Reminders
-- Reflections on Human and Technology
Generative art
｜Interactive Art Installation
在一个机器能力呈指数性增长的年代，许多原本属于人的能力正在慢慢被替代。
人与机器有什么区别？ 我是谁？我有什么价值？
项目核心通过构建世界观叙事，结合生成式艺术、交互艺术，将观众代入 2046 年的未来世界，用影像表达对技术异化的思考， 探索「人与机器关系」的命题。
Tools:
Agent: VS code + codex
GenAI: Midjourney, Seedance, Lovart, Tapnow, LibTV, Suno
项目背景
我的毕设项目核心是探索「人与机器关系」的命题，分为世界观叙事与交互装置两部分。
选择用未来复古主义 + 超现实主义风格的叙事短片，通过荒诞感与视觉冲击力的镜头语言，将观众代入 2046 年的赛博世界观，通过描述机器完全代替人类的日常场景，用具象化的影像表达对技术异化的思考。
在现在的社会，我们应该去保留、发扬我们哪方面的能力？
主题叙事网页（点击观看）：
https://claude.ai/public/artifacts/2104ec3a-544b-4a4a-b502-1943158f7277 （与claude老师协作，需美国vpn）
选择用未来复古主义 + 超现实主义风格的叙事短片，通过荒诞感与视觉冲击力的镜头语言，将观众代入 2046 年的赛博世界观，通过描述机器完全代替人类的日常场景，用具象化的影像表达对技术异化的思考。
在现在的社会，我们应该去保留、发扬我们哪方面的能力？
主题叙事网页（点击观看）：
https://claude.ai/public/artifacts/2104ec3a-544b-4a4a-b502-1943158f7277 （与claude老师协作，需美国vpn）
项目成果
1. 世界观叙事：项目最终产出了一部以 2046 年为时间背景，融合未来复古主义与超现实主义风格的四章节叙事实验短片，完整实现了从世界观设定到影像落地的闭环创作；
2. 交互装置：和agent协作完成了全栈的交互网页开发，包含前端网页设计与后端逻辑搭建与数据库部署的全流程，观众登入网页可以自己上传图片与我的装置交互
关于交互部分整个项目结构详见Github：https://github.com/Roqi-zhang/ishihara-led-project-codex
2. 交互装置：和agent协作完成了全栈的交互网页开发，包含前端网页设计与后端逻辑搭建与数据库部署的全流程，观众登入网页可以自己上传图片与我的装置交互
关于交互部分整个项目结构详见Github：https://github.com/Roqi-zhang/ishihara-led-project-codex
第一部分 短片创作
01 成果先行
IP wordview
RUOQI是来自2046年的艺术家，
在她所处的未来，AI 已经不只是工具，而逐渐接管人的生产、判断、选择，甚至思考。
生活变得更高效、更精准、更有秩序，但一个新的问题也随之出现：
当越来越多事情都可以被系统替我们完成，人还剩下什么？
RUOQI 的创作正是从这个问题出发。
RUOQI 通过 AIGC 影像、视觉实验与艺术作品，构建一个介于真实与未来之间的世界，
让今天正在发生的技术变化被提前放大，并持续追问一个核心命题：
“在一个机器越来越像人的时代，什么仍然使我们成为“人”？”
This IP is framed from a future-human’s perspective looking back on real life today, to explore the relationship between humans and artificial intelligence.
分镜与视觉美学
角色三视图Character three-view drawing
通过木偶这种类机器形象，麻木的表情与动作，一些荒诞的场景展示....来回应整个世界观，叙述2046年机器取代人类的场景
Through the puppet-like mechanical figures with numb expressions and movements, and through the presentation of some absurd scenes... I want to express ，it is how people looks like when they stop thinking and totally rely on machines
完整展示 Final presentation
02 整体工作流介绍 Creation workflow
“你要先知道你要什么，你要讲什么故事，达到什么效果”——任何模型都是实现想法的工具，知道优劣势，高效精准运用即可
THE KEY IS you need to know what you want, what story you're telling, and what effect you want to achieve." Any model is just a tool to bring your ideas to life — know its strengths and weaknesses, and use it efficiently and precisely.
