导读:xAI与Wonder Studios合作,用自家的Grok Imagine图像和视频模型,以《奥德赛》及“史诗诗系”为题材制作系列短剧。

第1集《誓言》(The Oath)上线后,团队把从剧本到成片剪辑的完整工作流公开了出来,包括角色设定、场景、关键帧,以及可以直接拿来用的视频提示词模板。
|
本文要点 ▶ 先写剧本,再列分镜表,每个镜头写清景别、镜头、运镜、动作、台词 ▶ 用角色设定图 + 角色提示词保持人物一致 ▶ 关键帧不对,视频一定不对 ▶ 视频提示词分7个模块来写;失败了就写短一点 ▶ 剪辑、声音、调色共约18小时 |
以下内容编译自xAI官方博客《Inside Episode 1: The Oath》。
00 为什么要公开工作流?
xAI表示,他们会把从剧本到最终剪辑的工作流全部公开,让大家一起学习,并把这些技巧用到自己的创作项目里。
最近,xAI与Wonder Studios合作,以《奥德赛》以及更广泛的“史诗诗系”(Epic Cycle)为素材,制作一系列短剧。
目标很简单:听取电影人真实、尖锐的反馈,用来改进Grok Imagine的图像和视频模型。
这些剧集由一个只有3~5人的小团队公开制作。每一集的制作周期都很短,这让团队能快速迭代,也能把经验分享给所有想在创作中使用AI的人。
下面,导演德夫·沃克(Dev Walker)和Wonder Studios团队分享了他们用Grok Imagine制作第1集《誓言》的心得。
01 写好剧本
第1集改编自《塞浦路斯之歌》(Cypria)中的一个场景——这是《伊利亚特》已经失传的前传。
如今留下来的只有一段简短的故事梗概:奥德修斯装疯,想逃避特洛伊战争,结果被识破了。其他一切——从台词到角色的长相——都得靠团队自己想象。

由于剧集主要在社交媒体上播出,团队原计划每集控制在约5分钟。之后的剧集会给更多时长,让故事和人物有空间展开,但整体仍然是短剧。
02 列出每一个镜头
— 生成任何东西之前,先写分镜表 —
每个镜头都要写清楚:
● 景别(远景、中景、特写……)
● 镜头(焦段)
● 运镜方式
● 动作
● 准确的台词
写得越具体,生成结果就越一致。
另外,从一开始就整理好文件。文件夹先按场景命名,再按A-roll(主镜头)或B-roll(辅助镜头)细分,比如:
|
文件夹命名示例 SCENE1_FIELD_BROLL |
当每个镜头要生成几十个版本时,这样剪辑时找素材会轻松得多。
03 用好Grok Imagine的“画布”
把所有东西都放在同一张画布上:每一帧、每条提示词、每个版本都在那里,按镜头分组。

把不同版本并排摆开,挑出最好的那个,同时检查整场戏的连贯性——人脸、服装、光线是否一致。
04 制作角色设定图
保持简单:一张特写、一张正面全身、一张背面全身,统一用纯灰色背景。

如果角色变老了或换了服装,就再做一张新的设定图。比如,奥德修斯就有三张。
05 写角色提示词
角色提示词的作用,是让人物在每个镜头里都保持同一张脸。偶尔还是会出现“脸漂移”,但下面是团队给奥德修斯用的提示词,可以参考:
|
英文原版提示词(可直接复制) An ultra-photorealistic cinematic character reference sheet for ODYSSEUS, King of Ithaca, ancient Mycenaean Greece circa 1200 BCE. CHARACTER: Rugged Greek man, late 30s to early 40s, olive skin, strong Mediterranean features, deep-set brown eyes, prominent nose, shoulder-length wavy black hair, thick full black beard. Lean, muscular build. Weathered, intelligent face with a serious, commanding expression. COSTUME: Dark brown knee-length wool tunic with subtle embroidered trim, weathered dark leather scale armor, leather belt, forearm bracers, wrapped leather boots, and a short bronze sword in a leather scabbard. A heavy charcoal-brown wool cloak draped asymmetrically over his shoulders, fastened with an ornate golden brooch depicting a hunting dog gripping a spotted fawn in its forepaws, the fawn struggling to escape, intricately sculpted in raised gold. The brooch is prominently visible on his right shoulder. Authentic handmade materials, worn