3到5个人，把生成的镜头接成一集
2026年10月27日，Grok Imagine把第一集《The Oath》的做法发了出来。这集和Wonder Studios、导演Dev Walker一起做，全组只有3到5个人。他们想听电影人的意见，再拿去改Grok Imagine的画图和视频。
做短片的人能用上的，是这条链。同一个人在很多镜头里还得是同一个人。牛和马得按剧情走进来。生成出来的片段，还得能剪到一起。角色表管长相，关键帧管这一镜里人站在哪，提示词管镜头怎么动。生成完还得逐条挑、逐条看。
片子要发在社交媒体上，所以一开始打算每集大约5分钟。后面几集准备加长，让人和故事有地方展开，不过还是短片。10月23日发出的成片长7分12秒，分辨率3840×2160。当天Wonder Studios也说了，这一集是两边一起做的。
先写清每一镜观众看见什么
故事出自《奥德赛》（The Odyssey），也用了同一组希腊史诗里的别的故事。第一集取的是Cypria。这是《伊利亚特》的前传，原书已经没了，只剩一句梗概：奥德修斯装疯，想躲开特洛伊战争，最后被人识破。台词和脸都是剧组后来补的。
剧本先把这场落到能拍的动作上。公开的那一页是白天的伊萨卡海边。佩涅洛佩把一只木马玩具按进奥德修斯手里。帕拉墨得斯在船上喊他开船，话里的意思是，没有别的地要犁了，就起航。道具、动作和这句台词，都在生成之前写好了。
然后给每一镜写清单：景别、焦距、镜头的运动、人的动作、台词原句。景别就是人在画面里有多大。写得越细，生成越不容易跑偏。文件夹第一天就建好，先按场景分，再分成主镜头和补镜头。他们用的名字是SCENE1_FIELD_BROLL。一个镜头常常生出几十条，剪的时候靠这个名字找。
犁地这场的前四条，是把危险一点一点给观众看。第一条从正上方拍，婴儿忒勒马科斯躺在刚犁开的泥地当中。下一条先不拍人，只让牛蹄和马蹄进画面。再下一条，婴儿在前景，牛和马从远处拉着木犁过来，观众这时才看清它们正在逼近。佩涅洛佩跑过田野，摄影机跟着她。
三张图，让每条镜头还是同一个人
一张好看的脸不够用。人转过身，披风怎么垂；拉成全身，衣服和鞋子怎么配，前后镜头都要对上。
角色表不用弄复杂。灰背景上放三张：近景看五官、头发和胡子，正面全身看衣服和配饰，背面全身看披风和后脑的头发。年纪变了，或者衣服换了，就另做一张。奥德修斯这一集有三张。三张里的人不一样：有的披深色斗篷，头发全黑；有的戴头带，胡子花白；还有的斗篷更破，头发更长。
提示词把要对上的东西写死。他是三十多岁到四十出头的希腊男人，偏瘦，有肌肉，穿齐膝的深色羊毛衣和旧皮甲，带着青铜短剑。右肩一枚金胸针，图案是猎狗按住小鹿。图是16:9，细白线分成三格，三格得是同一个人、同一套衣服、同一套身材。年代是公元前1200年前后的迈锡尼希腊，要像实拍。有了这张表，脸偶尔还是会对不上，生成完得逐条看。
人先进场景，图对了再让它动
第一集五个地方：田野、宫殿、海边、船上，还有特洛伊城外的营地。每条提示词都写上景别、时间、气氛、摄影机、镜头和胶片。先有一张定风格的参考图，再把摄影机、镜头和胶片写进后面每一条。
提示词里不写导演的名字。片子看着像2000年代初的古装史诗片。开场那条写了35毫米胶片、老式球面镜头、每秒24帧。写进去的是想要的画面质感。导出分辨率要看工具里这一条怎么设。
角色和地点都有了，再把人放进场景，做成一张不动的图。这张图叫静帧，就是希望视频在某一刻长成这样：谁站哪，穿什么，镜头从哪边看。图先改到过关，再拿去做视频。图里的错，会跟着进视频。
泥地这场的两张静帧，就是两种状态。左边先摆好两个男人和躺在浅水里的婴儿，牛和犁还没进来。右边才让黄牛拉着木犁从画面右边走进来，赶犁的人跟在后面，黑马在牛的远处，只露出一截。站位、远山和雨都有了参照，不必只靠一句「在雨里赶犁」，让模型自己补。
中间一帧，规定第几秒走到这张图
只给开头和结尾，中间怎么走、第几秒走到某张构图，还是没说清。Grok Imagine可以在首尾之间再加一帧，并指定它在第几秒出现。开场要用它，因为奥德修斯得赶着犁，在该到的那一秒走进来。
界面上，中间帧勾着，时间定在第3.0秒。旁边写着720p、6秒。这组数字只对这一条有效。第3秒是希望画面接近这张图的时间：牛马和赶犁的人已经在画面里。开头那张交代开始，中间这张给定一个途中目标，结尾那张规定结束。生成完还得看，牛马到了没有，犁还连着没有，手有没有离开犁把。
这和前面的四条分镜不是同一次生成。分镜表把犁地拆成四条来切。开场这条长提示词是一个不切的长镜头，摄影机钉住，用三张参考图，牛马从右边走进来。它一次只做这一个镜头。
提示词分七块，没生成好就先改短
开场这条长提示词分成七块，每块只管一件事。摄影机管从哪看、镜头动不动。动作管谁从右边进来、犁怎么走。环境管雨和风。物理管蹄子踩泥、斗篷被吹起来、手不离开犁把。对白这一块写明，这条不要对白，也不要音乐。音效只管雨、蹄子和木头犁。限制把不能破的条件再写一遍：不切、不抖，黄牛靠近镜头，黑马在远处。
生成要是不对，就把提示词改短。细节堆上去，通常救不回来。先看坏在哪一层。牛马的远近反了，就核对参考图和文字里谁近谁远。镜头自己动了，就核对「机位钉死」那一句。先拿掉跟这个错无关的修饰，再生成一条来比。改短是他们的办法，改短了也不保证一定成。
机位也在讲故事。交代场景时，机位固定，镜头不动。一打起来，就换成手持。手持写成：摄影机不带稳定器，像有人蹲在暗处跟拍，画面左右猛甩、上下颠，地平线跟着脚步歪，焦点忽虚忽实。速度照常，不放慢。这比只写「紧张的打斗」清楚。
候选摆到一起，再剪成一场戏
一条单独看不错，接上一条，脸、衣服和光线还是可能对不上。他们把每一帧、每一条提示词和候选成片放在Grok Imagine的同一块画布上，画布名叫Canvas，按镜头归在一起，再并排挑。
这一集的剪辑、声音和调色，前后大约花了18小时。这18小时只算这三项，不算从写剧本到出片的全部时间。音效大多是Grok Imagine直接生成的，音乐和调色是剪完以后加上的。
订阅费和单条视频的价钱，这篇里没写。做这集的是3到5个人，一个镜头常常要出几十条。图还没对，就先别做视频。
