我用一句话做了一个科幻小短片。（图2）

先用kimi k3 vibe coding了一个应用（图1），这个应用功能就是把这一句话分解成一组分镜，然后每个分镜都有单独的视频提示词和运镜提示词。

这个应用，接的是gpt5.5的模型，进行剧本的分解。
其实接kimi k3也可以，这不是太贵了么？

然后把这些生成的分镜脚本丢给豆包，用的是seedance2.0 mini，就生成了这个短片。

从头到尾，就一句提示词：
在未来，地表已经毁灭，少数幸存者生活在地下城，有一天，有一个小女孩偶然发现，地表其实已经恢复，适合人类生存，但是地下城的高层隐瞒了这个消息。。。。。。

不要问我，为啥这个镜头里面小女孩的样子和穿的衣服为什么变了？
其实我做了一个主角设定的多视角参考图。
但是豆包的视频生成，不让上传人脸参考图，你用豆包生成的也不行。
我怀疑，视频模型的审核不在豆包这边，所以豆包生成的图片，那个审核也不认。

这就是字节内部的协调问题了。

整个过程，包括vibe coding在内，不到一个小时。