为什么视频提示工程决定成片质量
AI视频生成工具已经把“能不能生成”变成“能不能稳定生成”。真正拉开差距的，不是模型名称，而是你如何描述主体、动作、镜头、光线、节奏和限制条件。视频提示工程就是把创意拆成模型可执行的指令，让每一次生成都更接近分镜预期。
很多人把提示词当成一句咒语，结果得到的是随机抽卡。更可靠的做法，是把提示词当成一份微型拍摄计划：告诉模型谁在画面里、在哪里、做什么、镜头怎么运动、时间如何推进、画面是什么风格、哪些元素不能出现。输入越结构化，输出越可控。
视频与静态图像最大的区别在于时间。图像提示只需要解决一帧，视频提示要解决连续多帧中的身份、动作、空间关系和节奏。一个词写错，可能导致角色中途换脸、手部融化、镜头突然跳轴，或者背景风格从写实变成插画。因此，视频提示工程的重点不是堆砌形容词，而是建立可重复、可排查、可迭代的工作流。
视频提示词的基本结构：把创意拆成六层
一个稳定的视频提示词通常包含六层信息。你不需要每次都写满，但要知道缺了哪一层，风险会出现在哪里。
主体与场景
主体要具体到可识别：人物年龄感、发型、服装、材质、表情基调；如果是一杯饮料，要写清杯型、液体颜色、冰块、水珠、桌面材质。场景要写空间层次：前景、中景、背景分别有什么，环境光是室内还是户外，天气与时间感如何。
例如，与其写“一个女孩走在城市里”，不如写“一位二十多岁的亚洲女性，短发，米色风衣，背着深棕色皮质单肩包，走在雨后的东京小巷，地面有霓虹倒影，前景有透明雨伞边缘，背景是模糊的便利店灯箱”。
动作与时间线
视频需要动作。动作要写成可执行的过程：从什么状态开始，经过什么变化，到什么状态结束。不要让模型猜测“优雅地转身”到底是一秒完成还是五秒完成。可以写成“第0到2秒，人物从画面左侧走入；第2到4秒，停下并缓慢转头看向镜头；第4到6秒，微笑并抬手整理头发”。
如果工具支持时间分段，尽量把动作拆成时间段。如果不支持，也要把动作按先后顺序排列，避免同一句话里塞入多个互相冲突的动作。
镜头语言与构图
镜头语言是视频提示工程中最容易被忽略、却最影响质感的部分。你需要说明景别、机位、运镜和构图。景别包括远景、全景、中景、近景、特写；机位包括平视、俯拍、仰拍、过肩、主观视角；运镜包括固定、推、拉、摇、移、跟、升降、环绕。
构图可以写“中心构图”“三分法”“对称构图”“前景遮挡”“浅景深”“广角畸变”。如果你想要电影感，可以写“2.35:1宽银幕比例”“低机位缓慢推近”“背景压缩感长焦”。这些词比“高级感”更有用。
光线、色彩与材质
光线决定情绪，色彩决定风格，材质决定真实感。写光线时，说明光源方向、软硬、色温与对比度：柔和窗光、冷色霓虹、暖色台灯、强烈逆光、阴天漫射光。写色彩时，说明主色、辅色与饱和度：青橙对比、低饱和莫兰迪、单色冷蓝、复古胶片暖黄。
材质词能显著改善画面细节：磨砂金属、半透明玻璃、湿润沥青、粗糙麻布、细腻皮肤纹理、拉丝不锈钢。对产品视频来说，材质词往往比风格词更重要。
风格与参考
风格可以来自媒介、年代、导演、摄影、动画类型或渲染方式。但要注意，直接写具体导演名字在不同工具中的效果不稳定，也容易带来版权与风格模仿问题。更安全的方式是拆成视觉特征：高对比黑白、手持纪实、柔焦梦幻、赛博朋克霓虹、水彩手绘、定格动画、三维卡通渲染。
参考图比文字更直接。准备一张或几张参考图，分别控制角色、服装、场景、色调和构图，比把十几个风格词塞进提示词更可靠。
音频与节奏
如果工具支持音频，提示词要提前考虑节奏。写清背景音乐类型、环境音、对白语气、音效节点。即使工具不直接生成音频，也要在剪辑阶段留出节奏点：动作卡点、转场重音、情绪停顿。视频提示工程不只服务画面，也服务声音与剪辑。
从一句话到可执行指令：分层提示法
分层提示法的核心，是把一句创意拆成模型能理解的字段。你可以先写中文草稿，再按字段整理。下面是一个可复用的结构示例：
目标：8秒产品展示短片，适合竖屏信息流
主体：磨砂黑色无线耳机，充电盒打开，耳机悬浮在盒子上方