leather, heavy textured wool, aged bronze. LAYOUT: Single wide 16:9 image divided into THREE VERTICAL PANELS with thin white dividing lines. LEFT: Large three-quarter facial close-up, looking slightly toward frame right. Detailed facial features, hair, beard, cloak, and gold fawn brooch. CENTER: Full-body FRONT VIEW, standing naturally with arms relaxed, entire costume visible from head to boots. RIGHT: Full-body BACK VIEW, showing the cloak’s full drape, hairstyle, and footwear. All three panels must depict the EXACT SAME MAN wearing the EXACT SAME COSTUME, with identical proportions, materials, and accessories. PHOTOGRAPHY: Professional Hollywood costume reference photography. Neutral medium-gray seamless studio background, soft diffused studio lighting, natural skin texture, realistic fabric and leather detail, subtle film grain. Grounded historical realism, not fantasy. STRICTLY PHOTOREALISTIC. No illustrations, no CGI appearance, no text, no labels, no additional characters. |
|
中文译文 一张超写实电影级角色设定图:奥德修斯,伊萨卡国王,约公元前1200年的古迈锡尼希腊。 【角色】粗犷的希腊男子,三十多岁到四十出头,橄榄色皮肤,鲜明的地中海五官,深陷的棕色眼睛,高挺的鼻子,齐肩黑色波浪长发,浓密的黑色络腮胡。精瘦而健壮。饱经风霜、充满智慧的面孔,神情严肃、富有威严。 【服装】深棕色及膝羊毛束腰外衣,饰有低调的刺绣镶边;陈旧的深色皮革鳞甲,皮腰带,护臂,缠绕式皮靴,皮鞘中插着一把青铜短剑。一件厚重的炭棕色羊毛斗篷不对称地披在肩上,用一枚华丽的金色胸针固定——胸针图案是一只猎犬用前爪按住一头带斑点的小鹿,小鹿正挣扎着想逃走,以浮雕金工精细雕刻。胸针在他右肩上清晰可见。真实的手工材质:磨旧的皮革、厚重粗纹羊毛、做旧的青铜。 【版式】一张16:9宽幅图,用细白线分成三个竖向画板。 左:大幅四分之三侧脸特写,视线略朝画面右侧。细致呈现五官、头发、胡须、斗篷和金色小鹿胸针。 中:正面全身像,自然站立、双臂放松,从头到靴的整套服装都可见。 右:背面全身像,展示斗篷的完整垂坠、发型和鞋子。 三个画板必须是完全相同的一个人、穿着完全相同的服装,比例、材质和配饰完全一致。 【摄影】专业好莱坞服装参考摄影。中性中灰色无缝影棚背景,柔和漫射的影棚灯光,自然的皮肤质感,真实的布料与皮革细节,轻微胶片颗粒。扎实的历史写实风格,而非奇幻。 严格写实。不要插画感,不要CGI感,不要文字,不要标签,不要其他人物。 |
06 搭建场景
第1集一共有五个场景:
1 田野
2 宫殿
3 海岸
4 船上
5 特洛伊城外的营地
每条场景提示词都要写明:景别、时间、氛围、摄影机、镜头和胶片型号。
07 所有镜头保持统一风格
从一张情绪板或风格参考图开始,然后在每一条提示词里都写明摄影机、镜头和胶片型号。

团队在提示词里没有提任何导演的名字,整体风格来自2000年代初期的古装史诗片。
08 制作关键帧
把设定图里的角色放进相应的场景,生成用来做动画的关键帧。
— 静帧不对,动起来的视频也一定不对 —
团队建议:先花时间把关键帧做好,再去生成视频。
09 视频提示词:分7个模块来写
把视频提示词拆成7个模块:
|
模块 |
写什么 |
|
① 摄影机 |
风格、胶片、镜头、机位、是否运镜 |
|
② 动作 |
人物和动物在画面里怎么动 |
|
③ 环境 |
天气、光线、氛围 |
|
④ 物理 |
重量感、布料、泥水等真实物理细节 |
|
⑤ 音频 |
要不要音乐、对白、环境声 |
|
⑥ 音效 |
具体的声音细节 |
|
⑦ 约束 |
必须遵守的硬性规则 |
|
关键技巧 如果提示词失败了,就把它写短一点。加更多细节,很少能解决问题。 |
下面是开场镜头的完整提示词。这场戏是:奥德修斯假装发疯,在雨中赶着一头牛和一匹马耕地,墨涅拉俄斯和帕拉墨得斯在一旁看着,而襁褓中的儿子忒勒马科斯就躺在田里——这正是他被识破的关键时刻。
|
