双人 · 21 秒两张照片换掉两位客人
两张照片都换掉:你坐圆盘,第二张照片演端着杯子走进来的那位。咖啡馆、字幕和声音都保持原样。
照片坐上墙上的小圆盘,等客人把杯子放上来,才知道那是桌子。
示例 · 双人 · 21 秒PNG / JPG / WebP · 不超过 10 MB · 短边至少 512px
0/2 张
第 1 张演坐在圆盘上的男士,第 2 张演走进来的女士。每张照片一个人或一只宠物,第 1 张最好从头到脚、脸要清楚。
视频参数
可以上传你自己、你的宠物,或者同意出镜的人;名人和影视剧照不能使用。
First Time in a Fancy Cafe AI 是一镜到底的 POV 短片:极简混凝土咖啡馆里,弯钩立柱上的小圆盘看上去像高脚凳,主角就坐在上面喝咖啡,直到一位女士走进来、坐到长凳上、把杯子放到同一个圆盘上——原来那是桌子。

墙脚是一条连续的混凝土长凳,长凳上方装着两个小圆盘,一眼看过去确实像座位,所以片子里没人做错事:他只是照着房间给人的暗示在用家具。这条片子也叫 your first time in a fancy cafe、first time at a fancy coffee shop,梗能传开是因为谁都进过一个自己看不懂的房间。
评论区有一半人站他:一条约 690 万播放的重发帖下面,点赞最高的评论是“what if she’s the one seating incorrectly”,约 9.68 万赞;再往下那句“I would remain seated to assert dominance”约 3.28 万赞。
目前能定日的最早一条在另一间咖啡馆:有杂志架和一条橙色灯带,由 @stevenwommack 发在 TikTok,11 月 3 日读到约 210 万播放。
混凝土咖啡馆版被换成两张脸重发:@leehoustonx 在 15:38 UTC 发布,到 11 月 3 日读到约 690 万播放。
Kevin Winnik(@kevkevkiwi)把混凝土咖啡馆这一条本身发到 TikTok,配 Steve Lacy 的声音,第二天读到约 63.8 万播放。
他还发了一条制作过程:Higgsfield、Seedance 2.5,用两张自拍照生成的 22 秒竖屏片子——所以这间咖啡馆是生成出来的,不是拍出来的。
播放量与评论点赞数于 2026 年 11 月 3 日在 TikTok 读取,帖子按账号名标注;加上 ai、模板、怎么做的搜索目前都还没有补全。
固定机位、全程不切,一共 21 秒。下面的时间从模板的第一帧开始算。
10:00–0:05左边的人坐在墙上的小圆盘上,脚踩长凳,背挺直地喝咖啡。到这一步还看不出任何不对。
20:05–0:07她拿着自己的杯子进门,走过混凝土地面,停在另一个圆盘前。
30:07–0:09她选的是长凳,不是圆盘,然后把杯子放上圆盘——圆盘稳稳托住了杯子,就是一张桌子。
40:09–0:15接下来六秒什么都没发生,只有他的头转向她的杯子,又转回来。
50:15–0:20他站上长凳、下到地面,坐回她旁边的长凳上,把自己的杯子放到自己那个圆盘上。两个人都直视前方,直到片子结束。
两个版本都是同一间咖啡馆、同一个固定机位,也都以“坐对了”收尾,区别只有照片张数。
双人 · 21 秒两张照片都换掉:你坐圆盘,第二张照片演端着杯子走进来的那位。咖啡馆、字幕和声音都保持原样。
单人 · 21 秒一张照片换掉圆盘上的男士。走进来的女士、咖啡馆、字幕和声音都保持原样,从第一口咖啡到最后一秒的直视都在。
两张照片就是一段双人戏:一个人把家具用错,另一个人当着他的面用对。
一张照片让他坐圆桌;再加一张,你就是端着那杯“不是我点的”走进来的人。
配文参考: 他又替我点好了
两张照片:本地人和新来的,只有一个人知道哪个圆盘是桌子。
配文参考: 她来这儿才三周
一张照片就够:把他放上圆盘,让模板里的客人当着他的面坐对。
配文参考: “我就在这儿等。”
宠物照片也能坐圆盘:杯子放在旁边,爬下来换成跳上长凳。
配文参考: 它从来不坐地上
咖啡馆、机位、字幕和节奏都来自模板,照片决定画面里的人是谁。角色不分性别——谁坐圆盘、谁走进来都行,两张照片对调就是换人出丑。

