AI效果作业—萌宠爆款拆解与AI效果设计

项目分析

爆款视频案例

视频	内容与传播记录
视频 01｜三猫齐舞 播放视频 视频下载原视频 ↓	小小的身体，跳得非常认真。 三只幼猫排成队形同步跳舞，圆脸、短肢与专业动作形成反差。它把“可爱”变成了一个容易记住、模仿和改编的动作梗。 7,950 万以上播放 · 约 790 万赞（2026 年 7 月） 作者：@meowtakeover · 原帖
视频 02｜半夜扰民音乐猫 播放视频 视频下载原视频 ↓	乐器被收走，猫换一件继续。 猫的坚持和主人的无奈形成来回较量。观众既想看它下一次拿出什么，也容易联想到“我家那只就是这样”。 约 125 万播放 · 18.4 万赞 · 9.4 万分享（2026 年 9 月） 作者：@soratop11 · 原帖
视频 03｜新品皇室小猫发布会 播放视频 视频下载原视频 ↓	像发布一件电子新品一样介绍猫。 细节特写、悬浮展示和整齐阵列，把熟悉的发布会语言用在宠物身上。认真展示的姿态，放大了“这只猫值得被隆重介绍”的喜感。 10.2 万播放 · 9,207 赞 · 1,811 次分享（2026 年 9 月） 原视频

洞察与分析

记录真实瞬间	用后期赋予性格	用 AI 安排表演
2008｜Maru 钻纸盒 拍下猫钻进小纸盒的真实动作。习性与体形的反差让人发笑，分享像把生活中的趣事讲给朋友。 mugumogu · 原视频	2011｜给狗配上人声 《Ultimate Dog Tease》用配音把张嘴、转头解读成期待与失落。动物有了人的内心戏，观众能拿它表达自己的情绪。 Talking Animals · 原视频	2026｜让猫开一场发布会 造型、阵列与镜头围绕“新品发布”编排。观众看的是熟悉宠物的新表演，也会好奇“换成我家的是什么样”。 不情愿出演的芥末 · 原视频

这些做法今天仍在并存。变化是作者能决定的内容越来越多：从捕捉一个瞬间，到赋予性格，再到安排角色、动作和整段故事。

• 越做越精良，重点是把设定演清楚：角色、动作、节奏、镜头、声音与剪辑，让“猫能这样动”成为“这只猫在做一件有趣的事”。

｜观看、分享、制作：各自想得到什么？

可爱让人愿意看，反差让人记住，代入让人想到要发给谁。“换成我家的会怎样”，把欣赏一条作品推进到亲手制作一条。

• 传播与创作的循环：作品进入推荐流 → 有人转给朋友、评论接梗 → 有人尝试换入自家宠物 → 作者从回应中找到下一条题材 → 再次发布。

｜目前优缺点及改进方向

｜Personas

Higgsfield 社区AI效果：这些吸引力怎样变成画面

社区视频	Hook Model 分析
社区 01｜小狗魔法变身 播放视频 视频下载原视频 ↓	触发 美少女战士式变身唤起熟悉的老动漫记忆；毛爪、肉垫与魔法装扮叠加可爱感，让宠物主人想到“它也能拥有一次主角登场”。 行动 观看只需停留，制作则要找到同款、提供宠物照片；照片能否保住身份，决定期待能否兑现。 酬赏 逐件变装让人等完整亮相；个人化回报是“还是我家那只，却从没这样登场”。同一段揭晓不自动构成第二次制作的理由。 投入 主人挑选照片、命名角色，可形成自己的宠物形象。若能沿用这个形象进入另一段登场，首次投入才帮助下一次；保存与复用目前未由原片证实。
社区 02｜林间小狗运镜 播放视频 视频下载原视频 ↓	触发 把人像短视频中熟悉的贴脸、拉远与环绕运镜交给小狗；快速位移与短停形成节奏，让日常宠物获得明星待遇。 行动 主人想选一张最像自家性格的照片，看看同一套镜头拍出来是什么气场。实际选择与生成步数待操作页核验。 酬赏 回报持续发生在每次停顿的肖像中。毛色、脸形与神态改变气质，但同一只宠物重复同一运镜，新增回报可能很快减弱。 投入 可积累的是满意的宠物身份和“这次想拍什么”的审美偏好。后续需要新的拍摄情境；仅多转一圈镜头，未必形成值得回来的目标。
社区 03｜一猫跳舞，一猫拍 播放视频 视频下载原视频 ↓	触发 短腿猫认真跳人的舞，另一只猫举手机跟拍；魔性动作让人停留，“我跳、你拍”的关系让人想到具体朋友。 行动 看完可以先发给朋友；主人还可能尝试把自家宠物放入舞者位置。两只猫同框本身不能证明支持双图替换。 酬赏 观看得到身体反差，制作得到“我家正经脸跳这一段”的个人化喜感，分享又可能收到朋友接梗。这些回报发生在不同阶段。 投入 选定角色、给双方配一句私人的说明，增加关系含义。朋友若回应“换我来拍”，便出现下一条的题材；这是可设计的回访触发，而非原片已证明的留存。
社区 04｜小狗走进汪汪方阵 播放视频 视频下载原视频 ↓	触发 GENER8ION《STORM》的阶梯群舞换成小狗：识梗者认出MV改写，不识梗者也能读懂“这只小狗是全场主角”。 行动 制作欲集中在中心位置：把自己的宠物换进去，就能参与这段文化梗，不必从头导演一群角色。 酬赏 观看得到规模与秩序的冲击；制作得到专属的隆重亮相；同好回应带来被理解的满足。群体乱动会破坏回报，并非多变酬赏。 投入 主角形象和作品可以积累，重复使用仍需要新出场、下一段舞步或回应。设计时先保住中心身份，再扩变化，避免角色淹没在视觉规模里。

