1. 先搞清楚AI视频生成提示词到底在解决什么问题很多人一上来就找“提示词大全”或者纠结于“主体场景运动”这种公式结果写出来的提示词要么太笼统要么太复杂AI生成的视频要么跑偏要么直接报错。这背后的核心问题其实是你没有告诉AI你到底想要一个什么样的“镜头”。AI视频生成尤其是文生视频本质上是一个“导演”工作。你不是在写一篇散文而是在写一份极其精确的“分镜脚本”。这份脚本需要让AI理解画面里有什么主体、场景、它们在干什么运动、用什么角度看镜头语言、以及整体感觉如何风格、氛围。所以写提示词的第一步不是套公式而是先想清楚你希望最终视频的第一个画面是什么是特写一个人的表情还是一个广角的城市风光是固定镜头还是镜头在运动想明白了这个你的提示词就有了一个坚实的起点。对于刚接触的人来说最值得关注的不是功能有多全而是能否通过一个简单的提示词稳定地生成一个符合预期的、几秒钟的短视频片段。这是所有复杂创作的基础。2. 从“一句话”到“一个镜头”基础公式的实战拆解搜索材料里提到的“主体场景运动”公式是很好的起点但必须注入细节才能用。我们来看一个反面例子和正面例子。反面例子“一只猫在玩。” 这个提示词太模糊了。“玩”是什么是跑、是跳、是抓东西AI的理解会非常随机生成结果不可控。正面例子“一只橘色的小猫在铺满阳光的木地板上用爪子拨弄一个毛线球。” 我们来拆解一下主体橘色的小猫。明确了种类和颜色场景铺满阳光的木地板。明确了环境、光线、材质运动用爪子拨弄一个毛线球。明确了动作、对象、互动方式这已经是一个合格的“单镜头”提示词了。但如果你想让它更出彩就需要加入“镜头语言”和“风格”。升级版例子“特写镜头一只毛茸茸的橘色小猫在午后铺满阳光的温暖木地板上用前爪轻轻地、好奇地拨弄一个红色的毛线球风格是3D卡通画面温馨。” 这里增加了镜头语言特写镜头。告诉AI构图细节描述毛茸茸的、轻轻地、好奇地。控制质感、动作幅度和情绪风格控制3D卡通画面温馨。控制整体渲染风格和氛围实操建议我建议你从“升级版例子”这种颗粒度开始练习。不要一上来就追求复杂的多镜头故事。先确保你能用一句话稳定生成一个5秒左右、画面清晰、动作合理的短视频。这是检验你对提示词控制力的最低标准。2.1 理解核心参数不只是“写什么”还有“怎么写”在调用大多数AI视频生成的API或工具时除了提示词prompt通常还有几个关键参数直接影响结果负面提示词告诉AI不要出现什么。比如“low quality, blurry, deformed hands, extra fingers”低质量模糊畸形的手多余的手指。这对于过滤掉常见瑕疵非常有效。视频尺寸/分辨率如1024x57616:9。这决定了画面的宽高比也间接影响构图。竖屏视频和横屏视频的提示词构图思路可能不同。帧率与时长如25fps, 4 seconds。这决定了视频的流畅度和总长度。复杂的运动需要更高的帧率和更长的时长来表现。随机种子一个固定数值可以用于复现相同提示词下的相似结果便于调试和对比。运动强度/引导系数有些模型提供类似参数用于控制画面中动态元素的幅度。强度太高可能导致画面扭曲太低则可能动态不足。我的经验是在调试阶段先固定所有其他参数只修改提示词。这样才能准确判断是提示词描述的问题还是参数配置的问题。比如同一个提示词1024x576和768x768出来的构图可能完全不同。3. 进阶控制把AI当成摄影师和灯光师当你掌握了基础的单镜头描述后就可以开始像导演一样更精细地控制画面了。这正是提示词工程的核心魅力。3.1 镜头语言告诉AI机位和运动这是让视频脱离“图片动起来”感觉真正拥有“电影感”的关键。你需要把摄影术语转化为提示词。景别extreme close-up大特写眼睛、嘴唇。close-up特写脸部。medium shot中景上半身。full shot全景全身。wide shot/establishing shot广角/定场镜头展示环境。角度low angle shot低角度仰视有压迫感或宏伟感。high angle shot高角度俯视有渺小感或全景感。over-the-shoulder shot过肩镜头常用于对话。dutch angle荷兰角倾斜镜头表现不安或紧张。运镜static camera固定镜头。slow zoom in缓慢推近。slow zoom out缓慢拉远。pan left镜头向左平移。tracking shot跟踪镜头跟随主体移动。dolly shot轨道镜头平滑移动。案例应用如果我们把之前的“小猫玩毛线球”升级。提示词“Low angle shot, a fluffy orange kitten batting a red yarn ball on a sunlit wooden floor. The camera slowly dollies in towards the kittens curious face. 3D cartoon style, warm and cozy atmosphere.” 低角度镜头一只毛茸茸的橘猫在阳光地板上拍打红毛线球。镜头缓缓轨道推进至小猫好奇的脸部。3D卡通风格温暖舒适的氛围。这个提示词明确指定了镜头角度和运动方式AI会尝试去模拟这种摄影效果而不仅仅是生成一个静态画面的动态化。3.2 光影与风格奠定视频的基调光线和风格决定了视频的情绪和质感。光线soft lighting柔光温暖、柔和。hard lighting硬光对比强烈、戏剧化。rim light/edge light轮廓光突出主体边缘。sunset glow日落光辉。neon lights霓虹灯光赛博朋克风。视觉风格cinematic电影感。anime动漫风格。cyberpunk赛博朋克。claymation黏土动画风格。watercolor painting水彩画风格。documentary style纪录片风格。避坑点风格词不要堆砌。cinematic, photorealistic, ultra detailed, 8K一股脑加上去可能会让模型困惑。通常选择1-2个核心风格词即可。例如cinematic, soft lighting比一堆形容词更有效。