一张分镜图，直接变成 20 秒蜜雪冰城广告？Gemini Omni Flash 实测
最近在测试 Gemini Omni Flash 的视频生成能力。
这次我刻意避开了单镜头炫技视频，想测试一个更实际的问题：
Gemini Omni Flash 能不能看懂一张完整 Storyboard，然后按照分镜连续拍完一条广告？
所以我给它设计了一个非常简单的场景：
一个女生在炎热的夏日下午走进蜜雪冰城，点一杯冰鲜柠檬水，完成支付，店员现场制作，最后把饮料递给她。
最终的工作流其实很简单：
Image 2 生成 Storyboard → Gemini Omni Flash 生成前 10 秒 → 再生成后 10 秒 → 拼接成完整广告。
这次真正想测试的，是比“视频画质好不好”更实际的东西。
而是它能不能处理：
连续人物、真实门店、中文对白、支付动作、饮料制作、产品特写，以及两个 10 秒视频之间的连续性。
先看最终结构
我把整条广告设计成 6 个镜头，大约 20 秒。
| 分镜 | 时间 | 内容 |
|---|---|---|
| 01 | 0–3 秒 | 女生走向蜜雪冰城 |
| 02 | 3–6 秒 | 推门进入门店 |
| 03 | 6–10 秒 | 点冰鲜柠檬水并支付 |
| 04 | 10–13 秒 | 店员开始制作 |
| 05 | 13–17 秒 | 柠檬、冰块、柠檬水微距特写 |
| 06 | 17–20 秒 | 店员把成品递给女生 |
这里我没有直接让 Gemini 自己设计镜头。
因为如果只输入：
一个女生去蜜雪冰城买一杯柠檬水。
模型还需要自己决定人物长什么样、门店长什么样、怎么拍、什么时候切镜头、店员怎么做饮料。
自由度越高，越容易出现：
人物换脸、服装变化、门店变化、杯子变化、动作断裂。
所以第一步先用 Image 2 把整条广告“画出来”。
第一步：用 Image 2 生成完整 Storyboard
这里建议 Prompt 写得详细一点。
因为这张 Storyboard 不只是给人看的，它后面还会作为 Gemini Omni Flash 的视觉参考图。
我们需要提前锁定：
人物、门店、支付环境、6 个镜头和柠檬水的制作流程。
直接使用下面这段 Prompt。
创建一张专业、写实的商业广告 Storyboard 分镜表。
广告主题：
一名年轻女生在炎热的夏日下午走进中国的“蜜雪冰城”门店，
点一杯冰鲜柠檬水，
完成支付，
店员现场制作，
最后将制作完成的柠檬水递给她。
这是一条发生在中国真实蜜雪冰城门店中的短视频广告。
最终必须生成一张完整的专业广告分镜表，
而不是 6 张独立图片。
━━━━━━━━━━━━━━━━━━
【整体布局——严格固定】
━━━━━━━━━━━━━━━━━━
横向专业商业广告 Storyboard 排版。
2 列 × 3 行。
共且仅有 6 个分镜。
每个分镜：
左侧约 70%：
写实电影感分镜画面。
右侧约 30%：
白色镜头信息栏。
每个分镜顶部使用深红色横向标题栏。
顶部标题全部使用中文：
编号 | 画面 | 动作 / 对白
每个画面的左上角有明显的白色圆形数字编号：
1、2、3、4、5、6。
所有分镜之间使用细灰色或黑色边框。
整体背景纯白。
像真实广告公司、导演和制片团队使用的商业拍摄分镜文件。
所有文字使用简体中文，
清晰、锐利、正确、容易阅读。
整张图片禁止出现任何英文单词或英文句子。
