图生视频提示词应该怎么写才能让静态图片动起来更自然？

想让一张静态图动起来，听起来简单，但要让它动得“自然”，就像真实拍摄的一样，这事儿就没那么容易了。很多人第一次尝试图生视频，生成的画面要么是局部乱动，要么就是人物动作僵硬得像木偶，感觉很怪。问题出在哪？其实，大部分时候不是AI不行，是我们的提示词（Prompt）没写对。

写图生视频的提示词，和你写文生图的提示词，思路完全不一样。文生图，你是在描述一个静止的画面，告诉AI“画什么”。但图生视频，你是在指挥一个“看不见的摄影师”，告诉他“怎么动”。你的原图是剧本，提示词就是拍摄指令。

第一步，先拆解你的图片。

拿到一张图，别急着上手就写“让它动起来”。先花一分钟仔细看。问自己几个问题：

• 主体是什么？ 是人，是动物，还是一个物体？
• 背景是什么？ 是天空，是街道，还是室内？
• 我想让哪里动？ 是想让人的眼睛眨一下，还是想让整片云都飘起来？
• 我希望它怎么动？ 是轻微地动，还是大幅度地动？

把这些元素想清楚，你的提示词才会有方向。举个例子，你有一张“一个女人站在海边，头发被风吹着”的图。如果你只写“woman hair blowing in the wind”，AI可能会把整个画面都弄得像风暴一样，女人的脸都可能变形。

正确的做法是先拆解：

• 主体： 女人
• 想动的元素： 头发、海浪、天空的云
• 不希望动的元素： 女人的脸、身体、远处的山

想清楚这个，你的提示词就有了骨架。

第二步，用精确的动词控制运动。

AI听不懂模糊的词。你跟他说“让画面更有活力”，它不知道该怎么做。你必须用具体的动词来描述运动。

我们还是用海边女人的例子。怎么让头发、海浪和云动起来，同时保持女人身体的稳定？可以这么写提示词：

“long hair gently swaying in the wind, waves slowly crashing on the shore, clouds drifting slowly across the sky.”

看，这里用了三个精确的动词短语：

• gently swaying（轻轻摇摆）： 这个词告诉AI，头发的动态是柔和的，不是狂风乱作。
• slowly crashing（缓慢拍打）： 这定义了海浪的节奏，避免了它们像海啸一样夸张。
• drifting slowly（缓慢飘动）： 这保证了云的运动是符合自然规律的，是轻微的、不易察觉的。

把这些具体的指令给AI，它才知道你要的是一种宁静、自然的感觉，而不是一场灾难片。

再举个例子，一张“一只猫坐在窗台上看外面下雨”的图。

一个模糊的提示词可能是：“cat looking at rain”。结果可能是猫的头乱转，雨也下得乱七-八糟。

一个精确的提示词应该是：

“cat sitting still, its tail slowly twitching, raindrops sliding down the window pane, slight steam on the window.”

• sitting still（静坐）： 固定住主体，这是关键。先告诉AI什么东西是不能动的。
• tail slowly twitching（尾巴缓慢抽动）： 捕捉猫的细微动作，这种小细节是“自然感”的来源。
• raindrops sliding down（雨滴滑落）： 明确了雨的动态，不是凭空出现，而是沿着一个表面（窗户）运动。
• slight steam on the window (窗户上轻微的蒸汽): 增加氛围和真实感。