• 四例共同的吸引力，是让熟悉的宠物进入值得观看的表演：变身与运镜满足专属展示，双猫与群舞还提供朋友关系和文化参与。上传自己的宠物，才把“好看”进一步变成“我也想做”。
• 观看、制作、复用是三个不同的问题：一次揭晓可以吸引看完，却不能单独解释同一主人为什么再做；新的表达目标、朋友回应及能复用的宠物形象，是后续设计需要考虑的条件。样片本身不证明平台已有身份保存或留存机制。

AI效果技术分析

参考编辑界面，用户提供。上方为动作视频，中间为角色与环境图，下方为文字编辑要求。

｜参考视频＋角色／环境图＋文字要求 → 视频编辑生成 → 个性化同款效果

• 作者预设参考视频、替换位置与简短Prompt，使用者上传自己的宠物图，环境图作为可选输入。通用的视频编辑与多模态能力，由此被封装成输入明确、玩法固定的AI效果。

项目创意方案：毛孩子脑内剧场

｜一句话定义

拍一张你家毛孩子的照片，AI替你演出来它此刻正在想什么——10秒荒诞小剧场。

播放视频

视频下载原视频 ↓

播放视频

视频下载原视频 ↓

**由即梦平台Seedance2.5 生成

｜为什么是这个方向

基于前面的洞察分析，我们发现：

• 宠物主人真正想表达的不是"好可爱"，而是"这就是我家那只"——每个宠物主人都认为自己的毛孩子有独特的性格和想法
• 现有AI宠物效果（变身、运镜、走秀）都是统一模板——不管你上传什么猫，出来的都是同一段表演，缺乏"这就是我家那只"的专属感
• "你家毛孩子在想什么"这个问题本身就是钩子——每个养宠的人都会好奇，天然有分享欲

核心情绪核：我家的毛孩子是独一无二的，它有自己的内心戏。

｜和现有效果的区别

技术路径设计

整体流程

用户上传照片
    ↓
Step 1：多模态图像理解
    ↓
Step 2：图像拆解（主体/环境/道具分离）
    ↓
Step 3：荒诞剧情生成
    ↓
Step 4：视频合成生成
    ↓
10秒荒诞小剧场

｜Step 1：多模态图像理解

用户上传一张宠物照片后，首先通过多模态大模型对图片进行全面理解，输出结构化分析结果：

识别内容包括：

为什么要做这一步？

• 不是简单地把原图直接喂给视频模型
• 而是先让AI"看懂"这张照片里有什么
• 为后续的荒诞剧情生成提供输入依据

｜Step 2：图像拆解（分量分离）

将原始照片拆解为三个独立图层，作为后续视频生成的参考图：

技术实现：

• 主体分离：使用SAM（Segment Anything）或人像/动物分割模型
• 环境还原：基于主体图层反推背景
• 道具识别：多模态模型识别图片中的关键物体

为什么要拆成分量图？

• 可控性更强：分别控制主体、环境、道具，比直接用整张图生成更稳定
• 角色一致性：主体单独作为参考图，生成视频时不容易变脸
• 环境一致性：环境单独作为参考图，场景不会乱变
• 可组合性：后续可以灵活替换/调整某个图层，不用整图重来