不要标题页。
不要第 7 个镜头。
不要无关装饰。
不要改变 2×3 排版。
━━━━━━━━━━━━━━━━━━
【品牌与门店】
━━━━━━━━━━━━━━━━━━
品牌明确为：
“蜜雪冰城”
这是中国真实的蜜雪冰城饮品门店。
门店外部：
红色品牌门头，
白色中文“蜜雪冰城”招牌，
红框玻璃门，
透明玻璃橱窗，
典型红白色品牌视觉。
门店内部：
红白色装修，
中文菜单，
中文产品名称和价格，
饮品柜台，
收银区域，
饮品制作区域，
不锈钢操作台，
真实桌椅和饮品设备。
禁止将品牌名称写成英文。
禁止出现：
英文菜单，
英文广告语，
英文提示牌，
英文包装文字，
任何其他英文单词。
所有能够辨认的门店文字全部使用简体中文。
━━━━━━━━━━━━━━━━━━
【支付环境】
━━━━━━━━━━━━━━━━━━
收银台体现真实中国线下支付环境。
可以看到：
二维码支付立牌，
手机扫码支付二维码，
“碰一碰”支付标识或设备。
支付提示文字全部使用中文。
不要出现外国信用卡终端作为主要支付方式。
不要出现美元符号。
不要出现英文支付界面。
━━━━━━━━━━━━━━━━━━
【统一人物】
━━━━━━━━━━━━━━━━━━
顾客：
约 22 岁年轻东亚女性。
自然真实的年轻女性面孔，
肩部长度黑色直发，
自然淡妆，
真实人体比例。
穿：
深酒红色无袖上衣，
浅米色高腰长裤，
黑色小型单肩包。
所有镜头必须保持：
同一张脸，
同一发型，
同一服装，
同一单肩包，
同一体型。
店员：
年轻东亚女性蜜雪冰城店员。
黑色头发整齐扎起，
穿整洁的门店工作制服，
佩戴工作帽。
所有相关镜头保持同一个店员。
━━━━━━━━━━━━━━━━━━
【分镜 1】
━━━━━━━━━━━━━━━━━━
时间：
0–3 秒
镜头：
广角，缓慢推进
动作：
炎热明亮的夏日下午。
女生感觉天气很热，
一边轻轻用手扇风，
一边走向蜜雪冰城。
对白：
女生：
“好热啊，去喝杯柠檬水。”
画面：
完整展示蜜雪冰城门店外观。
红色门头。
醒目的白色中文：
“蜜雪冰城”
女生从画面前方走向入口。
透过玻璃可以看到红白色店内环境。
明亮夏日下午阳光。
真实街道环境。
自然阴影。
写实商业短视频摄影。
━━━━━━━━━━━━━━━━━━
【分镜 2】
━━━━━━━━━━━━━━━━━━
时间：
3–6 秒
镜头：
跟拍，自然手持
动作：
女生来到门口，
自然推开红框玻璃门进入蜜雪冰城。
进入后看向中文菜单和柜台。
画面：
摄影机位于女生后方略偏侧面。
保持与上一镜头完全相同的人物。
玻璃门具有真实反射。
店内可以看到：
中文菜单，
红白色柜台，
桌椅，
饮品制作区域。
所有菜单和标识使用中文。
━━━━━━━━━━━━━━━━━━
【分镜 3】
━━━━━━━━━━━━━━━━━━
时间：
6–10 秒
镜头：
中景
动作：
女生来到收银柜台。
她对店员说：
“你好，一杯冰鲜柠檬水。”
店员自然微笑回答：
“好的。”
随后女生拿出手机完成支付。
画面：
女生和店员隔着柜台自然交流。
柜台上存在：
二维码支付立牌，
清晰可见的支付二维码，
“碰一碰”支付标识或设备。
表现真实中国移动支付环境。
背景是中文菜单。
店员表情自然。
人物不要看镜头。
━━━━━━━━━━━━━━━━━━
【分镜 4】
━━━━━━━━━━━━━━━━━━
时间：
