AI视频提示词指南：结构、镜头控制与工作流

有效的AI视频提示词依赖固定语法：主体 + 动作 + 镜头 + 光影 + 风格 + 技术参数。Sora、Runway Gen-3、Luma Dream Machine、Kling等模型对该层级的理解各异，但结构逻辑始终一致。本指南拆解各组件、解释模型偏好权重，并提供可复用的专业模板。

为何提示词结构决定输出质量

视频模型按顺序处理Token。前段Token定义主体与核心动作；中段控制镜头与环境；后段应用风格与技术约束。若在定义动作前堆砌美学词（"cinematic"、"8k")，模型会在静态帧上幻觉细节。结构化提示词强制模型优先分配算力给时序一致性。

Runway Gen-3对第3-5位的镜头Token响应强烈。Kling 1.6优先物理动作动词。Luma Dream Machine重度权衡光影氛围。Sora（在可访问处）遵循严格的主体-动作-镜头层级。理解这些偏好，即可在不重写创意的前提下，为不同模型重新排序同一组件。

通用提示词公式

每次生成均套用此模板。填入各括号；无需项可删除括号。

[主体描述] + [动作/运动动词] + [镜头类型+运动] + [光影/时段] + [环境/背景] + [风格/美学] + [技术规格]

1. 主体描述 (Token 1-15)

用视觉特异性定义核心元素。避免抽象名词。不用"一位女性"，而用"30岁女性、及肩深色发、身穿藏蓝风衣"。包含显性特征：服装质感、配色、道具。人物需注明年龄、种族、姿态；物件需注明材质、尺度、状态（全新/风化/湿润）。

2. 动作与运动动词 (Token 16-30)

视频即运动。使用精准物理动词："大步走"、"扑击"、"向左平移"、"顺时针旋转"、"溶解为粒子"。避免"移动"、"前进"、"走路"。标注速度："慢动作"、"实时"、"延时"。定义轨迹："向镜头走来"、"以2米半径环绕主体"。物理模拟类运动，补充"自然重量感"、"动量守恒"、"布料模拟"。

3. 镜头类型与运动 (Token 31-50)

这是业余与专业输出的最大分水岭。在一个子句内声明镜头、角度、运动。

• 焦段: 16mm(广角、畸变)、24mm(环境)、35mm(标准)、50mm(自然)、85mm(人像、压缩)、200mm(长焦、扁平化)。
• 角度: 平视、低角度(英雄感)、高角度(脆弱感)、荷兰角(张力)、鸟瞰、虫瞰。
• 运动: 固定、左右平移、上下仰俯、推拉镜头、左右跟拍、升降、顺/逆时针环绕、手持(微抖)、无人机升起/揭示、FPV俯冲。
• 对焦: 全景深、浅景深(f/1.8)、从[物体A]拉焦至[物体B]。

示例: "35mm镜头、平视、慢推、浅景深从前景手部拉焦到面部。"

4. 光影与时段 (Token 51-70)

光影定调材质响应。指定光源、质感、方向、色温。

• 光源: 黄金时刻阳光、阴天、霓虹灯、实景灯、LED面板、烛光、生物荧光。
• 质感: 硬光(锐利阴影)、柔光(漫射)、斑驳光(透过树叶)、体积光(丁达尔效应)、轮廓/逆光。
• 方向: 正面、侧面(分割)、45度(伦勃朗)、顶光、底光。
• 色温: 5600K(日光)、3200K(钨丝)、青橙对比、单色、特定滤色片(CTB、CTO)。

5. 环境与背景 (Token 71-85)

落地主体。"模糊城市街道"太弱。"雨夜东京巷弄、霓虹倒映湿沥青、远处蒸汽口"给模型空间锚点。包含景深线索：前景元素、中景动作、背景地标。注明天气：雾浓度、雨强度、积雪、植被风向。

6. 风格与美学 (Token 86-100)

最后套用外观。引用胶片(柯达Vision3 500T、富士Eterna 250)、导演(王家卫调色、维伦纽夫尺度)或类型(新黑色、赛博朋克、极简纪录片)。避免堆叠冲突风格。单一强参照优于五个弱参照。

7. 技术规格 (Token 101+)

模型专属控制。分辨率: 1280x720、1920x1080。宽高比: 16:9、9:16、2.39:1、4:3。帧率: 24fps(电影)、30fps(广播)、60fps(流畅)。时长: 5s、10s。种子: 固定以复现。反向提示词: "模糊、畸变、变形、多余肢体、水印、文字、低质量"。

模型专项提示词权重

相同提示词在不同模型产出差异大。按平台调整组件侧重。

实操结论: Runway以镜头领题；Kling以物理动作领题；Luma以光影氛围领题；Pika以风格参照领题；Hailuo主体与动作均衡。

镜头语言速查表

直接复制进提示词，跨模型稳健生效。

常见失败模式与修正

1. 肢体融合/多余手指: 反向提示词加"解剖正确、五指、拓扑稳定"。降低运动速度。用图生视频配合干净首帧。
2. 镜头漂移(非预期缩放/平移): 显式声明"固定镜头"或"锁定"。避免无运动矢量的"平滑"。
3. 光影闪烁: 指定"光影一致、无曝光跳变"。锁定时段。非刻意避免"动态光影"。
4. 背景扭曲: 定义背景几何："背景静止、仅相机运动产生视差"。长时长用简化环境。
5. 风格渗色(非预期调色): 风格Token后置。反向提示词:"无调色、中性白平衡"。先生成原片，后期调色。
6. 时序不一致(角色跨帧变异): 用图生视频配合一致参考帧。提示词加"时序一致、身份保持"。角色片段控制在5秒内。

分步提示词构建工作流

1. 一句话定义镜头目标。 例:"厨师在阳光厨房切菜，特写刀工"。
2. 提取主体Token。 "专业厨师、40多岁、专注神情、白厨师服、三德刀、案板上胡萝卜洋葱"。
3. 选定核心动作动词。 "有节奏切菜、精准下刀、洋葱碎堆积"。
4. 从速查表选镜头子句。 "100mm微距、平视、固定、浅景深对焦刀刃接触点"。
5. 设定光影。 "晨间窗光、45度侧光、柔和阴影、蔬菜升腾热气"。
6. 增加环境纵深。 "背景虚化不锈钢台面、窗台盆栽、失焦吊灯"。
7. 套用风格。 "美食纪录片美学、自然色彩、高动态范围"。
8. 追加技术规格。 "1920x1080、16:9、24fps、5s、seed 42"。
9. 按公式顺序组装完整提示词。 统计Token；按模型上限裁剪。
10. 生成3个变体。 仅改种子。挑选时序连贯最佳者。必要时放大。

进阶：图生视频提示词

使用输入图时，提示词描述变化而非静态场景。模型已看到主体、光影、构图。你只需提供：运动矢量 + 镜头运动 + 时长提示。

例：输入图为黄昏停放汽车。提示词："汽车加速前行、车轮旋转、扬起尘土、低角度左跟拍跟随、保持黄金时刻、5秒"。切勿重述汽车或日落。无效Token会干扰运动规划器。

角色动画例："头部左转、眼神追踪移动物体、微笑浮现、肩膀放松、呼吸起伏、3秒"。微表情需显性枚举；模型默认面部冻结。

核心结论

提示词非创意写作，而是参数工程。公式[主体][动作][镜头][光影][环境][风格][技术]有效，因其映射模型潜空间层级。背诵镜头速查表。查阅对比表掌握目标模型偏好。全流程走完10步工作流。一致性源于结构，而非灵感。