｜Step 3：荒诞剧情生成

这是整个效果的核心——根据图片分析结果，自动生成一个荒诞小剧场剧本。

设计思路：荒诞规则库

建立一套荒诞规则匹配机制：

规则库结构：

• 每条规则包含：触发条件 + 荒诞剧情模板
• 系统根据Step 1识别到的元素，自动匹配对应的荒诞规则
• 多条规则可以组合，生成更丰富的剧情

规则示例：

为什么用规则库而不是自由生成？

• 可控性：自由生成太不可控，可能出来莫名其妙的东西
• 可扩展性：规则库可以不断积累新规则，越用越丰富
• 质量稳定：每条规则都经过验证，保证效果不会翻车
• 用户感知：每张照片触发不同规则，用户觉得"每次都不一样"

｜Step 4：视频合成生成

将拆解后的三个图层 + 荒诞剧情prompt，输入到视频生成模型：

输入：

• 主体参考图（保证角色一致）
• 环境参考图（保证场景一致）
• 荒诞剧情描述（描述发生了什么荒诞的事）

输出：

• 10秒竖版视频
• 宠物外观保持一致
• 环境基本保持一致
• 荒诞元素在场景中自然发生

技术要点：

• 使用图生视频模型（如Seedance 2.5等支持多模态参考的视频模型）
• 多参考图输入：主体参考 + 环境参考
• Prompt工程：将荒诞剧情翻译成模型能理解的视觉描述
• 负面提示词：防止宠物变脸、畸形、环境错乱

为什么这个效果能火

｜情绪价值

｜传播逻辑

1. 用户A拍了一张猫的照片 → 生成了一个荒诞小剧场
2. 发到朋友圈/小红书 → 朋友B看到："这是什么？好有意思！"
3. 朋友B点进来 → 上传自己家狗的照片 → 也生成了一个
4. 朋友B再发出去 → 形成链式传播

传播钩子： "你家毛孩子此刻在想什么？"——天然的社交话题

｜多变酬赏

和Higgsfield的固定模板不同：

• 每张照片出来的荒诞剧情都不一样
• 因为触发的荒诞规则不同
• 用户会反复尝试："我再换一张照片，看看它又在想什么"

落地策略

｜MVP阶段（第一期）

目标：验证核心假设——用户愿不愿意做、做完愿不愿意分享

• 支持单张宠物照片输入
• 荒诞规则库先覆盖5-10条高频规则
• 视频时长5-10秒
• 先支持猫和狗

｜第二期

• 扩展荒诞规则库到20+条
• 支持双宠同框（两只宠物一起演小剧场）
• 增加"内心OS字幕"功能
• 支持宠物种类扩展（兔、仓鼠等）

｜第三期

• 支持视频输入（不只是照片）
• 荒诞规则UGC化（用户可以投稿新规则）
• 沉淀宠物角色库（用过一次的宠物形象可以保存复用）
• 形成"毛孩子小剧场"系列内容生态

｜效果质量标准

Demo制作

播放视频

视频下载原视频 ↓

播放视频

视频下载原视频 ↓

播放视频

视频下载原视频 ↓

制作思路

基于「毛孩子脑内剧场」的核心创意，选取一张橘猫在树下的照片作为输入，验证"AI理解图片→生成荒诞剧情→输出小剧场视频"的完整链路。

制作流程：

原始照片
    ↓
Step 1：图像拆解（主体 + 环境分离）
    ↓
Step 2：多模态模型生成荒诞剧本 + Prompt
    ↓
Step 3：即梦 Seedance 2.5 样片模式生成视频
    ↓
最终Demo视频

｜Step 1：图像拆解

将原始照片拆解为两张参考图：

本例素材实际由图像编辑生成：主体图保留橘猫与贴身胸背带，去掉背景和向外延伸的牵引绳；环境图移除猫、胸背带与牵引绳，补齐树皮和草地。下方 ComfyUI 将抠图与补洞整理为可复用的本地流程。

参考图1：主体（猫）

抠出橘猫主体，保留猫的毛色、面部特征、黑色胸背带，作为角色一致性参考。

参考图2：环境（场景）

保留大树干和草地，作为场景一致性参考。

本地拆解管线：复用现成节点，将“宠物抠图”和“背景补洞”分开处理。下图为真实 ComfyUI 导入画布；节点与连线已核验，模型权重待配置，尚未对原图运行推理。

背景补洞生成的是合理场景，不是找回真实隐藏画面。单纯抠图也不会补出被草挡住的腿爪；这类补全需要单独的局部图像编辑。

部署：使用 ComfyUI 核心 BiRefNet 节点与 LaMa Remover。先下载两份权重，再在本地执行；不需要 API 密钥。本机采用独立 CPU 流程，避免默认假定 Mac MPS 兼容。节点安装、模型路径与参数详见附件 README。

