导演 Dave Clark 终于完成了 AI 短片 《营》的制作。影片巧妙地讲述了二战期间第320阻塞气球营的故事，他们是唯一一支参与诺曼底登陆的非裔美国人部队。影片不仅生动再现了 D-Day 海滩上残酷的战争场面，更巧妙地将其与当时美国社会中黑人所面临的困境相呼应。
影片中，主角始终被一个问题所困扰："我们到底在为什么而战？" 这些黑人士兵虽然为国家奋战牺牲，却无法在自己的祖国享有平等的权利，颇令人深思。
一个 15 人团队在 14 天内通过10.8万次生成，制作出一部90分钟的AI长片并入围戛纳影展。创作博主ADIL分享了制作过程，包括将影片从 110 分钟剪至 90 分钟、修复 40 个场景，并展示了三个典型问题场景的修复案例。他总结了28 个技巧，涵盖提示词、前期制作、团队协作和剪辑。关键技巧包括：情感场景需描述身体细微反应以消除“机器人感”.图像提示词应指定镜头焦距、光圈等参数，避免空泛描述。避免正面视角，使用四分之三或天花板角度。通过 X 轴 Y 轴百分比坐标系统精确控制角色位置。
Google I/O 大会上，DeepMind 团队推出全新多模态视频模型 Gemini Omni，被视为视频领域的 “Nano Banana”。该模型从底层架构重新设计，支持图像、视频和音频混合输入，通过日常语言即可完成复杂视频编辑。其核心优势在于高可控性和时间维度感知，例如可让画面中的物体凭空消失或改变摄像机视角，同时保持背景与动作一致。用户仅需提供几张照片和一段语音，即可生成高度还原的个人虚拟分身。Omni 还展现出未经过专门训练的涌现能力，如自动同步视频与音乐节奏、根据剧情逻辑续写场景。
文章指出 AI 图像生成效果不佳的根本原因在于提示词质量，而非工具本身。核心观点是使用结构化描述替代模糊指令，将“主体+环境+风格+光线+细节”五个维度纳入提示词。描述越具体， AI 生成方向越明确，随机性越低。常见问题包括概念混搭、关键词堆砌、忽视光线设定等。实用技巧是把提示词当作向朋友描述画面，保持语义连贯。提示词质量直接影响点击率，这种结构化思维与写产品需求文档、设计简报的逻辑相同。
围绕《AI 电影《营》》展开交流，未登录用户可浏览评论，登录后可参与讨论。
