如何撰写 AI 视频生成提示词

一个实用的AI视频提示会详细描述从第一帧到最终画面，观众应当看到的内容。首先明确主体与场景，加入一项主要动作，明确机位和镜头运动，再说明哪些要素必须保持不变。同时，确保你的需求与模型支持的输入类型相匹配。本指南将阐释这一结构，并结合十个原创策划案例加以说明，提供一种可重复使用的评估方法。

视频提示能够控制哪些方面？

提示可以描述主体、动作、构图、光线、风格以及声音方向，但其文字内容需由所选模型进行解读。不同模型在参考支持、可用时长、编辑功能及输出设置等方面各有差异。如果文本中提出某项功能要求，而该模型本身并不具备此功能，则该项功能并不会被添加。

请将指令与结果区分开来。“保留标签”是一项需要核实的要求，而非证明标签始终正确的依据。同样的区分也适用于角色身份、物体间的接触、镜头运动以及同步音效等方面。在生成视频前先明确评审标准，以免验收仅取决于画面是否炫目。

如何构建一条强大的AI视频提示

从视觉规则入手

先明确整体风格：写实的产品画面、干净的墨线动画，或是纪实风格的场景。如果比例重要且受支持，也请注明。确保规则与参考一致；例如，摄影画面与要求平涂墨线动画可能需要先进行专门的风格转换。

描述一个场景及其主体

说明画面里是谁或什么物体，以及场景在哪里。确认过的图片已经定义热气球或表演者时，直接引用该输入，不要另写一套冲突描述。将地点、常见道具与主体分开说明，便于检查。

锁定第一帧

说明动作发生前的位置。手已经离开杯子，就无法再清楚地把杯子放下；热气球已经出画，就不能从山谷中开始一段清楚的升空。起始帧必须包含所要求事件需要的物理初始状态。

将动作按顺序书写

使用可观察的动词并给出终点：升起、停顿、触碰、松开，然后停止。“他喜欢这段音乐”是一种解读；“他转头看向小提琴，观察琴弦”则是动作描述，但生成难度也更高。先选择能表达意思的最小动作。

独立定义摄像机

说明摄像机是固定还是移动。若为移动镜头，还需补充其运动轨迹及最终构图。除非必要且受支持，否则不要在同一短镜头中同时要求推轨、环绕、变焦和切镜。摄像机的运动应服务于清晰呈现动作，而非与其争夺焦点。

保持物理与光线的具体性

写清可能产生歧义的接触、重量与环境运动：杯底接触桌面，热气球布面形状保持不变，海带在水下摆动。没有可见事件改变光线时，保持主光源及方向稳定，不要要求所有物体同时运动。

仅在必要之处明确声音

判断镜头是否需要环境音、特效、对白，或者无需任何生成音效。当模型支持音频时，请清晰描述预期的声音效果；否则请单独制作，并在后期添加。视频提示中给出的声音指令并不保证原生音频或口型同步。

列出少数几处会破坏画面效果的变化

将排除项与实际的失败风险紧密关联：如轨道过程中不得出现产品旋转、不得引入新物体、连续动作中不得剪切等。过长且泛化的否定清单容易掩盖核心事件。在增加更多排除条件之前，务必先解决相互矛盾的肯定性指示。

十个实际应用的提示示例

以下每个示例均包含场景简介与验收标准。在支持的情况下附上相关已批准的图片，选择能够接受该输入的模型，并根据具体场景调整措辞。这些仅为供参考的原始起点，而非经过严格验证的示范或确保成功的固定模板。

1. 固定机位下的热气球升空

日出山谷的写实镜头。青绿色与珊瑚色热气球从薰衣草色山脊上方缓慢上升，相机保持固定。完整保留球囊和吊篮。保持布面图案、吊篮形状、柔和光线与远处山丘不变。结尾短暂停留。不旋转、不突然膨胀、不增加其他热气球、不切镜。

动作由热气球完成，固定机位提供比较基准。检查整个升空过程中布面图案、吊篮形状及它与山脊的距离。如果球囊被拉长，或地形跟着上升，先修订动作说明，再增加更复杂的飞行路径。

