Sora 视频提示词技巧：结构、镜头控制与动作掌握

Sora 对将主体定义、镜头语言、环境物理、时间推进拆分为有序分句的提示词响应最佳。与文生图模型不同，Sora 需要显式指令说明物体如何在 3D 空间随时间运动。本指南拆解能产出可控、高保真结果的语法与词汇。

1. 四层提示词架构

有效的 Sora 提示词遵循严格层级。偏离此顺序常导致模型优先考虑美感而非物理，或完全忽略镜头指令。

• 第 1 层 – 主体与动作： 定义核心实体及其核心运动（例如："身穿红色羊毛毛衣的柯基奔跑")。
• 第 2 层 – 镜头与镜片： 指定焦距、角度与运动（例如："低角度跟拍，35mm 镜头，稳定器")。
• 第 3 层 – 环境与物理： 描述光照、天气与材质交互（例如："倒映霓虹的湿沥青，毛发上的雨滴，基于物理的毛发模拟")。
• 第 4 层 – 时间与风格： 设定时长、节奏与美学滤镜（例如："5 秒，慢动作，电影级调色，高快门速度")。

始终以单段落、逗号分隔分句的形式书写各层。Sora 的注意力机制对顺序依赖的解析优于换行符。

2. 实战有效的镜头语言词汇

"电影感镜头" 等泛泛词汇只会产出平庸结果。Sora 训练数据包含详细相机元数据。使用精准术语驾驭虚拟摄像机。

运动类型

• 推拉 / 横移： 平行于主体的侧向运动。用 "缓慢向左推拉" 制造视差纵深。
• 升降 / 吊臂： 不俯仰的垂直升降。揭示镜头的关键。
• 环绕 / 弧形： 绕主体的圆周路径。指定半径与速度（"半径紧凑的 360 度环绕，15 度/秒")。
• 手持 / 无人机： 增加微抖或高空视角。搭配 "稳定" 可抑制多余抖动。

镜头与传感器控制

• 焦距： "24mm 广角" 夸张纵深；"85mm 长焦" 压缩背景。
• 光圈： "f/1.8 大光圈浅景深" 突出主体；"f/11 小光圈深景深" 全景锐利。
• 快门角度： "180 度快门"（标准动态模糊）对比 "45 度快门"（清晰、顿挫的动作）。

3. 模拟物理与材质行为

Sora 的扩散 Transformer 能建模流体动力学、布料模拟与刚体碰撞——前提是显式提示。缺失这些标记时，模型退回到物体相互穿透的 "梦境逻辑"。

每镜头最多组合两个物理标记。过载会导致求解器冲突，产生时间闪烁。

4. 控制角色与物体一致性

Sora 缺乏内置身份锁（如 IP-Adapter 或 LoRA）。一致性必须通过提示词重复与空间锚定来工程化实现。

1. 植入描述： 对同一角色，在每个提示词中使用完全相同的 25 词主体描述（例如："皮肤苍白的女性，不对称银色短发，异色瞳——左琥珀右蓝，穿哑光黑战术夹克")。
2. 锚定几何： 引用固定世界坐标："站在方格地板坐标 (0,0,0) 处")。
3. 锁定相对主体的相机： "相机锁定在主体髋骨，后偏 2m，上偏 1m")。防止漂移。
4. 中段重述关键属性： 超过 10 秒的生成，在提示词 5 秒处重复主体描述："……继续，皮肤苍白的女性，不对称银色短发……")。

5. 复杂动作的时间结构化

多节拍动作（如 "开门、进屋、坐下、倒咖啡"）需要显式时间戳。Sora 将无时间戳列表视为同时发生的概率云。

时间戳语法

采用格式 [0.0-2.0s] 动作 A. [2.0-4.5s] 动作 B. [4.5-5.0s] 反应。 示例：

[0.0-1.5s] 柯基向镜头冲刺。[1.5-3.0s] 起跳，前爪落在膝上。[3.0-4.0s] 舔脸，尾巴 120bpm 摆动。[4.0-5.0s] 安静下来，急促喘息，毛发被汗水打湿。

各段时长之和必须等于视频总长。间隙产生黑帧；重叠导致变形伪影。

6. 否定约束与防幻觉标记

Sora 通过 --neg 参数（或专用 UI 字段）支持反向提示。用于抑制常见失效模式：

• 变形： --neg morphing, melting, topology change, extra limbs, fused fingers
• 镜头漂移： --neg zoom, pan, tilt, roll, dolly, handheld shake（需固定镜头时）
• 时间闪烁： --neg strobing, texture swimming, color shifting, frame interpolation artifacts
• 物理违规： --neg clipping, phasing, gravity inversion, mass inconsistency

每次生成否定标记限制在 15 个以内。过多否定会过度收缩潜在空间，降低运动多样性。

7. 实战工作流：从概念到成片

1. 文本分镜： 在表格中为每个镜头写好四层提示词（镜头 ID、时长、提示词、否定词）。
2. 生成低分辨率代理： 对每镜头跑 480p、2 秒测试。验证物理与镜头逻辑后再升分辨率。
3. 优先迭代镜头： 运动感不对时，仅调整第 2 层标记。锁定主体与物理层。
4. 升分辨率与延长： 用 Sora 原生升级器至 1080p/4K。更长片段时，用第 N 镜头最后一帧作为第 N+1 镜头的图像条件输入。
5. 后期稳定： 应用光流稳定（DaVinci Resolve / Topaz）消除扩散采样带来的微抖。

核心要点

Sora 奖赏精准而非诗意。把提示词当技术规格书：每个标记都应映射到可控变量——摄像机绑定、物理求解器或时间关键帧。建立个人标记库，给提示词版本控制，系统化迭代。"酷炫 Demo" 与 "生产级素材" 的鸿沟，在于提示词纪律。