场景：深灰色石纹桌面，背景有柔和渐变光，右侧有一杯冰水
动作：第0-2秒充电盒缓慢打开；第2-5秒耳机升起并旋转；第5-8秒耳机落入盒中，盒盖合上
镜头：微距近景，低机位，缓慢环绕，浅景深，中心构图
光线：左上柔光箱主光，右后方冷色轮廓光，桌面有反射
风格：高端产品广告，干净，金属质感，真实摄影
限制：不要出现文字，不要出现人手，不要改变耳机形状，不要背景杂物
这个结构的好处是，任何一段效果不对，你都能定位到具体字段。角色漂移就改主体与参考图；动作混乱就改时间线；画面平淡就改镜头与光线；风格跑偏就改风格词和负面限制。
分镜与镜头表：让多段视频保持连贯
单个镜头好看不等于整支视频成立。多段生成时，你需要一张镜头表。镜头表不需要复杂，但要包含关键字段：镜号、时长、景别、运镜、主体动作、环境、情绪、提示词、参考图、音频节点。
| 镜号 | 时长 | 景别 | 运镜 | 主体动作 | 环境 | 情绪 | 提示词要点 |
|---|---|---|---|---|---|---|---|
| 01 | 3秒 | 远景 | 固定 | 人物走入雨巷 | 霓虹小巷 | 孤独 | 冷蓝，雨丝，背影 |
| 02 | 4秒 | 中景 | 跟拍 | 人物停下看橱窗 | 商店灯光 | 好奇 | 暖光，倒影，浅景深 |
| 03 | 3秒 | 特写 | 缓慢推近 | 手指触碰玻璃 | 玻璃反光 | 犹豫 | 微距，水珠，冷调 |
| 04 | 4秒 | 近景 | 环绕 | 人物转身微笑 | 街角 | 释然 | 暖色轮廓光，微笑 |
有了镜头表，你可以在生成前检查连续性：服装是否一致，时间是否是同一时刻，光线方向是否连贯，人物情绪是否有递进。生成后，把不满意镜头单独重做，而不是整支重来。
转场也要提前设计。常见做法包括动作衔接、遮挡转场、同色转场、方向匹配、声音先入。不要依赖后期硬切来掩盖镜头之间的风格差异，最好在提示词阶段就统一色调、镜头质感和运动方向。
角色一致性、场景一致性与道具连续性
角色一致性是视频生成中最难的部分之一。要解决它，先建立角色描述卡。角色卡包括：年龄感、脸型、发型、发色、眼睛特征、服装、鞋子、配饰、体型、姿态习惯。每次生成都复制同一段角色描述，不要临时换形容词。
其次，尽量使用参考图或角色锁定功能。文字描述只能接近，参考图能大幅减少漂移。如果工具支持种子值，固定种子并微调提示词，比完全随机生成更容易保持稳定。如果工具支持首帧或尾帧，用上一镜头的最后一帧作为下一镜头的首帧，可以提升连贯性。
场景一致性同样重要。建立场景圣经：主色、光线方向、时间、天气、建筑风格、地面材质、背景元素。道具连续性容易被忽略，例如杯子位置、包的颜色、桌上的书、窗外的车。把这些写进镜头表，并在生成后逐项核对。
迭代工作流：生成、评估、修正的闭环
不要一次生成最终版本。更高效的流程是：先低分辨率、短时长测试；再挑出最有潜力的版本；然后逐项修正。
评估维度可以固定为六项：主体是否稳定、动作是否合理、镜头是否符合预期、光线色彩是否统一、风格是否一致、是否有明显瑕疵。每次只改一到两个变量，否则你无法判断是哪个词起了作用。
修正时，优先改结构而不是堆形容词。角色不对，加参考图或改角色描述；动作不对，改时间线和动作动词；镜头不对，改景别和运镜词；画面脏乱，加负面提示并精简背景描述；风格不对，删掉冲突风格词，换成更具体的视觉特征。
版本管理也很关键。为每次生成记录提示词版本、参数、参考图和结果评分。可以用简单表格：日期、镜号、提示词版本、模型、参数、问题、下一步。这样团队协作时不会反复踩同一个坑。
负面提示与失败模式排查
负面提示不是越长越好。它应该针对当前最常出现的问题。常见负面项包括：多余肢体、手指畸形、脸部扭曲、角色换脸、文字乱码、水印、过曝、欠曝、模糊、噪点、低分辨率、画面抖动、镜头跳变、风格突变、背景杂物、比例错误。
如果工具不支持单独负面提示，可以把限制写进正向提示词，例如“画面干净，无文字，无多余人物，主体居中”。但不要同时写“无人物”又写“人群背景”，模型会困惑。
