可以——不用摄影棚，不请团队，一条产品广告片可以直接从 3D 模型里“长”出来：把产品以 GLB 或 glTF 导入 Shotshot，取景捕获几张参考图，然后对 Agent 说一句话，全自动的「脚本」工具会拆好整条分镜、备齐角色场景道具、连好生成节点；你审一遍镜头、点一次批量生成，每条分镜就变成一段可用的视频片段。产品在每一镜里都是同一个产品——因为喂给视频模型的是你 3D 模型的真实截图，不是文字想象。
这篇教程走完整条流水线：从一份 GLB 文件，到逐镜生成、能拼进剪映或 Premiere 的产品广告片。它适合的人：手上（或拿得到）产品 3D 模型的电商卖家、众筹团队、新品营销——产品需要动起来，但没有拍摄预算。
产品广告片的三条老路，各有各的难
实拍。摄影棚、道具、运镜、剪辑，一条十几秒的产品片报价从几千到几万；新品还没开模时，连可拍的对象都不存在。
纯文生视频。输入“不锈钢保温杯在山林间”，出来的是一只“看起来像”保温杯的杯子：杯口宽了两毫米，logo 是模型想象出来的。图片走形已经致命，视频里镜头一转，走形只会更明显——广告片的主体就是产品本身，图不符物，片越长越尴尬。
剪辑模板。套现成模板改改字，产品不是主角，片子和别家长得一样。
三条路的共同问题是：视频在远离产品事实的地方生产。而 3D 模型，恰恰是产品事实的数字化身——每条边、每个开孔、每处比例都是定稿。有它在，视频就可以从“事实来源”里长出来。
一条广告片，被拆成四种工作
Shotshot 把“做一条产品广告片”拆成四种各自可控的工作：
- 形状交给 3D 视口：导入模型、转动取景，产品不会变形，因为视口里就是产品本身；
- 画面质感交给图像模型：材质、光影、场景氛围，以捕获的参考图为依据生成，保证每张图都是“你的产品”；
- 节奏与叙事交给全自动「脚本」工具：一句话需求，整条分镜自动落地；
- 动态交给视频模型：每条分镜一张参考图、一段提示词，逐镜生成。
四段工作由画布串成流水线：3D 参考图喂给脚本里的资产，资产的参考图连进每一镜的生成节点，生成的片段按分镜顺序拼成成片。你不需要在几个工具之间来回搬文件。
全自动「脚本」：一句话，整条分镜自动落地
分镜是广告片的骨架：哪个镜头先出、特写打在哪、每镜几秒、怎么运镜。传统做法是先写脚本文档、再逐格执行；在 Shotshot 里，这是一段对话：
帮我做一条 15 秒的不锈钢保温杯产品广告。16:9 横屏，突出真空保温和材质工艺特写，户外露营场景，风格明快现代，无台词只要音效。
Agent 接到需求后自动完成三件事：
- 建好脚本：按产品节奏拆出分镜——开场特写、使用场景、细节展示、结尾定格——每镜带景别、角度、运镜、时长、氛围和音效，落在画布上的脚本节点里；
- 备齐资产：产品、使用场景、需要的道具各建一张资产卡，自动接上图像生成节点出参考图；
- 连好生成：确认脚本后一键展开，每条分镜变成一个视频生成节点，参考图和音频连线自动接好。
你要做的只剩审阅。想改，也是对话：说“镜头 2 改成环绕拍摄，结尾加一个 Logo 定格”，脚本里对应的镜头就被精确修改，其余分镜原样不动——不是重新抽卡，是逐条修改。
全自动不等于黑箱。双击脚本节点进入三步工作台：逐镜确认镜头表、准备资产参考图、预览每镜合成后的提示词，任何细节都可以人工接管，改完再交回批量生成。
完整流程：从 GLB 文件到能拼片的片段
第 1 步：导入 GLB 或 glTF
把产品的 3D 模型拖进项目。Blender、多数 CAD 软件和游戏引擎都能导出这两种格式；文件在本地解析，不发生上传。不用搭场景、不用调材质——你只是把“事实来源”装进来。
第 2 步：取景，捕获多角度参考图
像产品摄影师一样转动视角：主图角度、四分之三侧面、材质特写、拿在手里的局部。广告片里会出现的每个产品角度，都捕获一张。这些参考图是后面一切生成的依据：视频里产品从什么角度出现，就用什么角度的捕获去锚定。
第 3 步：一句话，让 Agent 生成整条分镜
把画幅、时长、卖点、场景、风格一次说全，让全自动「脚本」工具开工。分镜初稿出来后先审骨架：镜头顺序讲不讲得通、节奏对不对、卖点有没有被特写覆盖。改分镜用对话，双击单元格手改也可以，两种方式改的是同一份数据。
第 4 步：把 3D 参考图接进每一镜
这是 3D 模型和脚本工具的衔接点，也是产品不走形的关键。脚本里的产品资产，参考图不要凭空生成——从画布上选第 2 步捕获的 3D 视图。场景、道具资产同理：真实的使用场景照片或生成图都可以绑进去。绑定之后，每一镜的提示词都会引用这些资产，批量生成时产品在各镜头里保持同一张脸。
第 5 步：确认提示词，批量生成，拼成成片
先只生成第一镜，确认风格、材质、运镜都对，再批量生成其余镜头——这是最省钱的重试策略。生成的片段挑出能用的，按分镜顺序导入剪映、Premiere 等任意剪辑软件，配上生成好的音效，一条产品广告片就齐了。
常见错误与规避
每镜都重新描述产品。 提示词一旦复述产品长什么样，就是在和参考图抢工作。产品交给绑定的资产和参考图，提示词只写这一镜的运动、氛围和节奏。
所有镜头用同一张正面参考。 正面捕获里没有背面。第几镜露出什么角度，第 2 步就捕获什么角度。
一口气生成全部镜头。 第一镜没定稿就批量生成，风格跑偏就要全部重来。先出一镜、对齐审美，再批量。
把时长押在一条长镜头上。 视频模型的稳定性随时长下降。15–30 秒的广告片拆成 5–8 个短镜头，远比 3 个长镜头容易出片——分镜工具拆的正是这个。
忘掉音效设计。 分镜表里每镜都有音效字段，展开时会自动接上音频。成片的“高级感”一半来自声音，别留到最后再说。
常见问题
简短版：产品走形靠 3D 参考图和资产绑定压制；模型服务由你自己接入；文件默认留在你的设备上。四条展开回答如下。