使用最佳 AI 模型创建图像、视频、音频等的分步指南。每个教程包含提示词示例、参数设置和专家技巧。
71 个教程 · 最近更新于 2026年10月12日
移动应用创始人交付像素级精确的 App Store 和 Google Play 营销截图，带图内大标题和功能说明——不用 Sketch，也不用 Figma。在 Astorie 画布上，放进一张品牌参考和一张 UI 截图，然后扇出到 Ideogram（唯一可靠渲染图内文字的模型）、GPT Image 1.5 和 Nano Banana 2 节点。输出是符合 Apple 和 Google 尺寸要求的 5-8 张营销截图，本地化标题在提示词中加引号就能清晰渲染。选择下方模型走完你产品上线所需的、能促进安装转化的截图集。
播客主或课程作者用 30 秒样音克隆自己的声音，之后无需重录就能生成新旁白。在 Astorie 画布上，把干净的参考音频放进音频节点，送到 ElevenLabs Voice Cloning、Fish Audio S2-Pro 声音克隆或 Minimax Voice Design，再把克隆出来的声音链接到下游脚本转语音、配音或唇形同步节点。适合用于创始人声音培训旁白、课程模块或为已有视频做本地化。只能克隆你拥有版权或获得授权的声音。选择下方模型走完克隆工作流。
播客主持人订制一个 12 秒带品牌的片头——语音 tag + 6 秒音乐床 + 转场音效——全部在画布上完成，无需聘请音频制作人。在 Astorie 上，把脚本放进 ElevenLabs Eleven v3 语音节点，用 Suno V5 或 Minimax Music 生成主题音乐，再链接 Sound Effects v2 做转场音效，全部送到音频混合节点。输出是一档每周节目的片头和片尾：TTS 节目名 + 风格匹配的主题音乐 + 转场音效。选择下方模型走完节目片头工作流。
动画团队编写一段四人场景——自然的轮换、独特的声音、情绪标签——不用请配音演员。在 Astorie 画布上，设置一个带说话人轮换的脚本节点，通过 ElevenLabs Eleven v3 Dialogue（专属多说话人端点）、Fish Audio S2-Pro 多说话人或 Minimax Speech 处理，并使用 [whispers]、[laughs]、[excited] 等行内标签来控制情绪。输出可直接用于多角色动画短片、音频剧或交互原型。选择下方模型走完多说话人制作工作流。
视频剪辑师在一段 AI 生成的成片上叠加 whoosh、冲击声、环境声和 UI 音效，让它不再像无声草稿。在 Astorie 画布上，把锁定画面送进 Hunyuan Foley 做视频转拟音，或用具体提示词喂给 ElevenLabs Sound Effects v2（如"近距离金属门撞击，狭窄混凝土走廊，短混响"）。在下面叠一个 Minimax Music 的环境音床，全部混到时间线再 NLE 导出。选择下方模型走完一段 30-60 秒产品或叙事视频的最后声音处理流程。
剪辑师把一段画面偏软的 Sora、Seedance 或 Kling 片段升到 4K 母版，交付 YouTube 或广播——而不用重新生成。在 Astorie 画布上，把锁定的片段送到原生成器（Seedance 2、Sora 2 或 Kling 3）下游的 video-upscale 工具节点，默认 2x、只对主镜头用 4x。慎用堆叠：一次 2x 优于 2x 再 2x。这是 NLE 导出前的最后一步。选择下方模型走完与源模型配对的放大流程。
营销同事拿一张品牌代言人肖像 + 一段 ElevenLabs 生成的脚本，没有出镜演员就交付一支 30 秒口播广告。在 Astorie 画布上，把肖像送进唇形同步工具节点，把 ElevenLabs Eleven v3 的音轨并入，再选择 Kling Avatar（紧凑口播）、OmniHuman（带手势和上半身的主持人）或 Kling O3 Video Edit 做风格化。大多数唇形同步模型每次调用上限 30-60 秒，长脚本要切片。选择下方模型走完 UGC 风格讲解或配音工作流。
概念艺术家在 Nano Banana 2 上生成干净的室内参考图，然后把它变成可导航的场景，相机可绕行并截下角度对齐的静帧。在 Astorie 画布上，把参考图放到 world 节点（或链接 Flux 作为备选风格），抓 5-10 个角度，然后把每张作为起始帧送入 Sora 2 视频节点，所有镜头共享同一世界。注意：Astorie 不导出 glTF 或 USD 等可导航世界文件——交付物是抓取的静帧。选择下方模型走完图生世界工作流。
导演手上没有概念帧，描述一个地点（"黄昏迷雾巷弄，霓虹招牌，湿石板"），几分钟内拿到 Marble 或 World Labs 的可导航场景。在 Astorie 画布上，把地点提示词输入 world 节点，可选地在前面链接一张 Nano Banana 2 或 Flux 概念帧来加强图像条件（World Labs 单靠文字偏弱），抓取静帧再送入 Sora 2 视频节点。把输出当作空间情绪板，而非可导出的最终网格。选择下方模型走完文本生成 3D 预可视化工作流。
摄影指导从一个 Marble 或 World Labs 场景中抓取角度对齐的静帧，把每张作为起始帧送进 Sora 2、Kling 3 或 Runway Gen4 视频节点——镜头运动变，但场景不变。在 Astorie 画布上构建一个五镜头序列（远景 → 中景 → 特写 → 反打 → 收尾镜头），整个场景在剪辑里读起来像一个空间。世界是主干，每段视频是衍生镜头。选择下方模型走完空间参考视频镜头工作流。
