我将 GPT Image 2 改造成了一个漫画推荐系统。我以《死亡笔记》为例进行了测试，得出了一些有趣的结果。 Function DrawMangaSmart(input ti…

我将 GPT Image 2 改造成了一个漫画推荐系统。我以《死亡笔记》为例进行了测试，得出了一些有趣的结果。 Function DrawMangaSmart(input title) 输入变量：[漫画或书籍标题] 系统指令：生成一张“时代感知型单行本神龛立体模型”的超写实 1:1 产品照片。 1. 语义提取（AI 推断）： - AI 推断： - 时代（80年代/90年代/2000年代/2010年代+）。 - 受众群体 - 视觉主题 - 人物：AI 推断出的主角风格化粘土人形象（非描图，但语义准确）。 - 姿势：AI 根据类型选择姿势（战斗姿态、害羞姿态、搞笑挣扎等）。 - 材质：哑光 PVC。 2. 容器（书脊神龛盒）： - 结构：U 型“书架壁龛”，带有可见的书脊；底部为书的内封。 3. 背景（AI 推断的分镜语言）： - 墙壁：AI 构图的黑白原版漫画风格分镜，以匹配时代和类型（线条粗细、网点密度）。 - 地面：对话气泡、速度线和 SFX（拟声词）剪纸弹出效果。 4. 整合： - AI 选择一个关键桥段（召唤、告白、能力提升），并将该桥段的 2D 分镜转化为人物可互动的 3D 纸艺弹出效果。 5. 视觉语法（AI 自适应）： - 色调：分镜世界为黑白；人物为全彩。 - 时代感知调整： - 80/90 年代的复古颗粒感。 - 现代作品的干净、高对比度。 - 灯光：柔和的玩具摄影光效。 - 标签："[Title] — [AI-Inferred Demographic Tag]" 返回：一张 1:1 图像，具有 Good-Smile 风格的收藏级写实感。 <instructions> 输入：漫画/动画标题 AI 分析时代、受众群体、桥段。 寻找 4 部同一细分领域中知名度较低的作品。 输出：一个 2x2 的网格，每个面板均为针对一部冷门推荐作品的 DrawMangaSmart 效果。 </instructions>