上传一张人物参考图，生成 12 种电影镜位的 3×4 分镜网格

最终效果

做完以后，你会得到一张完整图片：整体为 3:4 竖幅，内部按照 3 列 × 4 行 排列十二格。同一个戴黑色墨镜、穿黑色风衣的男性出现在伦敦街道、市场、桥和地铁扶梯等环境里，每一格使用不同的电影镜位。

这张图的重点是一次比较十二种取景方式。它不是一段连续剧情，也不是十二张分别导出的高清图片。生成完成时，屏幕上应该只出现一张十二格接触表。

先看十二格各自要表现什么：

下面的所有操作，都是为了让最终一张图同时满足这张表。

上传人物参考图

打开可以使用 GPT Image 1.5 的图像生成入口，新建一次生成。在输入框旁找到上传图片的位置，上传一张人物清晰、没有严重遮挡的男性照片。

最好选择能看清脸型、发型和上半身轮廓的图片。原图不一定要在伦敦，也不需要已经穿黑色风衣；它的作用是告诉模型“十二格里一直是这个人”。如果图片里有多人，先裁到只保留目标人物，否则模型可能在不同格里切换身份。

上传完成后，输入区应出现人物缩略图。先不要一次上传很多风格参考，因为这一篇只需要一个明确的身份起点。

写清人物特征

参考图能提供身份，但十二次改变景别和角度后，模型仍可能把发型、服装或年龄改掉。因此在提示词开头，用一句话把最容易辨认的特征再写一遍。

可以直接从这段开始，再按你的图片修改：

始终使用我上传的男性作为唯一主角。保持同一张脸、同一年龄、同一发型和相同身材比例。角色佩戴黑色墨镜，穿黑色长风衣，神情冷静而警觉。十二格中不要换人，不要改变服装颜色和发型。

写完后检查三件事：有没有明确“同一角色”、有没有写出最醒目的服装、有没有指出不能变化的内容。这里不需要写人物履历或故事背景，因为最终图片只检验外观和镜位。

统一伦敦环境

接着告诉模型，十二格属于同一个伦敦谍战世界。环境描述要能覆盖街道、市场、威斯敏斯特桥、大本钟和地铁扶梯，又不能把每一格变成完全不同的年代或天气。

在人物描述后加入：

所有画面发生在当代伦敦，阴天、冷色环境光、潮湿路面，整体像写实谍战电影。可使用伦敦街道、繁忙市场、威斯敏斯特桥、大本钟和地铁扶梯作为背景，但十二格保持相同的天气、色调和时代。

这样写的原因很直接：镜位可以变，世界不能每格重置。完成后，你的提示词中应同时出现具体地点和统一天气，而不是只有“电影感伦敦”这类模糊形容词。

写入十二个镜位

现在把十二格按从左到右、从上到下的顺序写进提示词。每一条同时包含景别或机位、人物动作和必要背景，模型才知道每格为什么不同。

按照从左到右、从上到下的顺序生成十二格：
1. 人物面部近景，墨镜和风衣领口清晰；
2. 眼部极特写，画面聚焦墨镜与眼部区域；
3. 主观瞄准镜头，角色的手和瞄准动作进入前景；
4. 中景，角色在伦敦街道向前行走；
5. 低机位仰拍角色，背景能看到大本钟；
6. 过肩镜头，从角色肩后看向伦敦街道；
7. 高机位俯拍角色在城市空间中移动；
8. 市场中的跟拍镜头，角色穿过人群和摊位；
9. 从柱子后方揭示角色，柱子作为前景遮挡；
10. 威斯敏斯特桥上的大全景，人物较小但仍可识别；
11. 地铁扶梯上的荷兰角镜头，画面明显倾斜；
12. 人群中的鸟瞰镜头，从正上方看见角色。

不要把“近景、极特写、高机位、鸟瞰”写成一串没有动作的关键词。上面的写法让每个术语都对应一幅能看懂的画面。写完后数一遍，必须正好十二条；少一条会空格，多一条容易打乱网格顺序。

加入电影摄影效果

最后补充统一的摄影语言。它负责让十二格看起来来自同一部电影，而不是十二种互不相关的生成风格。

写实电影摄影，克制的冷灰色调，高对比但保留暗部细节，自然景深，真实镜头质感。行走、市场跟拍等运动镜头可有轻微运动模糊，静止特写保持面部和服装清晰。光线方向、人物外观和风衣材质在十二格中保持一致。

“轻微运动模糊”只用于有动作的格子。所有格都强行模糊，会让眼部特写和人物身份无法检查；所有格都极锐利，又会削弱跟拍镜头的速度感。

生成并检查网格

把人物、环境、十二镜位和摄影效果合并后，在结尾写清最终版式：

最终只输出一张 3:4 竖幅图片，内部为严格的 3 列 × 4 行网格，共十二格。每格边界清楚，顺序与上面的 1—12 完全一致。所有格必须是同一名男性角色，不生成标题、说明文字、水印或额外面板。

提交生成。结果出现后，不要只看“像不像电影”，按下面的顺序逐格核对：

当一张图同时满足十二格数量、同一人物、指定镜位和统一伦敦气氛时，这篇教程就完成了。最终保存的是这张 3×4 分镜网格，不需要再拆成十二张独立图片。