Subway AI Outfit Swap 12s

以当前作为唯一首帧参考，生成一段 12 秒、9:16 竖屏、写实风格的手机偷拍视频短视频。 严格保持当前图片中的：

女主脸型五官

发型与丸子头

坐姿与双腿交叠姿势

手里正在看的手机

白色无袖上衣

黑色短裙

白色中筒袜

银色高跟鞋

腿上白色 Dior 盒子

黑色购物袋

左右两侧乘客

地铁红色座椅

车厢金属立柱

背后车门与“Next Station”标识

前景右下角偷拍手机

整体构图、镜头角度和偷拍感氛围

镜头为 斜对面乘客手持偷拍视角，前景右下角有一部虚焦手机入镜。 前景手机屏幕上显示一套明确的目标服饰参考图，人物最终必须准确变换成手机屏幕上的同款服饰。 目标服饰就是手机画面中的 粉白色兔耳女仆风连衣裙套装，包括兔耳头饰、粉白配色、围裙结构、裙摆层次与整体造型，必须与手机中的服装保持一致，不能随机换成别的衣服。

时间轴

0–3.5 秒

女主坐在地铁座位上低头看手机，表情平静自然。 前景右下角手机虚焦入镜，屏幕上清楚显示目标服饰参考图。 左右两边乘客各自低头做自己的事，地铁环境真实安静。 此时出现 日语字幕 和 男声口播：

「ねぇ Grok、この女性の服をこれに変えて。」

字幕风格像原视频一样自然叠加在画面上，清晰易读。

3.5–4.2 秒

前景手机突然发出 紫白色 AI 光效。 光线从前景手机方向射向女主身体，形成明显的科技感扫描效果。 紫色光晕先打到女主上半身，再迅速扩散到全身，随后出现矩形能量扫描框。 加入：

电子提示音

科技扫描音

能量扩散音

4.2–5.2 秒

紫色扫描框完整包裹女主身体。 女主当前服装在光效遮挡下被改写，准确变换成前景手机里显示的那套服装。 最终造型必须是：

粉白色兔耳女仆风套装

兔耳头饰

粉色胸前主体

白色蕾丝荷叶边

粉色围裙细节

层层裙摆结构

人物脸、发型、坐姿、腿部位置、手部位置和人物在座位上的位置保持稳定。 女主抬头，露出震惊表情，短促惊呼：

「えっ!?」

5.2–6.8 秒

女主低头看向自己已经变成手机同款的服装，表情从震惊变成慌张、疑惑、不知所措。 她轻微坐直，肩膀收紧，下意识看自己身上的衣服。 出现 日语字幕 和 女声口播：

「な、なんで!?」

6.8–8.2 秒

镜头快速横向摇向旁边乘客。 左右两侧乘客注意到变化，转头看向女主，露出惊讶、愣住、短暂停顿的反应。 镜头带一点真实手持摇晃和轻微运动模糊，像偷拍者被现场反应吸引过去。

8.2–9.2 秒

镜头回摇到女主。 女主仍然坐在原位，已经换成手机上的同款服装，神情尴尬、防备、疑惑。 她先看向旁边乘客，再低头看自己，气氛变得尴尬。

9.2–11 秒

镜头重新稳定。 女主低头确认自己身上的服装就是手机里那套，表情逐渐从惊慌转成委屈、无措、尴尬。 此时出现 日语字幕 和 男声吐槽口播：

「Grokのアプデすげーwww」

11–12 秒

女主保持坐姿，低头尴尬地看着自己身上的衣服。 周围乘客的注意力仍停留在她身上，地铁氛围短暂停顿。 镜头轻微手持晃动，最后停在女主低头尴尬的状态，自然结束。

风格要求

真实手机偷拍视频质感

轻微手持晃动

浅景深

前景手机虚焦但服装参考图可辨识

地铁环境真实自然

紫白色 AI 科技扫描光效

动作自然真实速度

节奏清楚、利落

不要慢动作

不要拖沓

不要卡通化

不要夸张特效泛滥

保持现实场景中的荒诞感

强制约束

人物最终只能换成手机屏幕上的那套服装

不要随机换成其他衣服

不要改变人物身份

不要改变人物脸

不要改变原本坐姿

不要让人物站起来

不要改变地铁车厢环境

不要删掉前景手机

不要把左右乘客变没

不要让前景手机完全看不清

不要肢体畸形

不要多余手指

不要画面闪烁过强