AI影片提示詞指南：如何寫出真正有效的Prompt

什麼讓AI影片提示詞真正有效

一個用於AI影片生成的提示詞，只有在描述發生了什麼事而非僅看到什麼畫面時才會奏效。Sora、Kling、Runway Gen-3、Veo和Pika等影片模型，對包含四個元素的句子反應最佳：明確的主體、具體的動作、清晰的鏡頭運動，以及可辨識的視覺風格。只要漏掉其中一項，就會產出平淡、晃動或不連貫的片段。

基本原則：動作描述得越精確，結果就越穩定。影片模型不像文字模型那樣解讀氛圍：它解讀的是動詞、方向和速度。

提示詞的5區塊結構

有效的影片提示詞幾乎都遵循這個順序，因為模型對開頭的字詞給予更高權重：

1. 主體：誰或什麼出現，附具體的外貌細節（「一位約三十歲的紅髮女性，穿米色大衣」）。
2. 動作：每個片段只寫一個主要動作（「緩慢走向鏡頭」）。單一提示詞中包含多個動作會產生瑕疵。
3. 鏡頭：取景類型與運動方式（見下一節）。
4. 環境與光線：地點、時段、照明類型（「日落時分的濕漉街道，低角度的暖光」）。
5. 風格：參考美學（「35mm電影感」、「紀錄片」、「90年代動畫」）。

把提示詞寫成拍板用的分鏡說明：主體、動作、鏡頭、光線、鏡頭焦段。如果導演無法照描述拍出來，模型也不會生成得好。

鏡頭語言：真正關鍵的詞彙

鏡頭運動是多數提示詞失敗的環節。請使用電影術語，因為模型是用帶有這些標籤的資料訓練的：

務必加上速度：「slow」、「gentle」、「fast」是模型會遵守的字詞。沒有形容詞的「dolly-in」在5-10秒的片段中往往會產生過於突兀的運動。

模型之間的差異：如何調整同一個提示詞

不存在通用的提示詞。每個模型都有各自的偏好與語法傾向：

• Sora與Veo：偏好較長的描述性提示詞，幾乎像敘事段落。能很好地處理光線與氛圍細節。
• Runway Gen-3：較精簡的提示詞效果更好，主體＋動作＋鏡頭。過長的描述會稀釋動作。
• Kling：對動作動詞和臉部表情非常敏感；適合複雜的肢體動作。
• Pika與輕量模型：每個片段最好只用一個強而有力的概念，避免複雜的從屬結構。

正確策略是先寫一個中性的主提示詞，再依模型調整：給Sora就擴寫成敘事，給Runway就精簡到極致。在捨棄一個點子前，先在兩個模型上測試同一個概念：往往是提示詞沒錯，只是跟那個模型不合。

實戰工作流程：從概念到可用的片段

1. 每個片段只定義一個動作：5-10秒的影片只容得下一個動作。需要更多動作，就規劃多個片段。
2. 依5區塊順序撰寫主提示詞。
3. 生成3-4個變體而不修改提示詞：先評估模型的自然變異，再進行修正。
4. 依症狀診斷：主體變形→簡化動作；鏡頭隨機→改用「static shot」；風格不一致→加入明確參考（「shot on 35mm film, shallow depth of field」）。
5. 一次只迭代一個區塊：只改鏡頭，或只改光線，或只改動作。同時全部修改會讓你無法判斷是什麼改善或惡化了結果。
6. 固定seed值：當模型支援時，以保持迭代間的一致性。

常見錯誤要避免

• 過長的負面提示詞：簡短的「no text, no distortion」勝過十項排除清單。
• 複合動作：「起身、拿起杯子並微笑」幾乎總會生成錯誤的肢體。拆成三個片段。
• 違反物理：模型處理液體、手部操作物件和複雜反射很吃力。請描述資料集物理能支援的動作。
• 畫面內文字：要求影片中出現標題或文字，幾乎總會產生無法辨讀的字元。文字請在後製階段加入。
• 忽略首幀：當模型支援時，使用起始圖片（image-to-video）。一個好的首幀能省下一半的提示詞工作。

重點總結

有效的AI影片提示詞不是詩歌：它是技術規格。主體、單一動作、明確鏡頭、光線與風格：這五個區塊，按正確順序排列，勝過任何華麗的形容詞。一次迭代一個區塊，依所用模型調整提示詞長度，並盡量善用image-to-video。掌握鏡頭語言與症狀診斷法的人，只需2-3次迭代就能產出可用的片段，而不是十次。