第三步，学习控制“镜头”。

很多时候，画面动得不自然，是因为你没有给AI任何关于“镜头”的指令。默认情况下，AI生成的视频就像一个固定机位的摄像头拍出来的，画面很“死”。

你可以通过一些简单的运镜提示词，让画面立刻活起来。

• Zoom in / Zoom out (拉近 / 拉远): 这是最常用的。比如一张风景图，你可以写“slow zoom in on the mountain peak”，镜头就会缓慢地推向山顶，让观众的视线有一个焦点。这比整个画面所有东西一起乱动要好得多。
• Pan left / Pan right / Pan up / Pan down (向左/右/上/下摇镜): 这就像你转动头部看风景一样。比如一张城市天际线的全景图，你可以用“slow pan right across the city skyline”，镜头会平稳地从左向右移动，展示整个城市的风貌。
• Dolly in / Dolly out (向前/向后推轨): 这和Zoom有点像，但Dolly是模拟摄像机本身的移动，空间感更强。Dolly in会让你感觉自己正在走向画面里的某个物体。
• Tilt up / Tilt down (向上/向下倾斜): 模拟抬头或低头的动作。比如一张高楼大厦的图，你可以用“tilt up to the top of the skyscraper”，镜头会从底部慢慢抬升到楼顶。

把这些镜头指令和你对物体运动的描述结合起来，效果会好很多。比如前面海边女人的例子，我们可以进一步优化：

“A woman standing on the beach. Slow zoom in on her face. Her hair is gently swaying in the wind, while waves slowly crash in the background.”

这个指令就复杂了，它告诉AI两件事：第一，镜头要慢慢推向女人的脸。第二，在推镜头的过程中，头发和海浪需要保持自然的动态。这样生成的视频，就有了电影感。

第四步，用“-motion”参数精细控制运动幅度。

一些AI视频生成工具（比如Runway Gen-2）提供了一些参数来更精确地控制画面。其中，“-motion”这个参数很有用。它通常后面跟一个数字，范围可能是0到10。

• -motion 0: 基本就是一张静止图，几乎没有运动。
• -motion 1-3: 低运动幅度。适合做一些微小的、环境的动态，比如云的飘动、水的涟漪、人物的轻微呼吸。这是营造“自然感”最常用的区间。
• -motion 4-7: 中等运动幅度。适合一些比较明显的动作，比如人物行走、车辆行驶。
• -motion 8-10: 高运动幅度。适合非常激烈的场景，比如爆炸、快速奔跑。但这个区间很容易导致画面崩坏、主体变形，所以要谨慎使用。

怎么用呢？在你写完提示词之后，在末尾加上这个参数就行。

比如，你想让一张夜晚城市的图片动起来，但只希望车灯和霓虹灯有轻微的闪烁，而不是整栋楼都在晃。

你可以这样写：“blinking neon signs, light trails from passing cars. -motion 2”

这个“-motion 2”就是在告诉AI，我只要一点点动静，别给我搞得太夸张。这样就能得到一个非常稳定，但又有生命力的夜景视频。

第五步，用反向提示词（Negative Prompt）排除不想要的动作。

就像文生图一样，图生视频也可以用反向提示词。把你“不希望”看到的东西告诉AI。这对于保证画面稳定性和主体一致性很有帮助。

常见的反向提示词包括：

• “Deformation, distortion, morphing” (变形，扭曲，形态变化): 防止AI把你的主体弄得奇形怪状。
• “Blurry, low quality” (模糊，低质量): 保证画面清晰度。
• “Shaking, flickering” (晃动，闪烁): 避免镜头无意义地抖动，或者画面出现不自然的闪烁。
• “Too much motion, chaotic movement” (运动过多，混乱的运动): 明确告诉AI，我不想要一个乱糟糟的画面。

还是用海边女人的例子。如果你发现生成的视频里，女人的脸偶尔会有点扭曲，你就可以在反向提示词里加上“facial deformation, morphing”。这样一来，AI在生成时就会尽量避免对脸部做多余的修改。

总的来说，写好图生视频的提示词，就是一个不断精确化、具体化的过程。别指望用一个模糊的词就让AI猜到你的心思。你需要像一个导演一样，把画面拆解开，然后用清晰的指令告诉你的“AI摄影师”：哪个物体要动，怎么动，动多少，镜头要怎么配合。多做几次实验，找到感觉，你就能让任何一张静态图片，都以一种自然、真实的方式“活”过来。