参考图锚定 + 格数控制 + 跨格一致性——把一张图变成完整分镜板的实操。

为什么网格难做（以及为什么它依然有效）

要求「一个 9 格分镜」听起来像是要九张图，但 GPT Image 2 是一次性把整个网格画出来的。这就是诀窍：每一格都是一起采样的，所以它们会自动共享光照、角色和风格——这是九次单独生成几乎做不到的。

失败点不在一致性，而在控制。一旦含糊，模型会自己编出格数、阅读顺序和裁剪方式。prompt 的任务就是钉死网格骨架，让模型只需填充内容。

参考图锚定的网格

最强的版本从一张基础图出发，要求网格是它的变体，而不是全新创作。这样每个格子里的主体都保持一致。

Using the provided reference image, create a 3×3 storyboard grid. Every panel features the SAME subject from the reference (identical face/product, identical styling). Keep one consistent cinematic color grade across all 9 panels. Vary only camera angle and action per panel: 1) wide establishing shot, 2) medium shot, 3) extreme close-up detail, 4) over-the-shoulder, 5) low angle, 6) high angle, 7) profile, 8) action/motion, 9) hero beauty shot. Thin neutral gutters between panels, no text labels.

「每一格都呈现同一个主体……只变化机位」是承重指令。没有一份明确的九镜清单，模型会重复两三个想法，剩下的凑数。

控制格数与版式

GPT Image 2 对显式几何的遵循远好于隐含的数量。要说得直白：

写明行 × 列，不要只给总数（「6 格的 2×3 网格」胜过「6 格」）
定义阅读顺序（「从左到右，从上到下」），否则模型可能打乱次序
指定格间距和比例（「细白格间距，每格 1:1」）以防各格糊在一起
如果需要标签，明确要求并说明位置（「每格下方一条小标题栏」）——否则要么没有，要么是乱码文字

产品广告分镜（商业工作流）

这是许多电商 prompt 案例背后的技术：一张产品图变成一份完整的 TVC 镜头清单。把干净的产品作为参考图喂进去，要求一份带编号的广告分镜。

Using the provided product photo, build a 9-panel commercial storyboard for a 15-second ad. Keep the product 100% identical in every panel (shape, label, color — do not redesign). Panels: 1) lifestyle establishing scene, 2) product hero on surface, 3) macro texture/detail, 4) in-use by a hand, 5) key feature callout, 6) social/lifestyle moment, 7) size/scale reference, 8) packaging shot, 9) brand close with the product as hero. Warm premium lighting, shallow depth of field, consistent set throughout. Small scene number in each panel corner.