Grok Imagine 咖啡馆日常生活视频提示词

一个结构化的视频提示词，用于生成一段 12 秒的咖啡馆场景，主角为咖啡师。该提示词利用两张参考图片（@Image1、@Image2）来保持视觉一致性，并为每个镜头定义了特定的姿势和摄像机角度。