AI视频提示词指南：写出真正有效的提示词

什么样的AI视频提示词才是好提示词？

一条好的AI视频提示词，要用一段有序的文字回答五个问题：主体是什么、在做什么、怎么拍、发生在哪里、应该呈现什么风格。像 Runway Gen-3、Luma Dream Machine、Kling 和 Pika 这样的视频模型，对结构化、具体化的描述远比对松散含糊的描述反应更好。比如“一名女子在雨夜走过东京街头，手持镜头跟随其后，湿漉漉的柏油路上映着霓虹倒影，电影感，浅景深”几乎总是比“一个东京女子的酷炫视频”效果好得多。

与图片提示词的核心区别在于运动。每条视频提示词都应至少包含一个明确的运动指令，要么针对主体（“她缓缓转头”），要么针对镜头（“缓慢推近”）。如果不定义运动，模型会替你做选择，结果往往是细微的漂移或扭曲，看起来质量很差。

五段式提示词结构

每次都按这个顺序来。一致性让提示词可编辑：如果某个片段失败了，你就知道该改哪一段。

1. 主体段：谁或什么，附带一两个视觉细节。“一只收拢翅膀的灰鹭站在浅水中。”
2. 动作段：一个清晰的动作，附带速度或方式。“它缓缓展开翅膀，振翅起飞。”
3. 镜头段：景别加运镜方式。“低角度跟拍镜头，起飞时镜头向上摇。”
4. 场景段：环境、时间、天气。“日出时的雾气弥漫的湖面，水面上飘着薄雾。”
5. 风格段：画面质感和氛围。“35mm胶片质感，低饱和色调，柔和自然光，电影感。”

对大多数模型来说，整条提示词保持在60词以内。过长的提示词会稀释模型的注意力，模型往往会遗漏长句中段的细节。把最重要的元素放在最前面，因为大多数视频模型对开头几个词的权重更高。

真正能改变输出的镜头语言

视频模型的训练数据部分来自带有元数据和字幕的影像素材，因此真实的电影摄影词汇有可衡量的效果。要有意识地使用这些术语：

• 景别：远景、中景、近景、特写、大特写、过肩镜头、航拍视角、微距。
• 运镜方式：推镜、拉镜、左右摇镜、上下俯仰、跟拍、环绕（360度）、升降镜头、手持、固定镜头。
• 镜头与对焦：浅景深、深焦、长焦压缩、鱼眼镜头、由前景到背景的焦点转移。
• 帧率术语：慢动作、120fps、延时摄影、大范围延时。

一条提示词只写一种运动是铁律。把“镜头在环绕的同时推近并向上摇”组合在一起，通常会产生抖动、犹豫不定的运动。如果需要复杂运镜，就让片段保持单一干净的运动，然后通过剪辑衔接，而不是写复合运镜指令。

模型差异：同一条提示词，不同的结果

不同模型对提示词的理解并不相同，了解这些差异能帮你省下大量试错时间。

实用建议：写一条基础提示词，然后为每个模型维护一个变体文件。切换工具时，通常只需要改写镜头段和风格段，主体段和动作段不必重写。

图生视频 vs 文生视频的提示词写法

文生视频让模型全权掌控画面；图生视频让你掌控构图，只让模型负责运动。大多数专业工作流在需要特定画面效果时都会用图生视频。

写图生视频提示词时，不要重新描述图片内容。模型已经能看到图片。你只需提示应该发生的变化：“女子转向镜头微笑，头发在风中飘动，镜头缓缓推近。”重新描述静态元素往往会导致模型重新生成并使其变形。

写文生视频提示词时，你要承担全部描述任务，所以五个段落都重要。预期需要多次迭代：即使提示词很好，每个镜头生成2到4次也很正常。

一套可重复的提示词工作流

按以下步骤从创意到可用片段，避免瞎碰运气：

1. 先写分镜清单。把视频拆成3–8秒的单一动作镜头。一个片段等于一个动作。
2. 按五段式顺序起草每条提示词（主体、动作、镜头、场景、风格），控制在60词以内。
3. 生成测试批次，如有低画质设置可先用低设置。每条提示词生成2–3个变体。
4. 按段落诊断失败原因。主体不对？改第一段。没有运动或运动诡异？改第二或第三段。画面质感差？改第五段。一次只改一段。
5. 锁定风格段。一旦找到有效的画面风格，在每个镜头中复用完全相同的风格描述，以保证视觉一致性。
6. 把成功的提示词存入素材库。可复用的提示词模板是你跨项目最有价值的资产。

常见的提示词错误

• 否定式指令。大多数视频模型处理不好“不要模糊、不要抖动”这类描述。直接说你想要什么，而不是不想要什么。
• 同时塞入太多动作。“她奔跑、跳跃、挥手”只会产出糊成一团的结果。每个片段只写一个动作。
• 用抽象情绪词充当整条提示词。“空灵、梦幻、感人”在没有具体主体和动作的情况下毫无作用。
• 忽略时长限制。让一个5秒模型生成20秒场景，会迫使模型放慢或循环运动。请用剪辑来衔接。
• 照搬图片提示词。图片提示词优化的是构图；视频提示词还必须定义时间。复用图片提示词前，一定要先加上运动描述。

把每条提示词当作给摄影师的拍摄指令。如果人类摄影师无法根据你这句话拍出画面，模型大概率也做不到。

可以直接套用的示例提示词

自然纪录片风格：“一只红狐踏过厚厚的积雪，嗅着地面，镜头固定在地面高度，长焦镜头，浅景深，黄金时刻光线，雪地森林背景，BBC自然纪录片风格。”

产品镜头：“一只哑光黑腕表在反光表面上缓缓旋转，微距镜头，影棚布光，深色渐变背景，镜头环绕90度，高端商业广告风格。”

叙事场景：“一名穿雨衣的男子在人行横道前停下，抬头望向天空，中景，镜头缓缓推近，雨落下，黄昏的城市街道，青橙色调的压抑配色，电影感。”

核心要点

有效的AI视频提示词靠的是结构而非魔法：主体、动作、镜头、场景、风格，按此顺序，60词以内，每个片段只写一种运动。学习真实的镜头词汇，因为模型真的懂；针对不同模型只调整风格段而不是全部重写；一次只改一段，这样失败会明确告诉你该修哪里。边做边积累提示词库，十几次生成之后，你就会拥有一批可复用的模板，让未来的每一次视频制作更快、更可预测。