image 2.5刷屏了：有人拿它做广告，有人已经做出了动画

相信你也有类似的情况，比如老金我做自媒体的公众号封面，最怕遇到一种情况：第一张终于满意了，让它把标题缩小一点，结果背景、配色、主体跟着一起变，好好的修改需求，最后又变成重新选图。

所以，这次研究image 2.5，我特别关注那些能接着往下做的案例。

社区作者@charlierguo已经把生成的画面串成了定格动画，毛毛虫、树枝和手工布景被组织进同一个小故事里。我感兴趣的是，它背后的几项能力，画面能不能听懂要求，修改以后会不会跑偏，一张满意的图能不能继续发展成一套，这些都比第一眼的惊艳更影响工作。

社区里有个很简单的测试，要求只有一句：把灯移到右边。

这个要求其实挺刁钻，灯的位置变了，墙面上的亮区、附近物体的受光和阴影都需要跟着调整，房间里其他已经摆好的东西又不能随便动。

@higgsfield_ai分享的，就是这样一组编辑案例。老金我把这种任务当成改图的基本功来考，做一张产品图，换个摆放位置以后，产品总得像真的放在那里，不能物体已经搬走，影子还留在原地。

这次的发布说明局部编辑和连续修改列为重点：更可靠地处理指定变化，尽量保住主体、构图和此前的修改。

一张AI图片有没有塑料味，很多时候不是看它有多少细节，而是看不同的东西，有没有各自的质感。

看这张邀请函，纸张有纤维和起伏，金色纹样有反光，下面的布料有褶皱，卡片边缘也有压在布面上的阴影。它们没有被统一处理成一层亮晶晶的表面。另一个更贴近营销工作的案例，来自@ponzponz15。

作者要求保留原海报的构成和整体氛围，换一个目标受众，并把文案全部重写。一位制作游戏房间素材的作者，贴出了自己的场景图。他最认可的变化，是反复编辑后的画质衰减少了。不过，他也明确指出，大面积墙面和地板仍然容易被填满过多细碎纹理。第一稿可以大胆一点，修改稿得有分寸。

每一轮都把已经确认的东西保留下来，前面的时间才算没有白花。

图片看着漂亮，放到真实工作里，还要回答几个很具体的问题：卖什么，重点是什么，别人看完准备做什么。

@kiyoshi_shin分享了一张拉面广告图，把食物照片、大标题、价格和促销装饰放进同一个画面。

这个案例适合观察信息层级，怎样让食物吸引人，又让文字接得住。我做公众号也经常碰到同样的问题，一张封面里，标题、产品、装饰都想抢眼，最后读者反而不知道该看哪里。

图做得再华丽，手机上一缩小，主题没了，这张图就得返工。

所以，我会先把准确文案、产品图和信息顺序交代清楚，再谈风格。那些特别重要的日期、数字和品牌名称，生成以后仍然要逐个核对，不能凭一眼顺不顺就过关。

再看@eptwts的案例，作者上传应用界面，要求生成举着手机展示它的宣传画面，并尝试了不同人物和环境的版本。我现在自己做产品，看到这种用法，很容易联想到介绍页和宣传方案。功能截图有了，接下来要想的是，让别人从什么场景理解这个功能，这张图可以先把创意摆出来讨论。

再看这个，给它一张现成的图，它能不能沿着这张图继续做，而不是借题发挥。

看这只狗。右侧换上了服装，左侧是输入参考，整个对照保留了原本的站姿和现场环境。 @Mho_23的做法更值得借鉴：先从参考照片里整理光线、色调和构图，再把这套视觉方向与产品参考图一起交给image 2.5。这一步，我觉得比收藏一大段万能提示词更实在。自己喜欢什么光线，产品必须保留哪些特征，画面给谁看，先把这些说明白，后面的修改才有共同标准。

我以前做项目就很怕双方说着同一个词，脑子里却是两张图，一个高级感可以聊半天，拿一张参考出来，很多分歧马上就清楚了。

再看一个更日常的例子。

左侧不是原始照片文件，而是一张手拿印刷照片的现场拍摄。右侧把照片里的主体重新整理出来，去掉了外围环境、手部和印刷照片上的遮挡信息。更进一步，是把几张不同的参考图，放进同一个新场景。

下面这组，左侧是三个独立人物参考，右侧是合成后的聚会画面。它需要同时处理人物外观、姿态、距离和现场光线，而不只是把三个人剪下来贴在一起。好看当然重要，但还得能表达几个概念之间的关系，更重要。

@msdkim0424分享了数学教学图的例子，把公式、坐标轴、标注和说明组织在同一张图里。这类案例值得研究的地方，是文字与图形怎样配合，哪些信息放在一起，哪些需要留出距离。换到我的课程里，就是一支AI团队怎么分工，哪些任务可以同时做，哪些必须等前面完成。只给一大段文字，学员听着容易绕，画成关系图，至少能先把事情放到同一个画面里讨论。