英文原版提示词(可直接复制) [Camera & Style] Photorealistic 2000s historical epic, ancient Aegean world circa 1200 BCE. Shot on 35mm film with vintage spherical lenses. Naturalistic 24fps motion, subtle film grain. MASTERFUL CINEMATOGRAPHY. ONE CONTINUOUS SHOT. Use the three reference images as sequential visual guides for the action. Preserve the EXACT camera composition, perspective, landscape, lighting, and character appearances. EXTREME WIDE SIDE PROFILE. Completely STATIC, LOCKED-OFF CAMERA. No camera movement throughout the shot. [Subject Motion / Action] The shot begins matching IMAGE 1. FRAME LEFT: Menelaus and Palamedes stand together in the muddy field, watching toward FRAME RIGHT. Their bodies remain mostly still as strong gusts of wind blow their heavy cloaks. CENTER: Infant Telemachus lies on a cream linen blanket directly on the flat muddy ground, surrounded by shallow puddles. FRAME RIGHT: The black horse and brown ox gradually enter from OFFSCREEN RIGHT, walking toward FRAME LEFT. The BROWN OX is closest to camera, with the BLACK HORSE walking alongside it on the far side. Their movement progresses naturally through the composition shown in IMAGE 2. Odysseus follows behind the animals, gripping BOTH wooden handles of the primitive plough. By the end of the shot, the composition matches IMAGE 3, with Odysseus, the plough, and both animals fully visible. The animals continue walking slowly toward FRAME LEFT, pulling the plough through the thick mud. Palamedes and Menelaus remain standing together, watching their approach. [Environment & Atmosphere] Heavy rain falls continuously across the vast, desolate agricultural field. Strong, irregular gusts of wind sweep across the landscape. CRITICAL: THE WIND VISIBLY BLOWS THE MEN’S CLOAKS. Menelaus’ dark red cloak billows and flutters in the wind. Palamedes’ dark brown cloak moves naturally around his body. Odysseus’ dark cloak also blows and ripples as he walks behind the plough. CRITICAL: THE PLANTS AND TALL GRASS IN THE EXTREME FOREGROUND SWAY AND WHIP NATURALLY IN THE WIND. The blurred foreground vegetation bends under stronger gusts, then partially returns upright. Individual stems and leaves move independently. Rain falls diagonally during stronger gusts. Dark storm clouds hang over the distant mountains. Atmospheric mist softens the horizon. [Physics & Details] Realistic animal walking mechanics and weight distribution. The brown ox and black horse move together at a steady pace, their hooves sinking into the saturated soil. Mud compresses beneath their weight. Small splashes and displaced water accompany each step. The wooden plough remains physically connected to both animals and cuts through the muddy earth. Odysseus maintains a firm grip on both handles while walking behind it. Clothing responds realistically to changing wind intensity. Heavy, rain-soaked wool moves with believable weight and resistance. Foreground plants react continuously to the wind, with occasional stronger gusts producing more pronounced movement. Rain creates visible ripples across puddles and runs naturally over the muddy furrows. [Audio] NO MUSIC. NATURAL SOUND ONLY. NO DIALOGUE. Heavy rainfall, gusting wind, distant thunder, animal breathing, hooves squelching through mud, wooden plough creaking, and wet footsteps. [SFX] Wind rushing through foreground vegetation, rain striking puddles, wet fabric flapping during stronger gusts, subtle harness creaking, and mud displacement beneath the animals’ hooves. [Restrictions / Constraints] ONE CONTINUOUS SHOT. NO CUTS. IMAGE 1 IS THE EXACT STARTING COMPOSITION. IMAGE 2 ESTABLISHES THE ANIMALS ENTERING FRAME. IMAGE 3 IS THE EXACT ENDING COMPOSITION. STATIC LOCKED-OFF CAMERA THROUGHOUT. NO PAN, TILT, ZOOM, DOLLY, TRACKING, OR CAMERA SHAKE. PRESERVE THE EXACT LANDSCAPE AND FRAMING. MENELAUS AND PALAMEDES REMAIN FRAME LEFT. TELEMACHUS REMAINS CENTER. ODYSSEUS AND ANIMALS ENTER FROM FRAME RIGHT. THE BROWN OX MUST BE CLOSEST TO CAMERA. THE BLACK HORSE MUST BE FARTHER FROM CAMERA. ODYSSEUS ALWAYS WALKS BEHIND THE PLOUGH HOLDING BOTH HANDLES. THE ANIMALS MUST WALK TOWARD FRAME LEFT. ALL CHARACTERS AND ANIMALS MUST BE FULLY VISIBLE BY THE FINAL FRAME. HEAVY RAIN THROUGHOUT. STRONG WIND MUST VISIBLY MOVE THE MEN’S CLOAKS. FOREGROUND PLANTS MUST SWAY AND BEND IN THE WIND THROUGHOUT THE SHOT. REALISTIC WIND AND FABRIC PHYSICS. |
|