4步走：剧本先行(最多时间） - 视觉定调，主场景与主角色 - 分段生成 - 剪辑精修
Story first, which is the most important and takes a lot of time. There is a tip that you can let AI judge you and give you some advice → Visual style reference, and base on the style refer you can generate Key scenes & main characters → put reference+story together generate in segments → Edit & polish
先从一个关键镜头开始，去找一个适合整体调性的视觉风格，之后再批量抽后面的分镜
03 分镜脚本
镜头序号、镜头角度 + 运镜、镜头内容、视觉风格、细节设计（讽刺 + 图谱预埋）、音效 / 台词、画面参考、最终分镜This is the Script that i wrote
04 提示词策略prompt strategy
PICTURE
HOW GENERATE IAMGE WITH HIGH AESTHETIC?多去积累不同视觉风格，多看高审美的电影
网站：filmgrab behance pinterest
film：《The Grand Budapest Hotel》 《2001: A Space Odyssey》
需要积累关键的构图、拍摄手法、美学风格关键词，可以多去尝试不同风格的碰撞，说不定会有一些意外惊喜！
库布里克对称构图，未来主义与复古主义相结合，超现实主义...
Kubrick-style symmetrical composition, a blend of futurism and retro,surrealism etc
VIDEO
HOW TO EFFICIENTLY MAKE AI-GENERATED VIDEOS TURN OUT EXACTLY AS YOU IMAGINED
不要完全将表达的权利转交给ai！
尝试自己写提示词，你需要简洁清晰用恰当的语句描述自己想要什么。
Don’t hand full creative control over to AI. Write your own prompts instead. Describe what you want concisely and clearly.
Subject — the main person appearing in the frame.
Generate a character reference sheet, then create a new Subject in Jimeng and just @ it later.
2. 场景--一张主场景图。场景图里可以带上你的主角，这样能交代角色和环境的比例关系，不容易出现人物大小失调。
Scene — one key scene image.
tips：You can include your main character in the scene so it establishes the scale between the character and the environment. That way, the character is less likely to end up the wrong size later.
3. 音乐--不要生成任何BGM，只生成对应的音效，BGM会严重干扰后期剪辑和配乐。
Audio: Do not generate any BGM. Only output sound effects. Background music will mess up later‑stage editing and scoring.
4. 镜头--言简意赅地写清楚每个镜头的景别和发生了什么就行，不需要长篇大论。
Shots: Briefly state each shot’s framing and what happens. Keep descriptions concise, no long paragraphs.
05 工具评测
I’d like to share more on this part.
I keep a record of how every model I've used performed, and built a simple evaluation set. That way, I can pick models more wisely for future projects and speed up my creative workflow.
前置：所有打分都是在真实创作流程中，对该工具「整体体感」的综合感受，不是控制变量通过标准评测方法输出的生成结果
场景类型： 超现实主义未来场景
核心目标：个人创作
合格底线：美学/一致性需满足其一
优质标准判断：同时满足视觉美学达标+一致性表现达标，且生成效率高、操作适配个人创作习惯、可灵活调整细节，能大幅提升个人艺术创作效率与作品完成度核心规则：- 1 分：致命问题频发，完全不能用（触碰你的红线：崩脸、幻觉场景、风格跑偏、无美学无一致性）
- 2 分：频繁踩坑，勉强能用，但需要大量手动修正，创作效率极低
- 3 分：合格线，满足你的「能用标准」（要么好看、要么一致性高，二选一达标），偶尔踩坑
- 4 分：优秀，贴合超现实主义未来风格，一致性 / 美学双在线，坑很少
- 5 分：完美适配你的创作，零致命坑，风格、一致性、美学完全匹配需求，上手即用
- AESTHETIC: MIDJOURNEY FIRST, TO DEFINE THE STYLE
-
GENERATION: IMAGE2/NANO PRO TO GENERATE STORYBOARD IN ORDER TO MAKE SURE THE CONSISTENCY, SEEDANCE TO TURN IMAGE INTO ANIMATION. THE WHOLE WORKFLOW CONSTRUCT ON TOOL PLATFORM SUCH AS TAPNOW/LOVART
-
SOUND: SUNO FOR THE BACKGROUND BGM IF NEED
06 核心挑战与解法
痛点 ：分镜生成效率低、一致性差
现象：分镜是决定产出质量很重要的一部分，我对于每个镜头又比较强的约束，因此需要生成多张分镜用于直观准确的表意。单张分镜需同时控制风格、场景、人物一致性，单独生成耗时极长；且受算法黑箱性影响，分镜前后连贯性差，难以支撑完整叙事。
归因：现有 AIGC 工具缺乏对长序列叙事的全局约束能力，无法兼顾艺术风格与叙事逻辑。MJ的美学能力突出，但一致性差，其他模型一致性好，但无法保证美学，工具的转换使用之间产生了很多重复成本，且效果无法保证。
归因：现有 AIGC 工具缺乏对长序列叙事的全局约束能力，无法兼顾艺术风格与叙事逻辑。MJ的美学能力突出，但一致性差，其他模型一致性好，但无法保证美学，工具的转换使用之间产生了很多重复成本，且效果无法保证。
Q：有哪些工具有分镜相关的功能？效果如何？是否能解决我的痛点
step1--工具调研
目的：
测试不同 AI 工具 / 开源工作流，在「调用现有底层模型」的前提下，分镜生成功能的实用性、效率、一致性控制能力、操作便捷度。
控制变量法：同一个剧本，同一张场景与人物参考，运用同一个底层模Seedancee 4.5
主要测试了libTV的一键生成多宫格分镜的功能，runninghub上面一键生成分镜版的工作流，还有 seedance 自身的多宫格输出功能.