10–13 秒
镜头：
中近景
动作：
店员开始制作冰鲜柠檬水。
将几片新鲜黄色柠檬放入透明饮料杯，
随后进行简单压制。
画面：
从店员侧后方拍摄。
重点展示：
店员双手，
透明杯，
新鲜黄色柠檬片。
旁边存在：
新鲜柠檬，
冰块，
饮品制作工具，
不锈钢操作台。
手部结构正确。
动作符合真实饮品店制作流程。
背景仍然是同一家蜜雪冰城。
━━━━━━━━━━━━━━━━━━
【分镜 5】
━━━━━━━━━━━━━━━━━━
时间：
13–17 秒
镜头：
超近距离微距产品镜头
动作：
晶莹透明的冰块落入杯中。
随后淡黄色、半透明的新鲜柠檬水倒入杯中。
柠檬片和冰块自然移动。
画面：
这是整条广告最重要的饮品特写。
透明杯占据画面主体。
杯中清晰看到：
鲜黄色柠檬片，
透明冰块，
淡黄色半透明柠檬水。
液体从上方倒入。
产生少量自然飞溅。
冰块自然移动和漂浮。
杯壁逐渐出现细小冷凝水珠。
柠檬果肉纹理清晰。
强调：
冰凉，
透明，
清爽，
新鲜。
像专业夏季饮料商业广告。
不要把柠檬水生成浓稠果汁。
不要奶茶质感。
━━━━━━━━━━━━━━━━━━
【分镜 6】
━━━━━━━━━━━━━━━━━━
时间：
17–20 秒
镜头：
近景，产品英雄镜头
动作：
店员将制作完成的冰鲜柠檬水递给女生。
女生自然伸手接过。
女生说：
“谢谢。”
画面：
最终成品柠檬水位于视觉中心。
店员从一侧递出杯子。
女生从另一侧接住。
透明杯中清晰看到：
黄色柠檬片，
大量透明冰块，
淡黄色透明柠檬水。
杯壁覆盖真实冷凝水珠。
背景中的蜜雪冰城门店轻微虚化。
浅景深。
焦点落在冰鲜柠檬水上。
具有真正商业饮料广告的产品英雄镜头质感。
━━━━━━━━━━━━━━━━━━
【连续性】
━━━━━━━━━━━━━━━━━━
6 个镜头属于同一条连续广告。
必须保持：
同一个女生，
同一张脸，
同一发型，
同一套服装，
同一个黑色单肩包，
同一个店员，
同一套工作制服，
同一家蜜雪冰城，
同样的红白装修，
同一种透明饮料杯。
饮料制作必须连续：
分镜 4：
柠檬进入杯中。
分镜 5：
加入冰块和柠檬水。
分镜 6：
完整成品。
━━━━━━━━━━━━━━━━━━
【文字要求】
━━━━━━━━━━━━━━━━━━
整张 Storyboard：
只允许出现简体中文和阿拉伯数字。
禁止出现任何英文单词。
顶部和信息栏统一使用：
时间
镜头
动作
对白
画面
编号
品牌统一写：
蜜雪冰城
━━━━━━━━━━━━━━━━━━
【最终质量】
━━━━━━━━━━━━━━━━━━
真人写实商业摄影。
真实中国城市和门店环境。
真实人体结构。
自然面部表情。
正确手部结构。
真实玻璃反射。
真实冰块。
真实柠檬果肉。
真实液体物理效果。
自然夏日光线。
专业食品饮料广告摄影。
不要：
动漫，
卡通，
插画，
3D 渲染感，
塑料皮肤，
畸形手指，
多余肢体，
人物换脸，
人物复制，
服装变化，
场景变化。
━━━━━━━━━━━━━━━━━━
【最终输出】
━━━━━━━━━━━━━━━━━━
只生成一张完整 Storyboard。
严格：
2 列 × 3 行。
共 6 个分镜。
不是六张独立图片。
所有文字全部为简体中文。
不得出现任何英文单词。
最终效果像专业广告公司为
“蜜雪冰城冰鲜柠檬水”
制作的正式商业拍摄分镜表。生成完成之后，先检查一下：
