← 返回博客
Ai预计阅读 9 分钟

三宫格胶片条,是第一个带「厂牌风格」的 AI 格式

发布于 2026年11月10日
三宫格胶片条,是第一个带「厂牌风格」的 AI 格式

在抖音或者小红书上泡一个晚上,你会反复撞见同一种构图:三格竖画并排,每一格里一个人,冷调,略微过曝,胶片颗粒,画面底部烧着一行双语字幕。

中文创作者管它叫「电影感三宫格」。做出它的提示词通常以一段文本的形式流传,而那段文本具体得惊人。上传一张照片。要求同一个场景的三格。第一格:背面特写,上半身,头发被风吹起,字幕是「山的后面是什么?/ What's beyond the mountain?」。第二格:中景,侧身,捧着花,低头,字幕是「你不用告诉我 / You don't have to tell me」。第三格:大远景,人在天空下很小。冷调,富士胶片,高光溢出,粗颗粒,暗部仍保留细节,柔和漫射光,没有硬边,字幕居中贴底,三格合成一张 2:3 的图。

它看起来像一次拍摄。它是一个模板,而模板才是有意思的那个东西。

为什么是三格,为什么是竖的

三格是能讲故事、又不至于变成序列的最小数字。两格像前后对比。四格像一个网格,而网格读起来像接触印相——是证据,不是情绪。三格读起来像一条胶片:一个建立,一个转折,一个释放。

竖屏本来是平台的约束,后来变成了美学。9:16 是手机给你的画幅,所以三格并排放在一张 2:3 的画布上,出来就是一张由三扇高窗拼成的宽图。那是一个电影银幕被切成三块手机屏的形状,而这恰好就是这个视觉玩笑成立的原因:用电影的语法,装进信息流已经奖励的格式里。

然后还有那个没人明说的实际考量。一张三宫格是个可滑动的东西。它可以作为一张图发出去,缩略图尺寸下也读得出;可以裁成三条帖子;也可以当一张封面加两张细节图。一次生成,多个位置。

A strip of 35mm negative film resting on a light table

情绪是文字在做

烧进画面的双语字幕,是模仿者最容易做错的地方。他们抄了构图,跳过了排版,结果看着像一张库存图被随手贴了句话。

这个格式之所以成立,是因为字很短、有点丧、而且是翻译过的。中文在上,英文在下,同样的字重,居中贴底。那句翻译不是给国际读者看的。它在那儿,是因为两行两种语言的字读起来像一张剧照,而一行字读起来像个梗图。第二语言是质感,不是信息。

这也是这个格式很难搬到别的市场的原因。换掉语言,它就变成一道字幕练习。保留这个配对,它看起来就像一条中文帖子,因为它本来就是。这种美学不是普世的;它是对一个特定信息流的特定解法。

一致性才是真正的技术难题

看看这段提示词到底在要什么。同一张脸出现在三格里,三个焦段。同一件上衣。同一个光位,尽管机位转了九十度。三格里头发都像是被风吹过。还有每格底部那行清晰的小字,不能压到人。

每一条都是已知的弱点。跨次生成的身份漂移,正是多参考系统存在的原因,而 2026 年这批图像模型在这方面好了很多——Seedream 5.5 声称在一百次编辑后仍能像素级保住未改动区域,那是同一个问题换个说法。但「同一张脸、不同角度、同一件上衣、三遍、合成在一张里」还是比看起来难,而且失败模式对任何观众都显而易见:只要有一格里的人稍微变成了另一个人,整张就塌了。

小字是另一个失败点。字幕大小的中文,压在一格被压缩过的竖画底部,对图像模型来说接近最坏情况:笔画密、分辨率低、在杂乱背景上还要求高对比。今年秋天那些炫耀崩字率的发布,不管它们说不说,抢的正是这个用例。

模板经济

这是同一套模式的第三波。先是一段提示词开始流传。然后一个模板把它变成一键。然后平台自己的剪辑工具把它吸收掉,模板变成看不见的基础设施。

抖音的「老板入场」慢动作特效走的就是这条路,剪映那些把一张照片变成十二秒短片的舞蹈模板也是,被用过几万次。三宫格还处在周期的更早期——主要靠提示词驱动,一条帖子抄一条帖子,好的版本靠品味区分,而不是靠工具。

有意思的问题是它被产品化之后会怎样。一个能保证「一次上传出三格一致画面」的模板,会把目前唯一需要手艺的那部分拿掉。剩下的是选角、服装,和那两行字。创作面小了很多,而那恰好也是观众注意力真正落下去的地方。

线索是大家不再为什么写提示词了

半年前,这些平台上流传的提示词是关于物件的:一只穿西装的猫,一座玻璃做的城市,一个由烟构成的人。三宫格的提示词是关于调度的。它规定机位距离、身体朝向、光从哪来、字坐在哪、每一格里的人在感受什么。

这是素养的转变,不是模型的转变。出好结果的那些人,学会了像导演一样写,而不是像顾客一样写。他们也是对工具抱怨最少的那些人,因为他们已经不再指望它去猜。

它说明了市场的什么

西方对 AI 图像的报道痴迷于单张主视觉:海报、产品图、关键帧。中文平台走了另一条路,走向多格版面,像一份出版物那样运作——三格、一个网格、一条带字幕的剧照条。

这是分发的差别,不是品味的差别。一个建立在滑动和收藏上的信息流,奖励的是能扛住裁剪和重复的物件。一张三宫格合成图,一个文件里是四份素材。它是为「它将被看到的地方」优化的,这是编辑设计里最老的规则,也是 AI 工具忽略了两年的那条。

想试的话,老实的建议是:从你自己的照片开始,字写短,做好生成五六次、三格里的人才终于被认成同一个人的准备。提示词不是难的那部分。难的是第二格,模型得记住一张它只能从背后看到的脸。

相关文章