, speaking into a professional black podcast microphone mounted on a boom arm.
Modern podcast studio with beige curtains in the background, cozy minimalist interior, realistic recording setup, casual creator atmosphere.
iPhone photo, eye-level framing, candid dump vibe, direct harsh iPhone flash, slight grain, realistic skin detail, authentic imperfections, natural lighting balance, documentary feel, unposed moment, relatable creator aesthetic.
No text, no watermark, no distortion.
Image 2:
Using this image @Image 1 only as a reference for the setting and style, recreate the SAME podcast in the SAME room — same kind of sofa, the same boom podcast microphone on its arm, the same cozy warm living-room atmosphere and a similar curtain backdrop — but seen from the OTHER side of the podcast, as if filming the second guest sitting across the table.
It does NOT need to be an exact copy of the background: the plant, the exact lighting, the cushions and small props can be different and arranged naturally, as long as it clearly reads as the same room. Do NOT make it a mirror image of the reference.
Show it from the opposite seat: the microphone now comes in from the LEFT side of the frame and the person faces toward the left / center, as if looking at the guest sitting opposite them.
Put a Cat @Image 2 there.
Photorealistic, natural skin texture and lighting. Single image.
Image 3:
@Image 1
@Image 2 combine them
画像1:
ポッドキャスト収録中、明るい布張りのソファに心地よく座り、スマートフォンを手にそれを読みながら、ブームアームに取り付けられたプロ仕様の黒いポッドキャストマイクに向かって話している男性を撮ったiPhoneの写真。
背景にはベージュのカーテンがある現代的なポッドキャストスタジオ、居心地の良いミニマルな内装、リアルな収録セットアップ、カジュアルなクリエイターの雰囲気。
iPhoneの写真、目線の高さのフレーミング、飾らないスナップ的な雰囲気、直接的で強いiPhoneのフラッシュ、わずかな粒子感、リアルな肌のディテール、本物らしい不完全さ、自然な照明バランス、ドキュメンタリー的な質感、ポーズを取っていない瞬間、共感を呼ぶクリエイターの美学。
テキストなし、透かしなし、歪みなし。
画像2:
この画像@画像1を、設定とスタイルの参考としてのみ使用し、同じ部屋で同じポッドキャストを再現する――同じ種類のソファ、同じアームに取り付けられたブームマイク、同じ居心地の良い温かなリビングルームの雰囲気、そして似たようなカーテンの背景――しかしポッドキャストの反対側から見た様子、まるでテーブルの向かいに座る二人目のゲストを撮影しているかのように。
背景を正確にコピーする必要はない――植物、正確な照明、クッションや小さな小道具は異なっていても、自然に配置されていれば、明らかに同じ部屋だと分かる限り問題ない。参考画像の鏡像にはしないこと。
反対側の席から見せる: マイクは今度は画面の左側から入ってきて、人物は左/中央を向く、まるで向かいに座るゲストを見ているかのように。
そこに猫@画像2を配置する。
フォトリアリスティック、自然な肌の質感と照明。単一の画像。
画像3:
@画像1
@画像2 を組み合わせる
✍️ 編集部の解説
这条其实是图像生成的前置准备，先用Image1描述一张iPhone随拍质感的播客照片，定下构图和「candid dump vibe」的氛围词，再用Image2要求同房间换机位生成对角座位，最后Image3才把人和猫合成到一张图里。三步走的是搭场景、建对称机位、合成的图像工程套路，是给后续视频生成铺参考图的准备工作，不是视频提示词本身。
関連作品
![ナマケモノの物販テンプレート [製品] プレースホルダー · Veo 3 AI 视频成片封面](https://aicdn.img.town/202608/72fd886cc90976adc7f9176a2ee5fcee6324c132-p.jpg)
׋![]()
›