2. 与物体发生接触的道具

成年人的手将蓝色小陶瓷杯举在浅色咖啡桌上方。缓缓放下，直到杯底接触桌面，再松开杯柄并收回手指。杯子停在折叠餐巾旁。固定机位，一个连续动作。保持陶瓷形状、桌边与晨光不变。

起始画面必须呈现手握把手的状态，且留有足够的空间以便看清动作过程。在镜头中部仔细审视接触与释放的过程。即使开头和结尾表现准确，也可能掩盖其间难以实现的过渡。

3. 小角色的反应

排练室里，一名年长成年小提琴演奏者以中近景出现。他注意到左侧折起的乐谱，停顿并将视线转过去。头部动作轻微、表情克制。相机固定。保持面部、灰发、酒红色衬衫、光线和背景不变。不演奏、不增加新物体。

角色反应需要明确可见的触发因素以及可读的回应。表演范围应足够紧凑，便于观察面部在动作过程中的变化。如果视线方向出现偏差，应优先修正空间设定，而非一味要求更强烈的情绪表达。

4. 跟拍骑行中的主体

一名成年骑行者穿青绿色骑行服、戴白色头盔，沿笔直林间小路缓慢骑行。相机在自行车旁平行移动，保持侧面中景和相近距离，让树木从后方经过。保留骑行者、车架与车轮几何关系。不环绕、不切镜、不跳跃、不增加手势。

骑行者与相机各有任务。一起检查踏板动作、车轮接地、相对距离与背景移动。先确认骑行与跟拍关系可用，再加入复杂转向或手部互动。简单的直线路径能让第一次测试更容易检查。

5. 锁定画面中的环境动态

清澈浅水区里一片安静海带林的固定广角镜头。少量叶片随水流轻摆，岩石与海床保持不动。柔和蓝绿色日光，没有潜水者，不移动相机、不改变岩石形状、不突然出现风暴或漂浮杂物。

安静环境可以建立地点与节奏，不必增加人物生成。检查动作是否发生在正确对象上：岩石跟随海带漂移，或叶片摆动时海床变形，都会破坏空间逻辑。把固定参照物与移动叶片分开检查。

6. 原创绘本插画中的细微动作

让提供的水彩绘本插画产生克制的动作。一只穿绿色马甲的成年狐狸角色，轻轻抬眼看向一片落叶。保持坐姿、毛色图案、水彩质感、林间空地与构图不变。不换机位、不加文字或其他动物、不改变绘画风格。

目标是让这张插画动起来，而不是重新设计角色。检查运动中的口鼻、眼形、水彩边缘与马甲。如果风格漂移，先缩小动作，或换用更清楚的原始插画，再尝试生成。

7. 无虚构演示的食品氛围呈现

木桌上一碗已摆好的食物特写。少量蒸汽缓慢升起，碗与食材保持不动。固定机位。保留食材位置、碗的形状和现有窗光。不倾倒、不加餐具或手部、不改变食物分量、不添加文字。

此处旨在营造氛围，而非展示烹饪成果。请选用能够支持需求的参考图像，并避免将生成的动态效果解读为关于温度、新鲜度、口感或产品性能的事实性描述。

8. 留有文字空间的广告背景

青绿色与珊瑚色热气球位于浅色晨空的左侧，缓慢小幅上浮，同时保持右侧三分之一区域留白。保留布面图案与柔和晨光。不生成字母、标志、其他热气球，不突然改变天气、不切镜。结尾保持稳定构图。

先留出文字空间，不要求模型直接生成可读的宣传语。准确文案在剪辑时添加。检查热气球是否避开留白区，以及裁切后是否仍能看见吊篮，不虚构飞行性能或目的地承诺。

9. 围绕台词设计的镜头构图

安静房间内，参考图中的成年讲述者以中景出现。姿态放松、机位固定，为已准备的配音留出足够的画面停留时间。保留面部、服装和光线。仅使用所选工作流实际支持的语音与同步功能。

