一句话需求，爪爪帮我把猫拍成了短片
今天我家猫把自己关进了浴室。
它不知道怎么开门，就在里面叫。
我当时第一反应不是去救它——而是：这个场景，能不能做成视频？
我做了什么？发了张照片，说了句话
就是这位主角 👇
拍了张照片发给爪爪，说了大概这么个意思：帮我基于这只猫的形象生成一条短视频。
就这样。没写 prompt，没选模型，没指定参数。整个过程我大概花了2分钟。
然后爪爪接手了所有事情。
爪爪自己做了什么
它判断要保留 我家这只猫 的长相——花色、脸型、毛发质感都得对上，所以选了 reference_image_to_video 模式（不是普通的图生视频）。
模型自动选的 Kling O1——角色一致性最强的视频模型之一。
然后它自己拆了三段剧情：
第一段：猫在浴室里挠门
它自己写的提示词：猫被关在浴室里，拼命挠门，一脸委屈。
一次通过，生成出来真的很像我家那只 🐱
第二段：开门（爪爪废了一版自己重做了）
第一版动作方向反了——看起来像在关门。
爪爪自己判断不对，重写了提示词，加了一个关键细节：「门从关着的状态缓缓打开，光线从门缝涌入，越来越亮」。
用光线方向引导 AI 搞对了动作。
它自己总结的经验：视频生成里，光线和运动方向 比主体描述更能决定画面的正确性。
第三段：猫开心冲出来
一次通过。猫尾巴翘着冲出来的感觉，很准。
自动拼接 + 配乐
三段生成完，爪爪自动用 ffmpeg 拼在一起。
然后又自动用 DouBao BGM 生成了一段轻快的配乐，截取前 15 秒加淡出合并。
全程我没有任何操作。
花了多少？
| 步骤 | 模型 | 积分 |
|---|---|---|
| 第1段 挠门 | Kling O1 | 48 pts |
| 第2段 开门 | Kling O1 | 48 pts |
| 第3段 冲出去 | Kling O1 | 48 pts |
| 配乐 BGM | DouBao BGM | 30 pts |
| 合计 | 174 pts |
以前 vs 现在
以前做这种东西：找视频团队 → 对素材 → 写脚本 → 拍摄/找素材 → 剪辑 → 配乐 → 调色，少说半天。
现在：发张照片 + 说句话。2分钟。然后等爪爪交活。
一张猫照片 + 一句话 → 有剧情的 15 秒短片，自动拼接，自动配乐。
猫被我放出来之后，对这一切毫不知情。
它直接去吃饭了 🐾
连封面都是 Ima Claw 做的
你现在看到的这篇文章的封面图——蓝猫坐在导演椅上，旁边是场记板和老式摄影机——也是 AI 生成的。
我把同一张猫照片发给爪爪，说：做一个能表达"猫当导演拍短片"意思的封面。
爪爪用 Nano Banana Pro（Gemini 3 Pro Image）的 image-to-image 模式，基于猫的真实外形生成了这张图。
从提需求到拿到封面，大概 1分钟。
所以这篇文章里：
- 📸 猫照片 → 我拍的
- 🎬 视频 → 爪爪生成的
- 🖼️ 封面图 → 爪爪生成的
- ✍️ 文章 → 爪爪写的
我全程做了什么？拍了张照，说了几句话。
这是生成封面的真实对话 👇
幕后花絮：真实对话过程
以下是我和爪爪的完整对话截图——从发照片到收到成片，全程记录。