Q：为什么使用Seedance，而非nanobanana pro？
1 基于整体风格：注重整体的叙事感、未来感、氛围感，seedance在这方面的能力更强。nanobanana更适合电影级写实感，真实质感
2 基于角色：亚洲人物，且只有2个核心人物需要控制一致性，Seedance在控制亚洲人像一致性上是最强的，虽然对于多角色（3人以上），一致性会较弱，但是我没有控制一致性的需求
3 基于语义理解：中文剧本，seedance对于中文的理解更加精准
step2--Agent工作流搭建
根据教程，学习使用coze搭建一键生成分镜agent工作流搭建思路：
（1）通过提示词变量聚合 + 统一风格拼接，固定角色、故事、场景等核心要素，让所有分镜遵循同一视觉与叙事标准；
（2）再依托 Seedance 对统一提示词的稳定生成能力，从提示词源头避免画风、角色、场景割裂，实现分镜风格统一。
结论：
都很难同时保证美学、场景人物风格一致性控制。只能作为基础参考，为分镜设计提供灵感。
以下是随着模型能力进步进一步更新的目前 【生成分镜】 的方法：
（1）若对于画面有较为具体的要求：生成首尾帧和中间帧，达到关键画面的控制与约束
（2）若接受一定的自由度：给予模型自由发挥的空间，给予简单的参考即可
都很难同时保证美学、场景人物风格一致性控制。只能作为基础参考，为分镜设计提供灵感。
以下是随着模型能力进步进一步更新的目前 【生成分镜】 的方法：
（1）若对于画面有较为具体的要求：生成首尾帧和中间帧，达到关键画面的控制与约束
（2）若接受一定的自由度：给予模型自由发挥的空间，给予简单的参考即可
06 反思与复用 TAKEAWAY
模型层面：如何更高效更高质的产出？
How to achieve more efficient and higher-quality output?
模型层面：如何更高效更高质的产出？
How to achieve more efficient and higher-quality output?
How to achieve more efficient and higher-quality output?
More freedom should be given to the model!
As the model progresses, In fact, it is often found that we don't need to meticulously specify all the details or provide reference diagrams for every scenario.
和模型协作方式2个核心点：
（1）给予适当的约束：主场景+主人物+清晰的叙述镜头的故事线
Add reasonable constraints: core scene, main character, and a story‑driven shot sequence.
（2）剩下的交给模型：你是一个编剧和导演，就像真实的拍摄一样，在最自然最自由的情况下反而容易出来最意想不到的效果。不用每个转场每个构图都事无巨细的控制，控制关键即可。
Allow creative freedom: think of yourself as both screenwriter and director, just like real‑world filming. The most unexpected results often come from a natural, unrestrained situation. There is no need to control every transition and composition; just focus on key elements.
需求规划层面：如何在规定的时间内产出？
How to produce within the specified time?
需求规划层面：如何在规定的时间内产出？
How to produce within the specified time?
应该在开始就明确主次任务以及每个任务的时间周期，超时不做；
在这个项目的整个执行过程中，因为我过于在于艺术风格与效果，所以前期花很多时间在风格探索上，导致整个产出周期被拉长，且有很多返工的过程。
We should set clear deadlines for goals at the very start to keep the project on track.
While working on this project, I cared too much about artistic style and visual polish. I spent way too much time experimenting with styles early on. That dragged out the whole production timeline and led to lots of rework.
第二部分 交互网页构建与部署
01 VScode+codex协作搭建项目底座
02 网页展示
静态帧展示
第一章 Reminder
交互：序言+引入
第二章 Reflect
交互：上传图片
第三章 共鸣
交互：图像转换算法，将用户上传的图片转化成图谱
第四章 留言
交互：写下自己的思考
第五章 留存
交互：下载图片
03 整体交互流程
交互：序言+引入
交互：上传图片
交互：图像转换算法，将用户上传的图片转化成图谱
交互：写下自己的思考
交互：下载图片
现场交互流程简述
04 最终呈现
展览现场