עשר זוויות מצלמה מפריים אחד
הפכו תמונת AI אחת לעשר זוויות מצלמה של אותה סצנה ב-Nodaro. LLM כותב את רשימת השוטים, ורכיב יצירת תמונה אחד מרנדר כל זווית.
המדריך כיסוי מצלמה הופך תמונה אחת לעשרה שוטים של אותה סצנה: רחב, בינוני, תקריב, מעבר לכתף, זווית הפוכה, אינסרט, זווית נמוכה ופרופיל. LLM קורא את התמונה וכותב את רשימת השוטים, ורכיב רשימה מריץ רכיב יצירת תמונה אחד פעם אחת לכל שוט. הדמות, הבגדים, המקום והאור נשארים זהים; רק המצלמה משתנה.
פריים הייחוס
הסצנה מתחילה כתמונה אחת, שנוצרה ב-GPT Image 2 מפרומפט קצר:
פרומפט מתורגם. המודל קיבל את המקור באנגלית, שמוצג למטה.
הפרומפט המקורי באנגלית

איך התהליך מתכנן את השוטים
- ברכיב טקסט נמצאת הסצנה, ורכיב יצירת תמונה יוצר ממנה את פריים הייחוס.
- ברכיב טקסט שני נמצא תדריך הכיסוי: הכללים של כיסוי קולנועי אמיתי, שמוצגים למטה.
- רכיב יצירת טקסט - כל LLM קורא את פריים הייחוס ואת התדריך, ו-GPT-5.2 כותב עשר העמדות מצלמה, אחת בכל שורה.
- רכיב פיצול טקסט הופך את עשר השורות לעשרה פריטים, ורכיב רשימה מציג אותם כשורות שאפשר לערוך.
- רכיב יצירת תמונה אחד מקבל את הרשימה כפרומפט ואת פריים הייחוס כייחוס. הרכיב רץ פעם אחת לכל שורה, ולכן עשר שורות יוצרות עשר תמונות.
אפשר לערוך כל שורה ברשימה לפני שמריצים את השוטים, כך שהקרדיטים יוצאים רק על התוכנית שאתם רוצים.
התדריך הוא החלק שמשנים. זה התדריך שה-LLM קיבל, מילה במילה:
פרומפט מתורגם. המודל קיבל את המקור באנגלית, שמוצג למטה.
הפרומפט המקורי באנגלית
עשרת השוטים
מתחת לכל שוט מופיעה השורה שה-LLM כתב. השורה הזאת הייתה כל הפרומפט של התמונה.

Wide establishing shot from inside the cozy café, woman seated left of frame beside rain-streaked window, neon-lit street outside, warm tungsten lighting, ample headroom.
Medium waist-up from across the table, woman left of frame gazing through rain-covered glass, coffee mug and books foreground, identical night lighting.
Medium three-quarter side view from café aisle, woman left of frame leaning on folded arms beside window, reflections shimmering outside, warm interior glow.
Close-up on her face in profile-three-quarter, eyes fixed outside, raindrops and neon bokeh behind, soft warm café lighting, breathing room around head.
Tight close-up of her thoughtful expression, window reflections crossing her face, identical wardrobe and lighting, negative space ahead of her gaze.
Over-the-shoulder from behind her left shoulder toward the rain-soaked street, her silhouette and jacket foreground, neon storefronts beyond, consistent screen direction.
Reverse angle from outside the window toward the café interior, rain-speckled glass foreground, woman visible inside watching the street, warm interior contrasting cool night.
Insert detail of steaming coffee mug, worn books, and raindrops on the windowsill, warm café light reflecting across wet surfaces.
Low-angle medium shot from table height, woman left of frame against glowing window and neon reflections, same wardrobe, location, and nighttime lighting.
Clean side-profile shot parallel to the window, woman left of frame facing right toward the rain, café interior softly receding behind her.מה עבד ומה לא
- הסצנה נשמרה. האישה, הז׳קט שלה בצבע זית, בית הקפה, הגשם ואור הלילה זהים בכל עשרת השוטים. כל שוט השתמש בפריים הייחוס כתמונת ייחוס, וזה מה ששומר על העקביות ביניהם.
