AI 影片提示詞完全指南：寫出真正有效的提示詞

什麼才是好的 AI 影片提示詞？

一個好的 AI 影片提示詞，會在一個有順序的句子區塊中回答五個問題：主體是什麼、它在做什麼、怎麼拍攝、發生在哪裡、以及應該呈現什麼樣貌。像 Runway Gen-3、Luma Dream Machine、Kling 和 Pika 這類影片模型，對結構化、具體的語言反應遠比鬆散描述來得好。例如「一位女性在雨夜走過東京街頭，手持鏡頭跟拍，濕瀝青路面上的霓虹倒影，電影感，淺景深」幾乎每次都會勝過「東京女性的酷影片」。

與圖片提示詞的核心差異在於動態。每個影片提示詞都應包含至少一個明確的動作指令，無論是主體動作（「她緩慢轉頭」）或鏡頭動作（「緩慢推軌靠近」）。如果你不定義動態，模型會替你選擇，結果往往是細微的漂移或變形，看起來就是低品質。

五區塊提示詞結構

每次都照這個順序寫。一致性讓提示詞變得可編輯：如果某個片段失敗，你會知道該改哪個區塊。

1. 主體區塊：誰或什麼，加一兩個視覺細節。「一隻收攏翅膀的灰鷺站在淺水中。」
2. 動作區塊：一個清楚的動作，附上速度或方式。「牠緩慢展開翅膀並起飛。」
3. 鏡頭區塊：景別加運鏡。「低角度跟拍鏡頭，起飛時鏡頭上搖。」
4. 場景區塊：環境、時間、天氣。「日出時分的薄霧湖泊，水面上飄著霧氣。」
5. 風格區塊：外觀與氛圍。「35mm 底片拍攝，低飽和色調，柔和自然光，電影感。」

對大多數模型而言，整段提示詞控制在約 60 字以內。過長的提示詞會稀釋模型的注意力，模型也容易遺漏長句中段的細節。把最重要的元素放在最前面，因為多數影片模型對開頭文字給予更高權重。

真正能改變輸出的鏡頭語言

影片模型部分以內嵌元資料與字幕的影像素材訓練，因此真實的電影攝影詞彙有可衡量的效果。請有意識地使用這些術語：

• 景別：wide shot（遠景）、medium shot（中景）、close-up（特寫）、extreme close-up（大特寫）、over-the-shoulder（過肩鏡頭）、aerial view（空拍視角）、macro（微距）。
• 運鏡：dolly in（推軌靠近）、dolly out（推軌後退）、pan left/right（左右搖鏡）、tilt up/down（上下搖鏡）、tracking shot（跟拍）、orbit（360 度環繞）、crane shot（升降鏡頭）、handheld（手持）、static shot（固定鏡頭）。
• 鏡頭與對焦：shallow depth of field（淺景深）、deep focus（深焦）、telephoto compression（望遠壓縮感）、fisheye lens（魚眼鏡頭）、rack focus（前景轉背景的焦點轉移）。
• 幀率術語：slow motion（慢動作）、120fps、time-lapse（縮時）、hyperlapse（超級縮時）。

一個提示詞一種運鏡是鐵則。把「鏡頭環繞同時推軌並上搖」混在一起，通常會產生抖動、猶豫不決的動態。如果需要複雜運鏡，請以一個乾淨的動作生成片段，然後規劃剪接，而不是寫複合式鏡頭指令。

模型差異：同一提示詞，不同結果

各模型對提示詞的解讀不盡相同，了解這些差異可以省下數小時的試錯時間。

實務結論：先寫一個基礎提示詞，再為每個模型維護一個變體檔案。切換工具時，通常只需要重寫鏡頭與風格區塊，而非主體與動作區塊。

圖生影片 vs. 文生影片提示詞

文生影片讓模型全權掌控；圖生影片則由你掌控構圖，只要求模型處理動態。大多數專業工作流程，只要需要特定視覺風格，都會採用圖生影片。

撰寫圖生影片提示詞時，不要重新描述圖片內容。模型已經看得到它。你只需要提示應該變化的部分：「女性轉向鏡頭並微笑，頭髮隨風飄動，鏡頭微微推近。」重新描述靜態元素常導致模型重新生成並使其變形。

撰寫文生影片提示詞時，你必須承擔全部的描述工作，因此五個區塊都重要。請預期需要更多迭代：即使提示詞很好，每個鏡頭生成二到四次都屬正常。

可重複的提示詞工作流程

按照以下步驟，從構想到可用片段，不必靠隨機嘗試碰運氣：

1. 先寫分鏡表。把影片拆成 3–8 秒的單一動作鏡頭。一個片段等於一個動作。
2. 按五區塊順序起草每個提示詞（主體、動作、鏡頭、場景、風格），60 字以內。
3. 生成測試批次，如果支援的話先用低設定。每個提示詞生成 2–3 個變體。
4. 按區塊診斷失敗原因。主體錯了？改區塊一。沒有動態或動態奇怪？改區塊二或三。外觀不佳？改區塊五。一次只改一個區塊。
5. 鎖定風格區塊。一旦找到行得通的外觀，在每個鏡頭重複使用完全相同的風格措辭，以保持視覺一致性。
6. 把成功的提示詞存進資料庫。可重複使用的提示詞骨架，是跨專案最有價值的資產。

常見提示詞錯誤

• 負面式指令。多數影片模型不太能處理「不要模糊、不要晃動」。請說出你要什麼，而不是不要什麼。
• 太多同時動作。「她跑步、跳躍、揮手」只會產生糊成一團的結果。一個片段一個動作。
• 整段提示詞只有抽象氛圍詞。「空靈、夢幻、感性」在沒有具體主體與動態的情況下毫無作用。
• 忽略時長限制。要求一個 5 秒模型生成 20 秒場景，會迫使模型放慢或循環動態。請改為規劃剪接。
• 照搬圖片提示詞。圖片提示詞最佳化的是構圖；影片提示詞還必須指定時間。重用圖片提示詞前，務必加上動態。

把每個提示詞當成你會給攝影師的鏡頭指示。如果一位真人攝影師無法按你的句子拍出畫面，模型大概也不行。

可直接套用的提示詞範例

自然紀錄片風格：「一隻紅狐踏過深雪，嗅聞地面，鏡頭固定於地面高度，望遠鏡頭，淺景深，黃金時刻光線，雪地森林背景，仿 BBC 自然紀錄片風格拍攝。」

產品鏡頭：「一只霧黑色手錶在反光表面上緩慢旋轉，微距鏡頭，攝影棚打光，深色漸層背景，鏡頭環繞 90 度，高端商業風格。」

敘事場景：「一名穿雨衣的男子在斑馬線前停下，抬頭望向天空，中景，鏡頭緩慢推近，雨落下，黃昏的城市街道，憂鬱的藍綠與橘色調色，電影感。」

重點整理

有效的 AI 影片提示詞靠的是結構，而非魔法：主體、動作、鏡頭、場景、風格，依此順序，60 字以內，每個片段恰好一個動態。學會真正的攝影詞彙，因為模型看得懂；依模型調整風格區塊而非全部重寫；一次只迭代一個區塊，讓失敗明確告訴你該修哪裡。邊做邊建立提示詞資料庫，十幾次生成之內，你就會擁有可重複使用的骨架，讓之後的每支影片更快、更可預測。