中文译文 【摄影机与风格】 写实的2000年代历史史诗片,约公元前1200年的古爱琴海世界。35毫米胶片拍摄,复古球面镜头。自然的24帧运动,轻微胶片颗粒。大师级摄影。 一镜到底。把三张参考图作为动作的先后视觉指引。严格保持机位构图、透视、地貌、光线和人物外观。 大远景侧面机位。摄影机完全静止、锁定。整个镜头无任何运镜。 【主体运动/动作】 镜头开始时与图1一致。 画面左侧:墨涅拉俄斯和帕拉墨得斯并肩站在泥泞的田里,望向画面右侧。强风吹动他们厚重的斗篷,身体基本保持不动。 画面中央:婴儿忒勒马科斯躺在一块米白色亚麻毯上,毯子直接铺在平坦的泥地上,周围是浅浅的水洼。 画面右侧:黑马和棕牛从画面右侧外缓缓走入,朝画面左侧前进。 棕牛离镜头最近,黑马在远侧与它并行。 它们的移动自然过渡到图2所示的构图。 奥德修斯跟在牲畜后面,双手握住原始木犁的两个把手。 镜头结束时,构图与图3一致,奥德修斯、木犁和两头牲畜全部完整入画。 牲畜继续缓慢地朝画面左侧行进,拉着犁穿过厚厚的泥地。 帕拉墨得斯和墨涅拉俄斯仍然站在一起,看着他们走近。 【环境与氛围】 大雨持续落在广阔荒凉的农田上。 强烈而不规则的阵风扫过大地。 关键:风明显吹动男人们的斗篷。 墨涅拉俄斯的暗红色斗篷在风中鼓起、翻飞;帕拉墨得斯的深棕色斗篷在身侧自然摆动。 奥德修斯跟在犁后行走时,深色斗篷同样随风飘动、起伏。 关键:最前景的植物和高草在风中自然摇摆、抽动。 虚化的前景植物在强阵风中弯下,再部分回弹;每根茎、每片叶子各自独立摆动。 阵风更强时,雨斜着落下。 远山上空压着乌云,雾气柔化了地平线。 【物理与细节】 真实的动物行走力学和重心分布。 棕牛和黑马以稳定的步伐同行,蹄子陷进浸透的土壤。 泥土在重压下被挤实,每一步都带起小水花和被挤开的积水。 木犁始终与两头牲畜物理相连,切开泥泞的土地。 奥德修斯走在犁后,双手始终紧握两个把手。 衣物随风力变化做出真实反应;被雨浸透的厚羊毛呈现可信的重量和阻力。 前景植物持续对风作出反应,偶尔的强阵风带来更明显的摆动。 雨在水洼上激起清晰的涟漪,并沿着泥泞的犁沟自然流淌。 【音频】 不要音乐。只要自然声。不要对白。 大雨声、阵风声、远处雷声、动物的呼吸声、蹄子踩进泥里的咕叽声、木犁的吱嘎声、湿漉漉的脚步声。 【音效】 风吹过前景植物的呼啸声、雨打水洼声、强阵风中湿布料的拍打声、轻微的挽具吱嘎声、牲畜蹄下泥土被挤开的声音。 【限制/约束】 一镜到底,不许剪切。 图1是准确的起始构图。 图2确定牲畜入画的状态。 图3是准确的结束构图。 摄影机全程静止锁定。 不许摇镜、俯仰、变焦、推轨、跟拍或抖动。 严格保持地貌和取景。 墨涅拉俄斯和帕拉墨得斯始终在画面左侧。 忒勒马科斯始终在画面中央。 奥德修斯和牲畜从画面右侧进入。 棕牛必须离镜头最近。 黑马必须离镜头较远。 奥德修斯始终走在犁后,双手握住两个把手。 牲畜必须朝画面左侧行走。 最后一帧时所有人物和动物必须完整可见。 全程大雨。 强风必须明显吹动男人们的斗篷。 前景植物全程必须在风中摇摆、弯曲。 真实的风与布料物理效果。 |
10 善用“中间关键帧”
Grok Imagine允许你在起始帧和结束帧之间再加一帧,并且可以精确选择它出现的时间点。

比如,团队需要奥德修斯拉着犁准时入画时,就用到了这个功能——也就是上面提示词里的“图2”。
11 每条提示词都写明运镜
铺陈场景时用固定机位;打斗开始后切换成手持。
这是团队最常用的手持镜头提示词:
|
英文原版提示词(可直接复制) Unstabilized handheld combat camera POV, violent jagged shake, the camera swinging, rolling and tilting wildly, the horizon tipping off-level with every stride, hard vertical bounces, sudden sideways whips, lurching drops and jolts, focus hunting and snapping, the frame barely holding the chaos. Chaotic, never aligned, never smooth, like a camera held by someone crouching inside a shadowed threshold tracking urgent movement. Fast, urgent, real-time speed, no slow motion. |
|
中文译文 无稳定器的手持战斗视角,剧烈、参差的抖动,摄影机疯狂地甩动、翻滚、倾斜,地平线随每一步歪斜,强烈的上下颠簸,突然的横向甩动,踉跄的下坠与震动,焦点来回搜索、突然对上,画面勉强容纳住混乱。混乱、从不对齐、从不平滑,就像有人蹲在阴暗的门槛里,举着摄影机追拍急促的动作。快速、紧迫、实时速度,不要慢动作。 |
12 最后在剪辑中完成
剪辑、声音和调色一共花了大约18小时。
大部分音效直接来自Grok Imagine,团队只在此基础上加了音乐和调色。
13 现在轮到你了
那部在你脑海里放映了无数遍的短片——现在就去把它拍出来,一直改,直到它变成你想象中的样子。
— 剧本、分镜、设定、关键帧、提示词——AI电影的底层逻辑仍然是电影 —
|
编者按 这套流程最值得借鉴的,其实不是某个“神奇提示词”,而是传统影视工业的方法论:先写分镜、先做角色和场景设定、先把静帧做对,再让它动起来。AI降低的是制作成本,但对“想清楚每个镜头”的要求反而更高了。 |
|
我是MarsKr,我们下期见。 觉得有用?点个「赞」和「在看」,转发给身边玩AI视频的朋友。 你最想用AI拍哪个故事?留言区聊聊。 |
参考
https://x.com/imagine/status/2115214583983935517
本文转载自微信公众号「MarsKr」,作者:Marskr,已获授权。阅读原文
发表回复