三宮格底片條,是第一種帶有固定風格的 AI 格式

如果你在抖音或小紅書上耗一個晚上,會反覆看到同一種版面:三格直幅並排,每一格裡都有一個人,冷色調,略微過曝,底片顆粒,畫面底部壓著一行雙語字幕。
中文創作者叫它「電影感三宮格」。做出它的提示詞通常以一段文字的形式流傳,而那段文字具體得驚人。上傳一張照片。要求同一場景的三格。第一格:背面特寫,上半身,頭髮被風吹起,字幕是「山的後面是什麼?/What's beyond the mountain?」。第二格:中景,側面,手裡拿著花,低頭看,字幕是「你不用告訴我/You don't have to tell me」。第三格:大景,人在天空下顯得很小。冷色調,富士底片,高光爆掉,顆粒粗,暗部仍保留細節,光線柔和漫射,沒有硬邊,字幕置中於底部,三格合成一張 2:3 的圖。
看起來像一組攝影作品。它其實是一個模板,而模板才是有意思的東西。
為什麼是三格,為什麼是直幅
三格是能夠說一個故事、又不至於變成序列的最小數字。兩格像前後對比。四格像網格,而網格讀起來像印樣——證據,不是情緒。三格讀起來像一條底片:一個建立、一個轉折、一個釋放。
直幅原本是平台限制,後來變成一種美學。9:16 是手機給你的比例,所以三個 9:16 並排在 2:3 的畫布上,會變成一張由高窗組成的寬圖。那是把電影銀幕切成三支手機的形狀,而這正是讓它成立的那個視覺玩笑:電影文法,用資訊流已經在獎勵的格式送出去。
還有一個沒人明說的實務面。三宮格是一張可以滑過去的物件。它可以當成一張讀得懂的縮圖發布,也可以裁成三篇貼文,或者當成封面加兩張細節。一次生成,多個版位。

情緒是文字在做
壓進畫面的雙語字幕,是大多數模仿者做錯的地方。他們複製了構圖,跳過了字體排印,結果看起來像一張圖庫照片被硬貼上一句說明。
這個格式之所以成立,是因為那些字很短、略帶感傷,而且是翻譯過的。中文在上,英文在下,同樣的字重,置中於底部。那句翻譯不是給國際讀者看的。它存在,是因為兩行兩種語言的字讀起來像一張電影定格,而一行字讀起來像一張迷因。第二種語言是質地,不是訊息。
這也是為什麼這個格式很難搬到其他市場。把語言換掉,它就變成一場字幕練習。保留那個配對,它看起來就像一篇中文貼文,因為它本來就是。這種美學不是普世的;它是對某個特定資訊流的特定解法。
一致性才是真正的技術問題
看看那段提示詞真正在要求什麼。同一張臉在三格裡,用三種焦距。同一件襯衫。同樣的光線方向,即使攝影機已經轉了九十度。三格裡的頭髮都要讀起來像被風吹過。還要有清楚可讀的小字,放在每一格的底部,又不能遮住主體。
每一項都是已知的弱點。跨生成的同一性漂移,正是多參考系統存在要解決的事,而 2026 年這批圖像模型在這方面好上很多——Seedream 5.5 宣稱在一百次編輯之間,未編輯區域可以像素級保留,那是同一個問題換個說法。但「同一張臉、不同角度、同一件襯衫、三次、合成一張」還是比看起來難,而失敗模式對任何觀眾都很明顯:只要有一格裡的人稍微變成另一個人,整張就垮了。
小字是另一個失敗點。字幕大小的中文字,放在一張被壓縮的直幅畫面底部,對圖像模型來說幾乎是最糟情況:筆畫密集、解析度低、在雜亂背景上高對比。今年秋天那些炫耀錯字率的發表,不管它們有沒有明講,爭的就是這個用例。
模板經濟
這是同一個模式出現的第三波。先是提示詞流傳。然後模板讓它變成按一下。接著平台自家的編輯工具把它吸收掉,模板就變成看不見的基礎設施。
抖音的「大佬出場」慢動作特效走過這條路,CapCut 那些把一張照片變成十二秒影片、被用過幾萬次的舞蹈模板也走過。三宮格靜圖還在週期的前面——主要靠提示詞驅動,一篇貼文抄一篇,好的版本靠品味而不是工具分辨。
有意思的問題是它被產品化之後會怎樣。一個能保證一次上傳就產出三格一致畫面的模板,會拿掉目前唯一需要技巧的那一部分。剩下的是選角、造型,還有那兩行字。那是一個小得多的創作面積,而那也正好是觀眾注意力真正落下的地方。
線索在於人們不再提示什麼
半年前,這些平台上流傳的提示詞是關於物件的:一隻穿西裝的貓、一座玻璃做的城市、一個由煙組成的人。三宮格的提示詞是關於調度。它指定鏡位距離、身體朝向、光從哪裡來、字放在哪裡,以及每一格裡那個人正在感受什麼。
那是識讀能力的位移,不是模型的位移。做出好結果的人,是那些學會像導演而不是像顧客那樣寫字的人。他們也是最少抱怨工具的人,因為他們已經不再期待工具去猜。
它說明了市場的什麼
西方對 AI 影像的報導執著於單一主視覺:海報、產品照、關鍵畫格。中文平台走了另一邊,往多格版面去,像一份出版物——三格、網格、一條帶字幕的定格。
那是分發的差異,不是品味的差異。一個建立在滑動與收藏上的資訊流,獎勵的是經得起裁切與重複的物件。一張三宮格合成圖,是一個檔案裡的四份素材。它是為它將被看到的地方而優化的——這是編輯設計最老的規則,也是 AI 工具花了兩年忽略的那一條。
如果你想試,誠實的建議是從自己的照片開始,字保持短,並且預期要生成五、六次,三格才會對「這個人是誰」達成共識。提示詞不是難的部分。難的是第二格,模型得記住一張它只能從背面看見的臉。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
GPT Image 2.6 守住 token 價格,帳單卻變貴了
GPT Image 2.6 沿用 2.5 的全部 token 費率,每張圖卻更貴,因為更多工作現在花在輸出 token 上。上線十一天,定價結構說得比排行榜更多。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。