在制作完整对白片段前，请提前准备并精确把控允许使用的语音轨道。本简报并不意味着特定模型能够实现唇形同步，因此务必先行验证相关能力，或选择搭配合适非说话镜头的配音方案。

10. 连接两个镜头的过渡桥段

参考热气球下方的藤编吊篮特写。保持画面稳定，远处薰衣草色山丘在后方缓慢移动。保留绳索、编织纹理、布面颜色与现有光线。不增加乘客、不旋转吊篮、不折断绳索、不添加物体或变形。

安静的细节镜头能让剪辑稍作停顿，并衔接两个更宽的飞行镜头。将绳索位置、布面颜色和光线与前后画面对照。这个过渡必须属于同一个热气球场景，不能只放一张无关吊篮的漂亮特写。

在PixTV中使用提示词结构

通过图像生成准备已确认的起始画面，并将其原始来源保留在旁边。在视频生成时，请检查模型的输入支持、可用时长及输出设置。将参考素材、提示词和已接受的版本一同置于画布上，以便后续修改时能够使用预期的资源。

首次进行受控测试时，请使用视频生成工作区，而非立即启动整批生成。尽早测试最难处理的接触、面部或镜头运动。一次短暂的失败测试即可在问题扩散至整个序列之前，揭示起始画面中的潜在问题。

在确认动作效果后，使用视频编辑对时间进行修剪、添加精准字幕，并完成镜头的拼接。若生成流程未提供所需音频控制功能，则需单独准备音效。同时，应将发布决策与单个片段是否美观分开考量。

测试时应记录的内容

记录源画面、提示词版本、模型、相关设置、尝试次数与验收结果。用可观察的问题描述失败：手指与杯柄粘连、提前切镜、热气球布面图案改变，或表演者视线偏离目标。下一次只调整一个相关输入。

将已通过审核的片段与制作说明及相邻镜头进行对比。切勿因偶然出现了一次满意的画面就认定提示词可靠。真正有价值的问题是：哪些条件促成了通过审查的素材，而为了获得这些素材又耗费了多少被拒绝的作品？

在PixTV中撰写并测试您的下一条视频制作说明

关于此工作流的疑问

AI视频提示词应包含哪些内容？

请明确主体、场景、起始位置、动作、镜头方向，以及必须保持不变的元素。在支持的情况下，还应注明声音方向。同时，确保与已批准的画面及所选模型的实际输入能力相匹配。

提示词的长度应为多久？

请使用足够详尽的描述，以消除重要的歧义。一个简单的镜头可能需要几句话来说明；而一段连贯的镜头序列则需要明确的边界和连贯性规则。仅凭长度并不能确保指令的连贯性或输出的准确性。

我是否应该为整部影片撰写一个统一的提示词？

通常情况下，先列出镜头清单，再分别撰写每个镜头的简要说明，这样更便于审阅与修改。如果模型支持多镜头生成，请务必先测试其镜头间的过渡效果。切勿假设直接粘贴完整剧本就能生成可编辑的成品影片。

参考图是否可以替代提示词？

参考图用于明确可见的视觉元素，而提示词则用来描述事件及预期的动作。在条件允许的情况下，应有意识地同时使用两者。即便参考图十分详尽，也无法告知模型手何时应当松开物体，或摄像机应在何处完成拍摄。

我是否应该添加一段冗长的否定性提示词？

首先列出那些会破坏画面效果的少数不良改动。优先解决动作、镜头与起始帧等指令之间的冲突。仅仅罗列一些笼统的排除项，并不能修复那些因初始姿态导致所要求动作无法实现的场景。

如何改进一次失败的生成结果？

找到最早出现的可见问题，判断是哪个输入参数导致了这一问题，并在保持其他参数不变的前提下调整该参数。记录下调整后的结果。如果同样的限制仍然存在，则应简化任务，或选择更适合该任务的工作流程。

插图均为由OpenAI原创生成的策划概念，而非PixTV的截图或视频成果。提示词与制作方案仅供参考，不声称有任何实际的成功率或已完成的PixTV作品。