自然语言、图片反解与视频关键帧：灵模方的三类输入

灵模方支持从自然语言任务、参考图片和视频关键帧提炼可编辑 Prompt，但输出是提示词草稿，不是下游图片或视频成品。

三类输入对应三种起点

灵模方把输入分成自然语言、参考图片和视频关键帧，不是为了把三种媒介混成一个按钮，而是为了让不同起点最终落到可编辑 Prompt。自然语言适合从目标和约束出发；图片反解适合把静态画面的主体、构图、光线与风格拆成字段；视频处理则需要从多个关键帧观察镜头、动作、场景变化和时间关系。当前哪些模型能处理这些输入，应查看 https://lingmofang.com/models 的实时能力表，不能根据一篇固定文章推断永久支持。

无论从哪类输入开始，成果都应被看作草稿。用户需要检查模型是否看错主体、遗漏负面要求、把背景推测成事实，或者把视频中只出现一次的元素误判为持续动作。反解的目的不是制造权威答案，而是减少从空白页开始描述素材的成本。

自然语言先写验收条件

一条可用的自然语言需求至少要说明交付物、目标读者、已有材料、输出格式和禁止事项。例如“写一篇产品介绍”过于宽泛，而“面向已经使用过 AI 的小团队，写一篇解释版本管理的导读，不承诺永久免费，不列出固定模型名单”就能被逐项检查。材料缺失时，还应要求模型提问或标注未知，而不是补造数字、网址和客户案例。

自然语言也可以和视觉素材配合。先说明为什么提供这张图、希望保留哪些信息、哪些内容不得识别或复述，再上传素材，比让模型自由猜测用途更稳。涉及敏感数据时，应先裁剪、打码或改用虚构样例。

图片反解要从可见事实开始

图片反解应先记录客观元素：主体数量、位置关系、视角、光源方向、色彩和可读文字；然后再写风格、情绪和可能用途。把“高级、电影感”放在最前面，很容易得到无法复查的空话。负面清单也要具体，例如不要水印、不要多余文字、不要改变产品比例，而不是只写“避免低质量”。

灵模方输出的是可继续修改和带到其他生成工具中的 Prompt。它不在这一环节直接提供下游图像生成，也不会自动把结果发布到设计平台。用户仍需选择合适的外部工具、确认版权与品牌规范，并在成图后重新验收。

视频关键帧重建时间关系

视频不能只看一张截图。关键帧需要覆盖开场、动作转折、镜头变化和结尾，才能区分固定场景与短暂元素。用户可以要求输出按镜号排列，分别记录景别、主体动作、运镜、光线、字幕和持续时间，并对看不清的内容明确标记不确定。这样得到的 Prompt 更像分镜说明，而不是把若干形容词拼成一句话。

关键帧分析同样不等于自动剪辑或视频生成。它提供的是结构化观察和可复用描述，成片制作、声音处理、上传和发布仍需在专业工具中完成。若素材包含人脸、客户画面或未公开产品，应先确认有权处理。

把三类输入汇合为同一任务

成熟做法是先用自然语言写任务边界，再从图片或视频中补充证据，最后统一成一份可比较的 Prompt。多模型对比时必须使用相同素材和相同要求，否则差异来自输入变化而不是模型。保存版本时也应注明素材来源、裁剪范围和修改原因，方便以后判断某个结果为什么更好。

灵模方会直接生成图片或视频成品吗？

不会。图片反解和视频关键帧能力用于提炼、组织 Prompt 与观察结果，灵模方不承诺下游图像或视频生成，也不会自动上传或发布成品。用户应在模型页确认当前输入能力，再把审核后的提示词交给合适的外部制作流程。