用 鹦鹉 AI 创作超写实 AI UGC

在生成任何内容之前，先把你这个细分领域里正在流行的视频抓下来，研究两件事：钩子是怎么写的，以及哪张脸更有共鸣。同样的脚本，换一个人，观感完全不同。

给智能体一句提示词。一分钟后就有一份清单、可读的转写稿，以及可以直观比较的人物。

数据说明了什么：在这个细分领域，带数字的夸张桥段比教程式开场有效 10 到 50 倍。工具从来不是钩子，它是结果之后那句「怎么做到的」。

GPT Image 2.5 和 Gemini 3 Pro 用普通提示词生成的结果都不对：眼睛略大、脸像玩偶，还有那种过度锐化的 HDR 质感，一眼就是 AI。每个图像模型都有自己会回落的默认值。用 JSON 提示词把面部结构、皮肤质感、光线、相机、表情、服装和背景全部钉住，它就没有回落的余地。

同一份 JSON 交给五个模型，仍然是五个不同的答案。GPT Image 2.5 的眼睛还是玩偶式的。Gemini 3 Pro 的结果最真实。选哪个靠眼睛看，不靠跑分。

把人物图作为图像参考交给 Seedance 2.5，再给它脚本和一段短音频作节奏。一张图进，一个口播人物出：口型同步、眨眼、手势都有。

Seedance 会拒收超写实的参考图，以防止有人冒用真人形象。一些聚合平台开放了绕过口子，并为此收两到三倍的价格。正规做法是 BytePlus 的高级创作权益：上传图片、把它注册为数字人物，再从它生成，审核要通过好几道。在 parrot 上这一整套已经包好：Seedance 2.5 的限制放宽端点接收你的图片、将其注册为人物资产并生成，价格与直接向 BytePlus 购买相同。

默认音色的问题在节奏，倒不是听起来假。把你喜欢的那条热门视频的音频截一段，作为音频参考传进去。语音里的细节太多，文字描述不完，让模型直接照着学。

为了省成本，演示段落里不出现人物。用手机录产品画面。这里拍的是 parrot 让智能体做 GTM 工作：找销售线索、调研线索、从 Gmail 发出客户触达。

然后在 Fish Audio 上用同一段音频克隆声音、生成配音，再和录屏、字幕一起拼起来。这就是一条演示片段。接下来把它和各个钩子配对。

给智能体几个做得好的参考账号，让它抓取头部视频并提取钩子。现在的模型很会读转写稿。这个细分领域的套路是：一句惊人的主张、一个具体数字、一个结果。

让它按这个套路发散，挑出你喜欢的句子，然后每条钩子一句提示词：Seedance 2.5、人物图、音频参考。ugc-talking-head-video 技能会跑完整个流程：接收请求、写脚本并定时长、取用声音参考、写 Seedance 提示词、加字幕和片头文字，最后输出成片。