在ChatGPT里直接生成和编辑图像、视频，靠的是一个叫fal的插件。这条路径已经被跑通了一次完整项目。 据披露，团队用 GPT Image 2.6 生成了数百张关键帧，再用 FLUX 3 Max 把 26个镜头 做成动画，最终合成一支 60秒 的商业广告。 三个数字摆在一起，信息量不小：数百张关键帧是素材池，26个镜头是分镜规模，60秒是成片长度。从静帧到动态，再到成片，链条上的每一环都在同一套工具组合里完成。 值得留意的是分工方式——生成关键帧和驱动镜头动画，用的是两个不同的模型。前者负责画面，后者负责运动，插件则把入口放在了ChatGPT里。 这套流程能不能复制到别的项目，取决于关键帧的可用率和镜头衔接的稳定性。至少在这个案例里，26个镜头全部走完了动画环节。 特别