排查失败模式时，按顺序检查：主体描述是否太模糊；动作是否超出模型能力；镜头运动是否太复杂；参考图是否冲突；风格词是否互相矛盾；时长是否太短；分辨率是否太低。很多问题不是提示词写得不够好，而是任务本身太难，需要拆成多个短镜头。
工具链与模型选择：按任务分工
不同工具擅长不同任务。文本生成视频适合快速概念验证；图像生成视频适合从关键帧控制画面；视频转视频适合风格化和动作重绘；局部重绘适合修复手部、道具和背景；唇形同步适合对白镜头；音频生成适合环境音和配乐；放大与补帧适合提升最终画质。
选择工具时看四个标准：可控性、一致性、生成速度、后期友好度。可控性包括是否支持参考图、种子、镜头控制、时间分段、负面提示；一致性包括角色锁定和首尾帧；生成速度影响迭代次数；后期友好度包括输出格式、分辨率、是否有水印、是否方便导入剪辑软件。
实际工作流往往是混合的：先用文本生成视频找感觉，再用图像生成视频锁定关键帧，接着用局部重绘修细节，最后用补帧和调色统一质感。不要执着于一个工具解决所有问题。
可复用提示词模板库
模板能减少重复劳动，但不要机械套用。下面是几个常用方向。
产品展示模板：主体写清产品材质与颜色，动作写清旋转、开合、悬浮、倒影，镜头用微距近景和缓慢环绕，光线用柔光箱加轮廓光，限制写无文字、无手、无杂物。
人物叙事模板：主体写角色卡，动作写时间段，镜头写景别与运镜，场景写空间层次，情绪写表情和肢体语言，风格写摄影质感，限制写不换脸、不多手、不跳轴。
风景空镜模板：强调时间、天气、光线、云层、水面、植被、建筑轮廓；运镜用缓慢推进、横移、无人机俯瞰；风格统一为写实或插画，避免风格词冲突。
动画风格模板：先确定二维、三维、定格或水彩；再写角色比例、线条粗细、上色方式、阴影风格；动作可以适度夸张，但镜头语言仍要清楚。
广告分镜模板：每个镜头服务一个卖点，开头三秒抓注意力，中段展示使用场景，结尾留品牌记忆点。提示词里写清产品、人物、环境、镜头和情绪，不要只写“高级感”。
常见问题FAQ
提示词越长越好吗？ 不是。长提示词只在你需要更多控制时才有价值。如果形容词互相冲突，模型反而会随机选择。优先保证主体、动作、镜头、光线、风格五类信息清楚。
中文提示词效果好吗？ 多数主流工具支持中文，但英文专用术语在镜头、光线、材质方面往往更稳定。可以中文写创意，英文写技术参数；也可以先用中文确定结构，再翻译成简洁英文提示词。
如何控制镜头运动？ 用明确的运镜词：固定、推、拉、摇、移、跟、升降、环绕。同时写清速度：缓慢、匀速、快速。避免一句话里出现多个相反运镜。
如何避免角色变脸？ 使用角色描述卡、参考图、种子值、首尾帧衔接，并减少大幅动作和复杂转身。如果仍然漂移，把镜头拆短，或改为侧面、背影、遮挡镜头。
负面提示必须写吗？ 不一定，但如果画面频繁出现多手、文字乱码、背景杂物，负面提示能明显改善。负面项要针对问题，不要复制一长串无关词。
生成结果不稳定怎么办？ 降低复杂度：缩短时长、减少动作、固定镜头、简化背景、统一风格。把一个大镜头拆成两个小镜头，往往比反复修改提示词更有效。
建立你的视频提示工程检查清单
生成前：确认主体描述、场景层次、动作时间线、镜头语言、光线色彩、风格参考、限制条件是否齐全；确认参考图之间不冲突；确认镜头表里的服装、道具、时间、光线方向连续。
生成中：先低分辨率测试；每次只改一到两个变量；记录提示词版本与参数；保存表现最好的种子和参考图。
生成后：检查角色一致性、动作合理性、镜头运动、光线统一、风格统一、瑕疵情况；把问题归类到提示词字段；需要时用局部重绘修复，而不是整段重做。
团队协作时，建立共享模板库、角色卡、场景圣经、镜头表和问题清单。视频提示工程不是个人灵感，而是可复用的制作系统。掌握这套系统后，你面对任何新工具都能快速迁移，因为它解决的是同一个问题：如何把创意变成模型能执行、团队能复用、观众能理解的视频指令。
