我使用了Gemini来测试这个，但我也很希望得到一些关于如何提高准确率的提示。所以首先，我尝试获取一个模型的所有角度。在这个例子中，我会使用Arknights Endfield中的Flourite：

然后，单独地有一个物体（在这个例子中，是她的枪）并写出这个提示；（我不知道双括号是否有帮助来标识我的文件名，但它确实起作用了。）

“来自参考角色卡片图片的披头巾女性（((FlouriteRefA))）执行动画序列：动作1：懒散然后跑动，动作2：从图片参考（RefB_pistols）中开火的手枪，手枪有绿色口径火花（但不绘制或动画任何子弹），动作3：她在跑动时开火手枪，动作4：她从图片参考（RefB_pistols）中取出一个绿色和白色圆盘对象并踢它走开，动作5：她像受伤一样皱眉（没有任何东西）并返回到懒散动画。

约束：像素艺术2D格斗游戏侧视图，始终向西面。主体位于中间，16：9比例，孤立在一块平坦的蓝色背景上，没有阴影，清晰的关键帧动画，没有渐变或深度。（没有音效，没有音乐）。”

然后我可以将视频剪辑成gif，非常容易地将gif转换成使用aseprite或任何工具的精灵图。