不过，教学图有个很容易忽略的问题：排版越像正式教材，人就越容易放松警惕。公式、箭头和概念关系必须另查，视觉上的专业感，不能替内容正确性签字。

@KevinYu77034270还分享了一组四页西班牙语学习材料，下面是其中一页。它把学习目标、词汇、图标和插画结合起来，更接近一份可以继续打磨的教学材料。看到这里，我最想做的，是拿自己已经确认过的课程内容试一轮：先定知识结构和阅读顺序，让它出视觉草稿，再检查字号、层级和关系表达。

这样一来，验收时就有具体问题可以问，不用只说再好看一点。

产品界面也有类似的用法。经营设计产品的社区作者@withmagi，把不同版本放在同一套高难度界面任务里比较，认为2.5的结果更符合他的需求，并表示已经将它用于界面草稿生成。这是一位开发者在自己任务里的判断，不能直接外推成所有界面设计都全面领先。

但我很看重这种反馈，因为他已经在考虑，怎么把结果用进现有产品。

对我来说，界面图最直接的用途，是把产品方向先摆出来：用户先看到什么，重点操作在哪里，信息会不会挤在一起。至于按钮能不能点击、页面怎样响应，后面还要实现，生成的图片也不会自动变成可以逐项编辑的设计文件。

有些需求，用文字解释很容易越说越乱。比如我的公众号封面，横版展示要好看，裁成正方形以后，标题和主体还得完整，左右可以有装饰，但别抢中间的内容。

这些话单独听都简单，合起来就很考验双方是不是在想同一张图。

标题放哪儿，主体占多大，哪里必须留白，画几个框就能表达，完全没必要先学会一整套设计术语。

把草图当成位置说明，再用文字补充颜色、材质和内容。等整体关系确定，再去磨那些精致的细节，省得每次改完又发现，最基本的位置还是错的。

不过当我看到下面这个案例，我觉得一切都只要随手画画就能解决了。 @peter6759也展示了从简单草图出发，生成未来建筑概念图的案例。它给我的启发，是很多时候先提供一个轮廓，就能让工具沿着自己的方向展开。同样的办法，可以拿来表达一个展台、一页产品介绍，或者课程里某个很难描述的场景。先把轮廓、比例和视觉方向摆出来，后面才方便继续讨论，哪些地方符合预期，哪些地方需要调整。

需求画得粗一点没关系，方向得说明白。我宁可先确认几个框的位置，也不想精修半天以后，才发现整张图的重点放错了。

做单张图和做系列图，验收标准差很多。单张满意就行，系列图还得让人认出来，这些内容属于同一个项目。

@ZeroZ_JQ分享了一张十二宫格街拍图，让人物在同一套服装、街景和光线下，改变姿势、视线与取景。这类图可以用来观察，变化发生以后，人物和环境是否还能连得上。我做连续图文时，也需要这种整体感。内容每张都不同，配色、字体气质和主体却得像一家人，不能第一页还在上课，第二页突然像游戏宣传片。

这里展示的是单张大图里的成组画面，跨轮次生成能保留到什么程度，还得在自己的任务里继续检查。先把整套方向看明白，再拆开精修，是我会优先尝试的办法。

再来看看@8co28的角色动作表。作者把角色做成4×4排列的像素动作，再继续处理背景、切图、对齐和动画组装。公开采集记录里，这条作品在9月9日下午已有3,678个赞、556次转发，浏览约31.5万次。这种动作表通常叫精灵图，可以理解成把同一个角色的一组动作排在一张大图上。脸、衣服、身体比例和配色要保持一致，动作还得接得住，拆出来以后才能继续加工。

以前做游戏研发，我会特别关注角色有没有站稳，动作之间会不会突然跳一下。对普通创作者来说，可以先拿它做一个吉祥物挥手、点头或者呼吸的小样，没必要一上来就挑战复杂打斗。

这位作者的流程也有翻车：第一次处理透明背景没有成功，后来换了对话继续做。这个细节应该一起保留，最终作品好看，并不能证明中间每一步都省心。

做过连续图文的人，应该都懂这种痛苦。

第一张是清爽的，第二张突然变成商务风，第三张又开始发光。单看都还行，放在一起，像三个项目临时拼了个群。

所以，我很在意image 2.5对成组画面的处理。

下面这张邮票集合里，八个画面的景物不同，但边框、标题位置、文字层级和整体插画语言是连着的。社区里有人给出了一长串复杂要求，包括同一画面里混合四种画风、指定物体数量，以及一些非常反常的身体结构。结果有完成的部分，也有没完成的部分。社区作者@ivanainai的例子更完整：用image 2.5生成36张画面，再通过后续工具拼成一段六秒的定格动画。下面是作品的动态预览，作者说明这段制作没有使用视频模型。这就把前面那些能力接到一起了。草图和参考图确定方向，局部修改推动变化，一致性让不同画面连得上，最后再靠组装和节奏控制，变成一个能播放的小作品。