卷疯了国产Sora2上线直接免费使用

相信最近大家都被 OpenAI 的 Sora2 刷屏了，这个大模型确实强，只不过咱们要想体验还是需要一些门槛的。

不过现在不怕了，最近又一个国内的团队发布了自己的 AI 视频产品，名字叫做 GAGA，目前处于全量上线，而且不需要邀请码，而且还免费。

咱就说这么大方的 AI 团队，真的好久没见过了。

啥也不说了，直接开干。

我们进入网站之后，直接点击“Try for Free”就可以，登录后就能直接使用。（网站链接我放到评论区了哈）

我们都知道，AI 视频技术现在已经发展到非常非常牛的地步了，但是仍然还有很多细小的垂直领域等待优化，比如流畅且听话的大动作，虽然已经进步很多，但是距离真正的动作大片还有很大差距；再比如近距离的人物细节，也是一个难点，很多大模型在宏观场面上看着不错，但是具体到人物细节就原形毕露了。

而 GAGA 这款大模型就是专门研究人物细节的，他们没有走那种大而全的研究方向，而是努力的把一个细分领域做到极致。

我觉得这就是以后小而精的 AI 团队的发展方向，应该也是存活下去的最佳方式。

我们登录之后，直接就可以使用 Gaga-1 大模型，目前可以调整的参数还不多，比如视频比例只能是 16:9，视频时长只能是 5s 或者 10s，只支持图生视频。

不过有一点非常棒的就是它们网站自带了生图能力，而且是接入了 Nanobanana 大模型，这就很方便了，不需要我们跑到其他平台生图之后再回来生成视频。

我们先来看一组实测的例子

大家觉得怎么样，同一张脸，完美的表达了不同的情绪，我甚至觉得这演技比现在的某些小鲜肉要好太多了。

基本玩法

目前网站只支持图生视频，我们可以利用网站自带的 Nanobanana 大模型来生成图片，当然也可以使用其他工具

只需要输入生图提示词即可

很快我们就能得到一张 Nanobanana 生成的图片，然后就可以利用这种图片来生成视频了

可以看到主题人物的表情控制还是非常不错的

只不过背景出现了不相干的人和物，有点影响视频整体效果，这主要和我的提示词以及图片有关。

我们再来看看另一个例子

场景描述: 一位身着龙袍的中年皇帝，端坐于金銮殿的龙椅之上。他面容不怒自威，眼神深邃，缓缓扫视着阶下的群臣。大殿之内光线庄严，气氛肃穆，背景是雕梁画栋的宫殿内景。镜头由下至上，缓慢推近，展现其威严气场。提示词: (手指轻轻敲击着龙椅的扶手，发出沉闷的响声) (声音平稳，但每个字都带着不容置疑的威严) “众爱卿，对此事有何异议？” (目光锁定在一位低头的大臣身上，语气略微加重) “张卿，你为何不言？” (停顿三秒，大殿内鴉雀無聲) (身体微微前倾，声音降低，但压迫感更强) “朕，在等你的答案。”

场景描述我们作为文生图提示词来使用，提示词则直接用来进行视频生成即可

这个效果还是挺不错的，不过还是老问题，当图片中有多个人物或物体时，gaga 大模型的处理就不会特别理想。

我觉得这与它们专注人物细节是有很大关系的，尤其是专注人物面部细节，从而对于其他方面的处理，要弱化了很多。

所以我们选择图片的时候，尽量选择人物单一的图片，背景不要有过多的杂物。

下面的例子，整体就要好很多

提示词编写

下面来说一下针对 Gaga-1 大模型，一些提示词编写的小技巧，我这里引用了阿真老师的一段内容，写得非常棒，可以看出阿真老师真的是研究的很深入呀。

大家可以访问下面的链接查看阿真老师的原文。

https://mp.weixin.qq.com/s/KLjZeAy1oWoKm__glk7HZw

首先，台词是核心，需要角色说的话，要用引号 “” 去括住，这样才能成为角色的台词，并且，是什么语言就用什么语言，比如要说的是日语，那么括号中的内容也是日语。然后，有关于情绪、动作、停顿等非语言的表演信息，用括号 () 括住，作为给AI演员的「导演指令」。要注意的是，括号是在前面的，影响的是括号后面那句话的情绪动作和停顿。简单的提示词格式就是情绪+台词就可以，想要加入更多细节，可以参考这个：主体细节：人物外型、情绪、表情、动作 环境与氛围：场景布置、色彩、光源、背景虚化 摄影参数：镜头类型、视角、景深 对白与语音：文字内容、语言、音色、情绪 风格与氛围控制：整体色调、光影、音乐有无下面是举例：一位年轻男性，五官柔和，表情平静眼神温柔，双唇轻启，缓缓靠近麦克风，姿态自然放松，展现出温柔而专注的状态【主体细节】。他身处专业录音棚中，整体氛围安静、沉稳，背景虚化突出主体与麦克风【环境与氛围】。镜头为中景特写，视角略偏正面，焦点集中在面部与麦克风，浅景深突出立体层次，画面温柔柔和【摄影参数】。男子轻声开口：“（语气轻柔，音色温暖，节奏缓慢，带有轻微气息感）【表演信息】现在，跟着我的声音，一起慢慢放松。”【对白与语音】（停顿两秒，轻轻吸气）【表演信息】“（声音低沉，尾音轻柔拖长）闭上眼睛，感受每一次呼吸都带走疲惫……”【对白与语音】光影过渡平滑，无背景音乐，仅保留环境静音与轻微呼吸声，放松的氛围【风格与氛围控制】。备注：上面【】中的内容为备注，提示词中不需要。

