Claude Code→VOX 科学解説動画の6ステップ：Image2.5 の同源部分＋MiniMax H3

プロンプト

【Claude Code → VOX 科普片 · 六步】
1. 立规矩：每句旁白都得有一张能证明它的图；否则删掉空美。
2. 先写旁白，再想画面；一句话一个视觉想法，追问「这句拿什么图能证明」。
3. GPT Image 2.5 出图：图1=总控图（也是视频最后一帧）；图2–5=局部特写。关键：图2–5必须带着图1一起生成，写死「同一张版面的局部，除取景外别的不许变」。
4. 中文字印在图里，别让视频模型自己写。
5. MiniMax H3 参考模式 Ref2VA；提示词六段式，保留程度只认 fully_preserved / partially_preserved / attribute_transfer / weak_reference。
6. 旁白分句生成，用 ffprobe 量真实时长再排；字幕位置先抽帧避挡信息层。

【账本参考】15s / 约¥7.5（视频为主）；配音可忽略。

日本語訳

【Claude Code → VOX 科学解説動画・6ステップ】
1. ルールを立てる：ナレーションの各文には、それを証明できる画像が1枚必要；なければ空虚な美しさは削除する。
2. 先にナレーションを書き、それから画面を考える；一文に一つの視覚的アイデアで、「この文は何の画像で証明できるか」を問い続ける。
3. GPT Image 2.5 で画像生成：図1＝全体管理カット（動画のラストフレームでもある）；図2〜5＝部分クローズアップ。要点：図2〜5は必ず図1と一緒に生成し、「同じレイアウトの一部であり、構図以外は何も変えてはならない」と明記する。
4. 中国語の文字は画像内に印刷し、動画モデルに書かせない。
5. MiniMax H3 の参照モード Ref2VA；プロンプトは6セクション形式、保持度は fully_preserved / partially_preserved / attribute_transfer / weak_reference のみ。
6. ナレーションは文ごとに生成し、ffprobe で実際の長さを測ってから配置する；字幕位置は先にフレームを抜き出して情報レイヤーを避ける。

【コスト目安】15s／約¥7.5（動画が主体）；ボイスは無視できる。

出典

原作者

AlistairVadkqv

公開日

2026-09-21

原典

元の投稿を見る ↗

収録元

xianyu110/awesome-gpt-image2.5 · 2101861488189431919 · MIT