GPT-Image-2 故事板生成的坑与解法
GPT Image 2 故事板的常见玩法是：一张图把角色设定、场景设计、分镜脚本、运镜、灯光、色彩板这些视频信息全标记出来，再搭配 Seedance 2.0 直接出片。下面是一次苏打水带货视频实测中踩到的坑和解法。
1、第一次尝试：信息全面的故事板，踩大坑了
先在 nanabanana2.run 里调用 GPT Image 2 生图，提示词非常详细：
你是一名专业的 AI 故事板导演和影视预制作视觉规划师，请根据我提供的故事方向和要求，直接生成一张16:9的中文故事板图片，默认适合15秒以内短视频，专业导演预制作指南风格，真实的电影感/商业广告感，非漫画风、非粗糙草图风，清晰的网格布局和模块化排版；故事板要包括：1、顶部项目栏：项目标题、类型、时长、镜头数、角色数、场景数、整体基调、限制条件2、角色参考区：主要角色的正面、侧面、背面、特写、自然姿态、服装、发型、气质。3、场景设计区：主场景、关键道具、空间关系、俯视示意图、机位和镜头运动路线。4、分镜区：默认8个编号镜头，每个镜头包含景别、运镜、画面内容、角色动作、情绪、简短对白/旁白、灯光范围、时长。5、底部说明区：灯光、风格说明、音频、情绪关键词以下是我的故事方向和要求：女孩拿着苏打水介绍它的特点，苏打水要给人清凉一夏的感觉，最好是从冰箱里取出来，有气泡的那种出来的故事板确实像模像样：
可以看到，这张故事板该有的信息一样不落：项目标题、类型、时长、镜头数，分镜逻辑也挺顺，角色一致性也不错。但仔细看问题就来了：
产品瓶身直接变形了，瓶身文字完全是乱的，根本认不出写的啥。更离谱的是分镜脚本里的文字，全都像鬼画符。拿这种 storyboard 去做视频，AI 模型自己都看不懂自己想表达啥，生成的视频不可能好。
果然，丢给 Seedance 2.0 做视频，一做一个不吱声——原始素材都有问题，视频模型更加无法理解你想要什么效果。
而且这个故事板还有个致命问题：包含的信息太多，GPT Image 2 渲染的时候就容易出错，一旦出错，后续全是无用功。更要命的是，想重新生成一个故事板，包含的视频信息又都会有变动，很难指哪改哪。
另外 Seedance 2.0 算力紧张时会有一定降智，故事板里信息太多，它也无法全面理解你想表达的内容。
2、换个思路：精简版 storyboard + 直接 API
既然信息堆砌的打法行不通，就换策略——做减法。
这次只给 GPT Image 2 产品图和一张女生图片，让它自由发挥。精简后的提示词：
参考图片1的苏打水，帮我给这只苏打水生成一张15秒的8个分镜的故事脚本图。创意核心是图2的女生从冰箱里拿出苏打水真实画面，分镜镜头分别是冰箱打开展示苏打水正面图（分镜以正面视角切入）、图2女生打开瓶盖看到冒泡的苏打水、女生45度仰头喝苏打水的侧面照等场景。每张图包含故事分镜图，分镜示意文字以及其他特殊需要标注的内容，分镜图上不要有文字，文字放分镜图下方。图片内容里的分镜效果图的比例16:9。
生成出来的 storyboard：
这次的故事板只保留了最核心的分镜画面和镜头描述，没有那些花里胡哨的详细信息栏，AI 理解起来更轻松。这种方案的好处是修改灵活度高，不至于牵一发而动全身。
不过还有一个坑——拿这张图去豆包生成视频，因为人脸问题整整被卡了 4 次，到第 5 次才生成出来，效果还牛头不对马嘴。豆包里的 Seedance 2.0 对人脸识别一检测到就锁死，体验极差。
对于卡人脸的问题，可以在第三方平台 seedancy2.com 中调用 Seedance 2.0 Fast 测试，这个平台是 API 直连模式：
提示词意外简单：
根据参考图分镜故事板，帮我生成一条15s 的苏打水带货视频
然后就会得到一条 15s 的带货视频。整体质感不错，遵循了想要的镜头：冰箱打开展示苏打水正面图（正面视角切入）、女生打开瓶盖看到冒泡的苏打水、女生 45 度仰头喝苏打水的侧面照。
3、一个关键细节：分辨率
视频里苏打水正面的文字渲染得不太清楚，原因是生成 storyboard 时用的 1K 分辨率，很多细节直接丢失了。
解决方案简单粗暴：直接上 4K。
用 4K 重新生成的产品图，文字清晰度完全不是一个 level：
4K 的故事板也安排上：
用 4K 重新过一次，再让 Seedance 2.0 参考 storyboard 生成，视频里产品文字的渲染就完全 OK 了。
4、总结
结论很明确：GPT Image 2 storyboard + Seedance 2.0 这条路走得通，但得用对方法：
1、生成 4K 高清的产品图
最好让 GPT Image 2 保持图片背景色是白底，这样产品信息足够突出，后续视频生成时不会放飞自我。
2、生成 4K 高清的故事板
提示词模版参考（分镜最好自己编写，镜头有逻辑些）：
参考图片1的苏打水，帮我给这只苏打水生成一张15秒的8个分镜的故事脚本图。创意核心是图2的女生从冰箱里拿出苏打水真实画面，分镜镜头分别是冰箱打开展示苏打水正面图（分镜以正面视角切入）、图2女生打开瓶盖看到冒泡的苏打水、女生45度仰头喝苏打水的侧面照等场景。每张图包含故事分镜图，分镜示意文字以及其他特殊需要标注的内容，分镜图上不要有文字，文字放分镜图下方。图片内容里的分镜效果图的比例16:9。
3、让 Seedance 2.0 参考故事板生成视频
大道至简。提示词不需要太复杂，简单一句「根据参考图分镜故事板，帮我生成一条 XX 秒的 XX 带货视频」就可以。
4、避坑要点
- 精简为王——不是信息越全越好，GPT Image 2 扛不住，精简版 storyboard 反而更精准，修改成本也低。
- 人脸问题是永远的痛——豆包版 Seedance 2.0 对人脸卡得很死，要顺滑体验最好直接上 API。
- 故事板信息越多，AI 越容易渲染出错，一旦出错，后续全是无用功。
以前做个产品视频要找摄影师、剪辑师，前后没个几天下不来；用这套 AI 流程一个下午就能出片，成本也降了不少。当然，如果追求极致画质精细调优，还是得找专业团队；日常推广应急用，这套流程效率足够。