照片 1·桌上的男士
第 1 张演桌上的男士:第一口咖啡时他就坐在圆盘上,中间几次侧头,结尾再爬下来。单人版只用这一张。

照片 2·走来的女士
第 2 张演走来的女士:她坐到长凳上,把杯子放到圆盘上,圆盘这才变成桌子。
推荐
一张照片一个人,从头到脚
脸清楚,正对镜头
宠物照要全身、看着镜头避免
一张照片里站着两个人
坐着拍、只拍到一半的手机照
发暗或糊掉的照片放一张还是两张
单人版一张,双人版两张。
点击生成
按钮会先显示你选的分辨率对应的准确价格,再开始生成。
发出去
下载 MP4 直接发;字幕和音乐已经在片子里了。
一条 kling prompt,在一镜到底的原片上直接改,双人版和单人版都有,另附保住圆盘、长凳和字幕的写法。本页实际在跑的提示词已经设好。
Kling 4.0 视频编辑
提示词长度 1131
@Video1 is the source clip: a 9:16 single take, locked-off camera, in a bare concrete cafe with two small discs on curved posts above a continuous bench. @Image1 and @Image2 are the two guests. Replace the man perched on the left disc, white short-sleeve shirt, black trousers, feet on the bench, with the person in @Image1; replace the woman who walks in from the right in the dark suit with the person in @Image2. If @Image1 is a pet, it takes the disc as a whole animal with four legs and no human hands or clothing.
Keep the take exactly as it plays: the sip, the slow head turn towards the other disc, the stand up on the bench, the step down to the floor, the seat beside her, the cup set on his own disc, the straight stare at the end, and the timing between them. Keep the locked camera, the framing, the single take with no cuts, the lighting, the composition and the pacing. Keep the burned-in caption "POV: Your first time in a fancy cafe" and the clip's own track unchanged. Do not re-shoot, redesign the cafe, move the discs or the bench, add people, text or logos, or let a face swap or blend between the two bodies.写明什么不能变:圆盘、长凳、字幕
笑点就在那几件家具上,重拍一定会猜错。
用套装和包描述那位女士
这样单人版能放过她,双人版也不会把两张脸混起来。
保留“一镜到底、不剪”
一旦出现剪辑点,杯子放上圆盘那一刻的揭晓就没了。
“重新设计咖啡馆”
极简混凝土房间本身就是铺垫,不是装饰。
“去掉字幕”
字幕烧在画面里,也是这个趋势的名字。
“做成 30 秒”
这条片就是 21 秒,长度不是提示词能改的。
只要一间新咖啡馆
Put me in a fancy cafe video sitting on a table.
在原片上改,保住笑点
Edit @Video1 in place: replace the guest on the left disc with @Image1, and keep the woman, the bench, the caption and the track.
笑点在几何关系:像凳子的圆盘其实是桌子。重拍会让模型自己猜家具,笑点就没了。
一张照片,把装备一件件亮给镜头。
试一试和 Jisoo、和 Rosé 或和朋友一起跳《ADDICTED》走廊双人挑战。
试一试两张照片:小时候的你走进聚光灯,和现在的你隔着黑暗对峙。
试一试把照片放进夕阳甲板舞,结尾还有信号枪。
试一试一张照片站到 Bakar《Lonyo!》MV 操场群舞的正中间领跳,校服和原曲都在。
试一试你家猫狗用两条后腿走到镜头前,竖起两根中指。
试一试一张半身照,弯起手臂发力,另一只手在二头肌上合成一颗心。
试一试把片子放大到更高清、把两个人从咖啡馆背景里抠出来,或者换一段舞蹈片让照片动起来;这一条停在两人直视前方,没有可以继续延长的动作。
不免费,每次生成都要积分。价格取决于你选的版本和分辨率,点生成前按钮会先显示准确价格。新账号注册送 10 积分。
不是实拍。这条片子是用 AI 视频模型生成的,原作者公开过生成设置;你做的版本里,画面中的人会换成你的照片。
片子自带整段音轨,TikTok 帖子标注的是 Steve Lacy 的“oh yeah?”。成片会保留这段声音,不用另外配。
可以,一张宠物照片就能放第 1 张:宠物待在圆盘上,杯子放在旁边,结尾再换到长凳上。远景里宠物是最容易走样的输入,尽量用清楚的全身照。
有。CapCut 上有这个梗的剪辑模板;这里加一到两张照片,拿回来的就是带字幕和音乐的成片。
不能。“POV: Your first time in a fancy cafe” 是片子的一部分,每个版本都留在画面上。
不能。混凝土房间、两个墙上的圆盘、长凳和固定机位都来自模板;照片只改变画面里是谁。
机位很宽,脸在画面里只占很小一块,爬下来那几秒头还会转开。正对镜头的全身照比例最接近;只拍脸的自拍能提供的信息太少,重新生成一次也可能不一样。
不需要。那些工具要你自己写提示词或准备参考视频;这里片子、字幕和声音都在模板里,只有分辨率需要你选。
不能。模板保持片子的 9:16 竖屏,可调的就只有分辨率。
不一样。那是更早的一类实拍餐厅搞笑短片,有服务员和菜单;这一条是用 AI 一次生成的,讲的是墙上那个圆盘其实是桌子。