Veo3 提示词技巧：从入门到出片的完整指南

Veo3 提示词的核心结构

一条高质量的 Veo3 提示词，本质上是把「导演脚本」压缩成一段可被模型理解的文字。与早期文生视频工具不同，Veo3 对场景细节、镜头运动和音频的解析能力更强，因此提示词越结构化，出片越稳定。推荐使用五段式结构：

1. 主体 ：谁或什么，包括外观、服装、材质细节
2. 动作 ：主体在做什么，动词要具体
3. 环境 ：时间、地点、光线、天气、氛围
4. 镜头 ：景别、角度、运动方式、镜头时长
5. 音频 ：环境音、音效、对白、语气

示例： 「一位穿米色风衣的短发女性（主体），快步穿过清晨的东京街头并回头看镜头（动作），雨后地面反光、路灯还亮着（环境），中景跟拍、浅景深、缓慢推近（镜头），脚步声踩过水洼、远处城市白噪音（音频）」 。五个维度齐全时，模型的「自由发挥空间」被压缩，画面与预期的一致性显著提升。

镜头语言：决定质感的关键变量

很多人写 Veo3 提示词只描述「内容」，忽略「怎么拍」。镜头语言是 AI 视频与监控录像质感的分水岭。以下术语在 Veo3 中响应良好，可直接嵌入提示词：

一个实用技巧：每条提示词只指定 一种主镜头运动 。同时要求推、拉、摇、移会让模型在 8 秒内频繁切换机位，产出混乱画面。若想要多机位效果，应拆成多条提示词分别生成再剪辑。

音频与对白：Veo3 的独有优势

Veo3 原生生成同步音频，这是它与多数竞品的核心差异，也是提示词最容易被浪费的部分。不写音频，模型会自动脑补背景音，结果往往不可控。建议显式描述三类声音：

• 环境音 ：crackling fireplace, distant traffic, birds chirping
• 音效 ：glass shattering, footsteps on gravel, whoosh
• 对白 ：用引号包裹台词，并注明语气与口音

对白写法示例： The man looks at the camera and says in a low, gravelly voice: "We shouldn't have come here." 。注意三点：台词要短（模型对口型能力有限，超过两句话容易崩坏）；语气描述放在台词前面；如需中文口型，直接用中文台词并标注 "speaking in Mandarin"，但英文对白的唇形同步目前最稳定。

经验法则：画面描述决定「好不好看」，音频描述决定「像不像真的」。一条没有声音设计的 Veo3 提示词，只发挥了这个模型一半的能力。

常见错误与修正方法

根据大量实测反馈，以下四类问题出现频率最高：

1. 动作过于复杂 ：要求 8 秒内完成「起身、转身、拿起杯子、走到窗边、看向远方」，模型会跳帧或肢体扭曲。修正：一段提示词只保留一个主要动作加一个次要细节。
2. 物理逻辑矛盾 ：如「逆光的雪地里人物面部明亮清晰」。模型会随机选择服从哪一半。修正：自查提示词中的光线、重力、朝向是否自洽。
3. 抽象形容词堆砌 ：「史诗感、震撼、大片质感」这类词模型无法执行。修正：换成可拍摄的具体描述，如 "slow motion, dramatic backlighting, dust particles in the air"。
4. 忽略负面约束 ：不想出现的元素要写出来，如 "no text overlays, no camera shake, no extra limbs"，能明显降低废片率。

可复用的提示词模板

以下模板经过验证，替换方括号内容即可使用：

电影叙事模板 ： [景别] of [主体+外观细节], [单一动作], in [环境+光线], [镜头运动], [胶片/镜头质感]. Audio: [环境音], [音效]. [台词（可选）]

产品展示模板 ： Slow orbit shot around [产品] on [表面材质], studio lighting with soft shadows, [材质反光细节], background fades from dark grey to black. Audio: subtle ambient hum.

人物口播模板 ： Medium close-up, [主体描述] facing the camera in [环境], speaking in [语气]: "[不超过15词的台词]". Audio: room tone, clear voice. No background music.

迭代工作流：从废片到成片

AI 视频是概率生成，一次成功是小概率事件，工作流比单条提示词更重要。推荐五步迭代法：

1. 先锁内容 ：用最简提示词生成 4 条，确认主体和场景是否符合预期，不符则调整描述再生成。
2. 再加镜头 ：内容正确后，加入景别与运动描述，筛掉运动崩坏的版本。
3. 后加音频 ：画面稳定后补充音频与对白，避免声音干扰画面调试。
4. 负面约束收尾 ：针对反复出现的瑕疵（文字水印、多余人物）加负面提示词。
5. 批量+剪辑 ：同一提示词生成多条，取最佳片段，用剪辑软件拼接，而非追求单条完美。

这个流程的核心逻辑是 变量隔离 ：每次只改一个维度，才能判断哪个改动有效。一次改五个地方，废片了也不知道原因在哪。

写在最后

Veo3 提示词技巧的本质不是背咒语，而是学会用导演的语言思考：主体、动作、环境、镜头、声音，五个维度缺一不可。结构化的五段式提示词解决「画什么」，镜头语言解决「怎么拍」，音频描述解决「像不像」，迭代工作流解决「稳不稳」。掌握这套框架后，你面对的不再是玄学抽卡，而是可复制、可调试的生产流程。从今天起，把你最常用的一类视频需求套进模板，迭代三轮，你会看到明显的质量跃升。