人物有没有变、6 个镜头顺序对不对、店铺是不是同一家、柠檬水有没有前后连续。
如果某一格有问题，最好先修分镜，再进入视频生成。
第二步：把分镜图上传给 Gemini Omni Flash
Gemini Omni Flash 单次只能生成 10 秒左右，所以我没有让它强行把整个 20 秒广告一次生成。
而是把 6 个镜头拆成两组：
第一段：进店 → 点单 → 支付
第二段：制作 → 产品特写 → 递给顾客
这样还有一个好处：
每一段只需要处理 3 个镜头，模型的注意力不会被分散得太严重。
第三步：生成前 10 秒
上传刚才生成的完整 Storyboard。
然后输入：
参考我上传的 6 格广告分镜图，生成这条广告的第一段视频。
视频时长：10 秒。
本次只执行分镜 1、2、3。
不要提前出现分镜 4、5、6。
【0–3 秒】
严格参考分镜 1。
炎热明亮的夏日下午。
同一个年轻女生走向蜜雪冰城。
广角镜头从女生后方缓慢向前推进。
女生一边走，一边因为炎热轻轻用手扇风。
她自然地说：
“好热啊，去喝杯柠檬水。”
完整保留分镜中的蜜雪冰城外观。
门店品牌为中文“蜜雪冰城”。
【3–6 秒】
自然切换到分镜 2。
摄影机跟随女生来到门口。
女生伸手推开红框玻璃门，进入蜜雪冰城。
玻璃门产生真实反射。
摄影机自然跟随她进入门店。
她抬头看一眼中文菜单，然后走向柜台。
【6–10 秒】
自然切换到分镜 3。
女生来到柜台，与同一个女店员面对面。
女生自然地说：
“你好，一杯冰鲜柠檬水。”
店员微笑回答：
“好的。”
随后女生拿出手机完成支付。
柜台保持真实中国门店支付环境：
二维码支付，
碰一碰支付设备或标识。
支付动作自然快速。
不要长时间展示支付界面。
【连续性要求】
严格参考上传的分镜图。
保持同一个女生：
同一张脸，
同一发型，
同一服装，
同一个黑色单肩包。
保持同一个店员。
保持同一家蜜雪冰城门店。
人物动作自然。
中文对白自然。
口型尽可能与对白同步。
镜头切换流畅。
真实手持商业短视频摄影。
不要人物变形。
不要多余手指。
不要突然换脸。
不要改变服装。
不要改变门店。
画面中所有可辨认文字均使用中文。
不要生成任何英文单词。
整体呈现真人实拍的商业短视频质感。
最后一帧停留在：
女生刚刚完成点单和支付，
店员准备开始制作饮料的状态。
这个结尾必须能够自然衔接下一段视频。Prompt 结尾我加了一句：
最后一帧必须能够自然衔接下一段视频。
因为后面还要继续生成。如果第一段最后突然变成大特写或者女生直接消失了，第二段就很难接。
第四步：继续生成后 10 秒
第二段才是真正考验 Gemini Omni Flash 的地方。
因为这里包含：
人物连续性 + 手部动作 + 柠檬 + 冰块 + 液体 + 产品特写。
继续使用原来的 Storyboard。
如果支持以上一段结果作为参考，也尽量把第一段一起提供。
然后输入：
继续生成同一条蜜雪冰城冰鲜柠檬水广告的第二段。
视频时长：10 秒。
这是上一段视频的直接延续。
严格参考上传分镜图中的分镜 4、5、6。
不要重新开始故事。
不要再次出现女生进店、点单或支付。
【0–3 秒】
严格参考分镜 4。
从上一段结束的位置自然衔接。
同一个店员转身开始制作冰鲜柠檬水。
中近景拍摄。
店员把几片新鲜黄色柠檬放入透明饮料杯中，并进行简单压制。
重点展示真实自然的手部动作。
