MJ 定调子，NB Pro / GPT Image 做一致性，这两年我做短片就是这么分工的，暂时没打算改。
具体是这样：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，目的只有一个，找那个世界该长什么样。为什么不直接上 GPT Image 或 Nano Banana？它俩不是不好，是太准了——脑子里那句话它们能非常准确地画出来，但也就到这为止，给什么出什么，氛围很难自己长出来。定调子这个阶段我要的恰恰不是“准”，是能给我点我自己没想到的东西。
MJ 正好反过来。丢一句含糊的描述进去，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。在这一步，含糊反倒成了优点。
等调子定死，我再切回 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。前一步要发散，后一步要收，本来就是两种活，硬塞给同一个模型只会两头凑合。
所以在我这不存在谁替代谁。一个负责让我知道要拍什么，另一个负责把它拍完。