- שוט אחד לא יצא לפי התוכנית. האינסרט תוכנן כפרט של הספל והספרים בלבד. GPT Image 2 השאיר את האישה בפריים, ולכן שוט 8 הוא עוד שוט בינוני. כתבו את השורה הזאת מחדש, או הריצו אותה שוב, כדי לקבל אינסרט אמיתי.
- שלטי הניאון מומצאים. המודל כתב מילים מומצאות על השלטים בחוץ, ולכן בדקו כל טקסט שמופיע בשוט לפני שאתם משתמשים בו.
התאמה לצרכים שלכם
- סצנה חדשה: שנו את הסצנה ברכיב טקסט הראשון והריצו את התהליך מההתחלה. תוכנית הכיסוי נשארת זהה.
- תוכנית אחרת: שנו את התדריך כדי לבקש שישה שוטים, סדר אחר או סוג אחר של כיסוי, כגון דוקומנטרי, אקשן או ראיון.
- זווית אחת בכל פעם: ערכו שורה אחת ברכיב רשימה לפני שאתם מריצים את רכיב יצירת תמונה.
- תנועה בשלב הבא: התדריך מבקש מרווח מסביב לנושא, כדי שהשוטים יוכלו לשמש פריימי פתיחה לרכיב יצירת וידאו.
כמה זה עולה
המחירים נכונים להיום, לאותן הגדרות:
| שלב | מודל | קרדיטים |
|---|---|---|
| פריים הייחוס | GPT Image 2 | 21 |
| רשימת השוטים | ה-LLM של רכיב יצירת טקסט - כל LLM | הקריאה מחויבת לפי הטוקנים שהיא השתמשה בהם, בתעריף של המודל. ראו את הסעיף איך מחויבות קריאות LLM בדף קרדיטים. |
| עשרת השוטים | GPT Image 2 | 210 |
נסו בעצמכם
פתחו את המדריך כיסוי מצלמה ב-app.nodaro.ai. המדריך מציג את ההרצה הזאת, עם כל הרכיבים וכל התמונות, בלי צורך להתחבר. הרצת המדריך מעתיקה את התהליך לחשבון שלכם, וההעתקה חינמית. בדף מדריכים ותבניות מוסבר איפה נמצאים המדריכים באפליקציה.
שאלות נפוצות
איך מקבלים זוויות מצלמה שונות של אותה תמונת AI?
משתמשים בתמונה כייחוס למודל תמונה ומתארים העמדת מצלמה אחת בכל פרומפט. בתהליך הזה, LLM כותב עשר העמדות מצלמה מהתמונה, ורכיב רשימה מריץ רכיב יצירת תמונה אחד פעם אחת לכל העמדה.
האם הדמות נשארת זהה בכל זווית?
בהרצה הזאת, כן. האישה, הז׳קט שלה, בית הקפה ואור הלילה זהים בכל עשרת השוטים, כי כל שוט השתמש בפריים המקורי כתמונת ייחוס.
האם כל זווית יצאה כמתוכנן?
תשע מתוך עשר הזוויות יצאו כמתוכנן. שוט האינסרט תוכנן כפרט מקרוב של הספל והספרים בלבד, אבל GPT Image 2 השאיר את האישה בפריים.
כמה עולה הכיסוי כולו?
עם GPT Image 2 בגודל ברירת המחדל, כל תמונה עולה 21 קרדיטים, ולכן עשרת השוטים עולים 210 קרדיטים. קריאת ה-LLM שכותבת את רשימת השוטים מחויבת לפי הטוקנים שהיא השתמשה בהם, בתעריף של המודל שנבחר.
איפה אפשר לנסות את התהליך הזה?
פתחו את המדריך כיסוי מצלמה ב-app.nodaro.ai. המדריך מציג את ההרצה האמיתית בלי צורך להתחבר, והכפתור הרצת המדריך מעתיק את התהליך לחשבון שלכם בחינם.
דפים קשורים
יצירת תמונה
רשימה
יצירת טקסט - כל LLM
דמויות עקביות
בוררים בפעולה
עודכן לאחרונה