工作流附件：JSON 可直接导入；完整包包含自动版、蒙版修正版、安装说明与 API 备选脚本。

API 备选：本地补洞不理想时，保留本地透明猫，仅把“原图＋擦除蒙版”提交给图像编辑接口。先将白色擦除区转换为透明 alpha 蒙版，调用 POST /v1/images/edits 生成不透明背景候选，再检查并局部合回原图。

在附件解压目录准备原图与同尺寸的 erase_mask.png（白色＝擦除，黑色＝保留），安装 openai、pillow，在本机配置 OPENAI_API_KEY，依次执行：

python3 prepare_api_mask.py assets/橘猫.jpg erase_mask.png
python3 fill_background_api.py

第一条只整理图像与蒙版，并为本例 853×1280 原图同步补边至 864×1280；第二条才发起计费请求，采用 gpt-image-2.5-sunburst、background=opaque、output_format=png。返回后保存背景候选及裁去补边的版本。遮罩只提供编辑引导，仍须检查纹理与对齐。官方接口说明；完整参数与代码见包内《API备选说明》。本轮未调用 API。

｜Step 2：荒诞剧本与Prompt

将主体猫图和环境图交给多模态模型，配合下方 Skill 生成荒诞剧本与完整 Prompt。建议使用 GPT 6 Pro。

荒诞剧情：草成精了

猫想咬一口青草，草突然躲开了。然后草反过来变成"小刷子"，给猫挠下巴，猫舒服地打起呼噜。

完整Prompt：

10秒，9:16竖屏，24fps，一镜到底。摄影机贴近草尖，从猫嘴侧前方拍极近特写，开场只有鼻尖、胡须、嘴和嘴边的一撮青草；第2秒快速后拉，同时轻微上摇，在0.5秒内拉到低机位中景，露出猫的全身、树根和草坪，带短促motion blur，随后固定这个构图直到结束。

@图片1作为猫的角色与胸背带绑定，保留橘红色短毛、黄绿色眼睛、大耳朵、修长体形和黑色胸背带；@图片2作为环境与材质参考，保留后方粗糙的大树树干、树根和前景浓密青草。

第0秒～2秒，猫伏低身体，鼻尖凑近一撮长草，闻一下，张嘴准备咬住草尖；就在牙齿将要碰到草时，这撮草突然向侧面弯倒，整齐地躲过这一口，猫轻轻咬空，嘴闭住，停顿一下。

第2秒～4秒，镜头快速拉开，猫低着头，视线跟着那撮草移动，又向前探出鼻子；这撮草的根部始终扎在原地，上半段重新竖起，草尖并拢成一把柔软的小刷子，主动伸到猫的下巴底下，左右轻刷两次。猫刚准备再张嘴，动作突然停住，耳朵轻转一下，眼睛仍睁着，保持半秒意外的停顿。

第4秒～7秒，镜头保持低机位同框，草尖继续有节奏地来回挠下巴，接触处的毛发随之轻动；猫慢慢闭上嘴，眼睛逐渐眯起来，重心放低，前爪向前伸展，胸口舒服地伏在草地上，下巴微微抬起，开始发出低而连续的呼噜声。

第7秒～8秒，这撮草停止刷动，轻轻向后收回；猫睁开眼睛，低头看它，停半拍，然后主动把下巴向前递过去，轻碰草尖一次，保持这个等待姿势。

第8秒～10秒，草立刻重新竖起，稍快地继续挠下巴，猫再次眯眼，尾巴尖缓慢摆一下，最后半秒停留在猫享受服务、青草忙着刷动的同框画面。

只有这撮草进行明确的躲避和刷动，周围草叶随微风轻摆，树干始终稳定。

自然日光，树皮纹理、草叶纤维、猫毛和胸背带材质清楚，角色与草地具有统一的受光和接触阴影，写实摄影质感。

Negative：横屏、黑边、切镜、参考图黑底、猫的脸型与胸背带变化、猫说话或露出人类笑容、青草长出五官或人手、草叶变成触手、整片草坪同时跳舞、树干扭动、字幕、贴纸、罐头笑声。

｜Step 3：视频生成

使用工具： 即梦 AI - Seedance 2.5 样片模式

输入：

• 参考图1：主体猫
• 参考图2：环境场景
• Prompt：完整剧情描述 + 负面提示词

输出： 10秒竖版视频

效果说明

这个Demo验证了几个关键点：

1. 角色一致性：通过单独上传主体参考图，猫的外观在视频中保持稳定
2. 环境一致性：通过单独上传环境参考图，树干和草地场景保持一致
3. 荒诞剧情：草从"被咬"到"主动挠下巴"的反转，形成完整的情绪弧光
4. 用户感知：宠物主人看完会觉得"对对对，我家猫就是这样，被挠下巴就舒服得不行"