保持真实蜜雪冰城饮品制作区域。
不锈钢操作台、冰块和制作工具自然出现在周围。
【3–7 秒】
自然切换到分镜 5。
进入整条广告最重要的饮品微距镜头。
摄影机极近距离拍摄透明杯。
晶莹透明的冰块自然落入杯中。
随后淡黄色、半透明的新鲜柠檬水从上方倒入。
液体冲击冰块。
冰块自然移动。
柠檬片在液体中轻微漂浮。
产生少量真实飞溅和气泡。
杯壁逐渐出现冰凉的冷凝水珠。
重点表现：
新鲜柠檬，
透明冰块，
冰凉柠檬水，
夏日清爽感。
液体物理效果必须真实。
不要生成浓稠果汁。
不要生成奶茶。
【7–10 秒】
自然切换到分镜 6。
同一个店员拿起制作完成的冰鲜柠檬水。
她把饮料递给同一个女生。
女生自然伸手接过。
女生微笑说：
“谢谢。”
摄影机逐渐把视觉重点转移到柠檬水。
最终形成产品英雄镜头。
透明杯位于画面主体。
清晰看到：
新鲜黄色柠檬片，
晶莹冰块，
淡黄色透明柠檬水，
杯壁冷凝水珠。
背景中的人物和蜜雪冰城门店自然虚化。
最后约 1 秒保持稳定的成品特写。
【连续性要求】
这是上一段视频的直接延续。
女生必须与上一段完全一致。
店员必须与上一段完全一致。
服装不能改变。
发型不能改变。
蜜雪冰城门店不能改变。
饮料制作过程必须符合：
柠檬
→ 冰块
→ 柠檬水
→ 完整成品
人物动作自然。
手部结构正确。
液体和冰块符合真实物理运动。
不要出现 AI 变形。
不要人物复制。
不要突然换脸。
不要突然切换门店。
不要改变杯子。
画面中所有能够辨认的文字只允许使用中文。
不要出现任何英文单词。
整体保持真人实拍、专业夏季饮料广告质感。
最终停留在冰鲜柠檬水的清爽产品特写上。第五步：把两段直接拼起来
这样最终我们得到两段视频：
第一段 10 秒：
女生走向蜜雪冰城 → 进店 → 点单 → 支付
第二段 10 秒：
店员制作 → 柠檬水微距 → 递给女生
把两段首尾拼接，一条大约 20 秒的完整广告 就出来了。
甚至不需要特别复杂的后期。
如果衔接处稍微有一点跳，可以把第一段最后 0.2～0.5 秒和第二段开头稍微裁掉一点。
为什么我觉得这个玩法比直接文生视频更有意思？
因为直接输入一句 Prompt，其实更多是在测试：
模型会不会帮你随机拍一个漂亮视频。
但 Storyboard → 视频测试的是另一件事：
模型能不能真正按照你的导演意图执行。
比如这次我们已经提前告诉它：
女生是谁、穿什么、店铺是什么样、第一镜怎么拍、什么时候进店、什么时候支付、什么时候开始制作，以及最后产品应该怎么呈现。
模型要做的事就变成了：理解这张分镜，然后把静态镜头“拍活”。
从这次的结果看，两个 10 秒段落的镜头顺序、人物状态都跟住了分镜，衔接段也没有出现大的跳变——它确实是在执行导演意图，而不是随机发挥。
对于广告、剧情短片、探店、产品宣传这种多镜头内容，我觉得这个方向明显比单纯文生视频更实用。
这次 Gemini Omni Flash 最值得关注的其实不是画质
“清不清楚？”
“像不像真人？”
这两个问题我在测试的时候反而不太在意。这次用下来，真正决定它好不好用的，是这四件事：
听不听得懂分镜、角色能不能保持住、能不能按照时间线执行、上一段能不能接到下一段。
尤其 Gemini Omni Flash 单段只有 10 秒左右，多段连续生成能力反而非常关键——这次拆成两段生成、再拼接的做法，本质上就是在测这个能力。
这也是我这次用蜜雪冰城测试它的主要原因。