好的 AI 视频提示词不是一段华丽文案，而是一份简短、可执行的镜头说明。它要告诉模型画面中有什么、发生什么变化、摄影机如何观察，以及镜头结束时应停在哪里。
很多失败并不是模型完全做不到，而是提示词把一整段剧情塞进一个镜头，或者同时给出互相冲突的动作与运镜。先学会把故事拆成镜头，再优化形容词，成功率通常会更高。
AI 视频提示词的六部分结构
可以从这个顺序开始：
主体身份＋场景状态＋主要动作＋摄影机＋光线风格＋结束状态
例如：
穿深绿色风衣的女侦探站在雨夜车站的空月台上。她看到长椅下的红色手提箱，缓慢走近并蹲下。摄影机从中景平稳跟拍，在她伸手但尚未碰到箱子时停住。冷色顶灯，湿地反光，写实悬疑电影质感。
这条提示词只有一个主要动作链，并明确了停止位置，方便下一镜头继续。
文生视频提示词和图生视频提示词不同
文生视频需要描述画面基础，包括人物、环境、构图和风格。图生视频已经拥有首帧，不必重复描述所有静态细节，应把文字集中在运动和变化上。
针对同一张侦探首帧，图生视频可以写：
她保持警惕，缓慢走向长椅下的手提箱并蹲下。风衣下摆随步伐轻微摆动。摄影机平稳向右跟随，不改变人物身份、服装、车站布局和夜间光线。镜头在她伸手前结束。
重复堆叠人物五官、颜色和背景，可能反而诱导模型重新解释原图。
30 个可改写的镜头提示词骨架
人物与表演
- 人物听到画外声音，停下动作并缓慢转头，近景固定机位。
- 人物压低声音说完一句话，短暂停顿，视线移向画面外。
- 人物从犹豫转为坚定，轻微抬头，摄影机缓慢推进。
- 两人隔桌对坐，左侧人物说话，右侧人物保持沉默并收紧手指。
- 人物进入房间，发现异常后停在门口，不继续前进。
- 人物拿起指定道具，确认标签后放入口袋，道具外观保持不变。
运镜与构图
- 广角建立镜头缓慢下降，露出人物所在位置。
- 摄影机从人物背后平稳跟随，不超过人物肩线。
- 镜头从桌面道具拉焦到背景人物的反应。
- 摄影机沿走廊侧向移动，人物保持在画面中央。
- 从全景缓慢推进到中景，不切镜头、不改变场景布局。
- 手持感轻微呼吸式晃动，不出现剧烈抖动。
动作与空间
- 人物从画面左侧进入，走到窗前停下，始终面向右侧。
- 车辆由远及近停在标记位置，车门保持关闭。
- 人物把杯子从右手交到左手，杯中液体不洒出。
- 两人并肩前进，保持相对位置，不互换服装或面孔。
- 门被缓慢推开，室内光线照到人物脸上，人物后退半步。
- 风吹动窗帘，桌面文件保持原位，背景没有新增人物。
气氛与类型
- 清晨自然光，低饱和写实风格，节奏安静克制。
- 黑色电影光影，百叶窗投影缓慢移动，人物保持静止。
- 温暖家庭喜剧氛围，柔和侧光，表演自然不过度夸张。
- 紧张追逐场景，快速但可读的跟拍，人物动作方向一致。
- 东方幻想场景，薄雾缓慢流动，服装纹样与参考图一致。
- 二维动画质感，线条和色块稳定，不转为写实材质。
开头、结尾与转场
- 从完全静止的构图开始，人物两秒后执行动作。
- 延续上一镜头的结束姿势，人物先看向左侧再开口。
- 镜头在人物触碰道具之前结束，为下一镜头保留动作。
- 人物走出画面后保持空镜一秒，不新增主体。
- 以相同构图从白天自然过渡到黄昏，建筑布局不变。
- 以前景物体遮挡完成自然转场，转场后人物位置保持合理。
四类常见错误
第一类是一个镜头承担太多剧情。把“进门、找信、读信、哭、跑走”拆开，每个镜头只有一个清楚任务。
第二类是堆砌互相冲突的摄影词，例如同时要求“固定机位、快速环绕、无人机俯拍、第一人称”。选一个最能服务叙事的观察方式。
第三类是只写风格，不写动作。“电影感、史诗级、8K”不能代替人物该做什么。
第四类是没有结束状态。若不知道角色最后站在哪里、手里拿什么，下一镜头就很难连续。
把提示词和角色资产分开管理
在连续视频里，提示词不应该承担全部身份信息。稳定角色需要可复用的参考资产；稳定剧情需要可追踪的镜头状态。每次重写长篇人物描述，不仅低效，还可能引入新的矛盾。
ElserStudio 允许镜头引用 World 中的角色、场景和道具资产，再为当前镜头编写动作、摄影与声音指令。这样修改运镜时不必重新定义人物，替换角色版本时也能看见哪些镜头受到影响。
你可以下载 ElserStudio，用同一角色建立三个测试镜头：近景反应、中景行走和道具互动。保持资产不变，每次只修改一个提示词变量，通常比不断加长描述更容易找到有效方案。