4. 复杂叙事构建多镜头与连贯性这是目前AI视频生成的难点也是前沿。搜索材料中提到的“多镜头公式”是一个很好的框架但实操中挑战很大。核心挑战如何让不同镜头之间的主体保持一致同一个人/物如何让场景过渡自然目前的模型如文中提到的Wan 2.7通过“总体描述分镜描述”来尝试解决。一个简化的多镜头提示词结构示例A short film about a robot discovering a flower in a post-apocalyptic city. Shot 1 [0-2s]: Wide shot of a rusty robot standing in a ruined city street, looking down. Shot 2 [2-4s]: Close-up on the robots optical sensor, as it notices a small yellow flower growing from a crack in the asphalt. Shot 3 [4-6s]: Low angle shot, the robot slowly reaches out its metallic hand towards the delicate flower. Cinematic style, desaturated color, dramatic lighting.一个关于机器人在末世城市中发现一朵花的短片。 镜头1 [0-2秒]生锈的机器人站在废弃城市街道上的广角镜头它正低头看。 镜头2 [2-4秒]机器人光学传感器的特写它注意到从沥青裂缝中长出的一朵小黄花。 镜头3 [4-6秒]低角度镜头机器人缓缓地向那朵娇嫩的花伸出它的金属手。 电影风格低饱和度色彩戏剧化灯光。实操建议先跑单镜头把每个分镜的提示词单独拿出来生成看看模型对你描述的画面理解是否准确。确保每个“镜头”本身是合格的。使用参考图/视频这是目前保持角色一致性的最有效方法之一。在支持“图生视频”或“参考生视频”的模型中上传一张角色设定图然后在提示词中用“Image 1”或“character1”来指代。例如“character1 walks slowly through the empty street.”管理预期即使是先进模型生成的多镜头视频在角色一致性、场景连贯性上也可能出现跳跃或变形。它更适合用于创意灵感、故事板预览而非直接生成最终成片。5. 声音与音效让视频“声”动起来搜索材料中详细介绍了“声音公式”这是一个强大的功能但容易被忽略。为视频添加人声、音效和背景音乐能极大提升沉浸感。声音提示词结构主体 场景 运动 声音描述人声/音效/背景音乐关键点人声不仅要写台词还要描述说话方式。例如“A man says in a calm, wise voice: \The journey is the reward.\”一个男人用平静、睿智的声音说“旅途本身就是奖赏。”音效描述声音的来源、材质和动作。例如“Sound of leather boots stepping on gravel.”皮靴踩在碎石上的声音。背景音乐描述音乐的类型和情绪。例如“Epic orchestral background music.”史诗管弦乐背景音乐。或“Upbeat synthwave background music.”欢快的合成器浪潮背景音乐。案例整合 我们整合一个带声音的完整提示词 “Close-up of a detectives hand lighting a cigarette in a rainy alley. Neon signs reflect on the wet pavement. The match strikes with a sharp \*scratch\* sound, followed by the soft crackle of tobacco burning. A slow, melancholic jazz saxophone plays in the background. Film noir style, high contrast, hard shadows.” 雨巷中一名侦探点烟的特写。霓虹灯招牌倒映在潮湿的路面上。火柴划燃发出尖锐的嚓声随后是烟草燃烧的轻微噼啪声。背景中播放着缓慢、忧郁的爵士萨克斯音乐。黑色电影风格高对比度硬阴影。注意声音生成对模型要求更高且并非所有模型都支持。在尝试前请确认你使用的工具或API具备此功能。6. 提示词优化与迭代从“能用”到“好用”写完提示词不是终点而是起点。你需要建立一个优化流程。第一轮保基本盘。用最简洁的描述生成视频检查主体、场景、核心动作是否正确。如果错了回去修改核心名词和动词。第二轮加细节。加入形容词毛茸茸的、破旧的、光线阳光下的、霓虹照耀的、镜头语言特写、缓慢平移。观察画面质感是否提升。第三轮控风格。加入风格词电影感、皮克斯动画、水墨画观察整体色调和渲染风格是否符合预期。第四轮调动态。如果运动不自然或幅度不对尝试调整提示词中的副词缓慢地、兴奋地、摇摇晃晃地或使用模型的“运动强度”参数。利用大模型优化正如搜索材料所示你可以将“提示词公式”作为系统指令让GPT-4、Claude或Qwen这类大语言模型帮你扩写和优化简短的提示词。例如输入“小猫玩雪球”让它根据“主体场景运动声音”的公式进行扩写。这是一个非常高效的方法。最后留几个我自己调试时的检查清单主体明确吗有没有可能被误解为其他东西动作具体吗是“走”还是“蹒跚地走”镜头交代了吗是AI自由发挥还是你指定的视角风格冲突吗“照片写实”和“卡通渲染”别混着用。负面提示词加了吗把不想要的东西如多肢体、模糊、水印排除掉。参数匹配吗一个描述宏大场景的提示词用正方形构图可能不合适。写AI视频提示词本质上是在学习和掌握一门与机器视觉沟通的新语言。它不需要你是文学大师但需要你具备导演的思维和工程师的精确。从控制一个简单的镜头开始逐步增加复杂度你会逐渐发现那些脑海中的画面正通过你敲下的文字一步步变成现实。