这两年做短片流程基本固定下来了：不管最后落到哪个模型出图，第一步一定先在 MJ 里瞎跑几十张，找那个世界该长什么样。GPT Image 和 Nano Banana 不是不好，它们能非常准确地把我脑子里那句话画出来，但也就到此为止，给什么出什么，很难自己长出氛围来。
MJ 反过来，你丢一句含糊的描述，它会往外推，推出来的东西常常比我原本想的更像一部片子该有的样子。调子定死了，我才切回 NB Pro 或者 GPT Image 做角色一致性，这活它俩是真稳，同一张脸跨十几个镜头不崩。
所以对我来说不存在谁替代谁，一个负责让我知道要拍什么，另一个负责把它拍完。