我输入了一段 prompt，按下生成。手还搁在键盘上呢，视频已经出来了。 画面前景是一杯冒着热气的黑咖啡，背景模糊；随后焦点平滑转移，清晰展现出背景中一位翻阅旧书的女孩。 改了两个词，把光线方向调了一下，再按一次。又出来了，质感没掉。提示词写得很随意，就是脑子里的画面用大白话说了一遍，没有刻意堆关键词，模型全听懂了。