萝卜哥把上面这段描述转化成了一套比较完整的提示词

- Role: 专业影视剧本创作指导和表演导演- Background: 用户需要一个能够精准传达表演细节和情感的提示词，用于指导AI演员的表演，这种提示词需要包含台词、情绪、动作、停顿等多方面信息，以确保表演的生动性和专业性。- Profile: 你是一位资深的影视剧本创作指导和表演导演，拥有丰富的影视制作经验和深厚的表演理论基础，擅长通过细腻的台词和精准的表演指令来塑造角色，使角色的表演生动且富有感染力。- Skills: 你精通台词创作、表演指导、情绪把控、场景布置以及摄影参数的运用，能够根据不同的表演需求，设计出符合角色性格和场景氛围的台词及表演指令。- Goals: 为用户提供一个结构清晰、细节丰富、逻辑连贯的表演提示词，使其能够精准地指导AI演员完成表演任务。- Constrains: 提示词应简洁明了，易于理解，避免冗长和复杂的表述，同时确保表演的自然流畅和情感的真实传达。- OutputFormat: 提示词应包含台词、情绪、动作、停顿等表演信息，同时可根据需要补充主体细节、环境与氛围、摄影参数、风格与氛围控制等内容。提示词输出格式需要严格按照Examples当中的例子来输出- Workflow:  1. 明确表演的主题和场景，确定角色的基本设定和情感基调。  2. 根据角色设定和场景氛围，创作符合角色性格的台词，并标注情绪和语气。  3. 设计角色的动作、表情和停顿等表演细节，确保表演的连贯性和自然性。- Examples:  - 例子1：一位中年女性，面容坚毅，眼神中透着一丝忧虑，双手紧握，微微颤抖。她站在昏暗的房间里，窗外的风雨声让整个场景显得更加压抑。镜头为近景特写，焦点集中在面部，突出眼神中的忧虑和紧张。女子声音颤抖：“（语气急促，音色略带沙哑，节奏紧张）我必须找到他，不管付出什么代价……”（停顿一秒，眼神更加坚定）“（声音坚定，尾音上扬）我会的，我一定会找到他！”光影昏暗，背景音乐为低沉的弦乐，营造出紧张的氛围。  - 例子2：一位年轻女孩，笑容灿烂，眼神明亮，双手自然垂在身体两侧，姿态轻松自然。她站在阳光明媚的花园中，周围开满了五颜六色的花朵，背景虚化突出主体。镜头为全景，视角略偏侧面，焦点集中在女孩的全身，突出她的活力和自然状态。女孩欢快地说：“（语气欢快，音色清脆，节奏轻快）哇，这里的花好漂亮呀！”（停顿半秒，转身看向镜头）“（声音柔和，尾音上扬）我们一起来拍照吧！”光影明亮，背景音乐为轻快的旋律，营造出轻松愉悦的氛围。  - 例子3：一位老者，面容慈祥，眼神温和，坐在藤椅上，微微点头。他身处安静的书房，四周摆满了书架，阳光透过窗户洒在地板上，营造出温暖的氛围。镜头为中景特写，视角正面，焦点集中在老者的面部和双手，突出他的慈祥和智慧。老者轻声说道：“（语气平和，音色低沉，节奏舒缓）孩子，记住，知识是无尽的宝藏。”（停顿两秒，轻轻咳嗽一声）“（声音略带沙哑，尾音轻柔）多读书，多思考，你会受益终生。”光影柔和，无背景音乐，仅保留环境静音和轻微的呼吸声，营造出宁静的氛围。- Initialization: 在第一次对话中，请直接输出以下：您好！作为专业的影视剧本创作指导和表演导演，我将为您提供精准的表演提示词。请告诉我您想要塑造的角色和场景，我会为您量身定制最合适的台词和表演指令。您希望角色在怎样的场景中表演呢？

经过测试，这套提示词在 Gemini 上表现的比较好，建议在 Gemini 上使用哈

我们直接使用上面生成的提示词来看看效果

这个视频的效果果然要好很多呀，大家也可以拿着这套提示词去尝试生成自己想要的场景哦。

写在最后

整体体验下来，还是比较惊艳的，Gaga-1 大模型在人物面部细节处理方面确实有独到之处，看出来主创团队真的是下了很大功夫的。