编写AI视频提示词需要注意哪些不同于图片提示词的要点？

编写AI视频提示词和图片提示词，感觉上很像，但实际上差别很大。如果把写图片提示词比作拍照片，那么写视频提示词就像是当导演拍电影。你不再是捕捉一个瞬间，而是在设计一段包含时间、动作和节奏的动态影像。

核心区别：从“静态描述”到“动态导演”

写图片提示词，核心是描述画面内容、风格和构图，比如“一只猫坐在窗台上，看着外面的雨，风格是梵高油画”。 AI模型需要知道“画什么”和“怎么画”。

但是，视频提示词在此基础上，必须增加一个关键维度：时间。视频是有长度的，哪怕只有短短几秒。 因此，你的角色从一个“静态画面描述者”变成了一个“微型导演”。 你需要告诉AI的不仅仅是“有什么”，还要告诉它“发生了什么”。

具体来说，主要有以下几个关键不同点：

1. 必须描述“动作”和“变化”

这是视频提示词与图片提示词最根本的区别。图片是静止的，而视频的核心是运动。 因此，动词在视频提示词里变得格外重要。

• 图片提示词可能这样写：“一个男人站在山顶。”
• 视频提示词必须更具体：“一个穿着红色夹克的疲惫徒步者，正在缓慢地爬上被雾气笼罩的山顶，他的靴子踩在落叶上发出嘎吱声。”

看见区别了吗？后者加入了“爬上”这个动作，以及“靴子踩在落叶上”这种暗示动态和声音的细节。 你需要用文字去编排场景中的动作，哪怕是非常细微的动作，比如“女人的微笑慢慢扩大”、“树叶在微风中轻轻摇曳”。

经验分享：AI对动作的理解是循序渐进的。复杂的动作最好分解成简单的步骤。 比如，不要直接说“一个人在打篮球”，可以试试“一个穿着运动服的男人，运球冲向篮筐，然后跳起投篮”。 这样AI更容易理解并生成连贯的动作。

2. 需要指定“镜头运动”

写图片提示词时，我们可能会用“特写”、“广角”来定义构图。 但在视频里，镜头本身是可以移动的。 这也是一个巨大的区别点。你需要像导演一样，明确告诉AI摄像机该如何运动。

常见的镜头运动指令包括：

• 平移 (Pan)：比如“镜头从左向右缓慢平移，扫过整个沙滩”。
• 缩放 (Zoom)：比如“镜头从一个广角镜头慢慢推近，聚焦于主角的眼睛”。
• 跟踪拍摄 (Tracking shot)：比如“镜头跟随着奔跑的狗穿过森林”。
• 航拍 (Aerial shot / Drone shot)：比如“无人机航拍视角，展示蜿蜒的海岸线”。
• 手持拍摄 (Handheld camera)：可以营造一种真实感或紧张感，例如“手持摄像机视角，主角在黑暗的走廊里探索”。

实际操作建议：不同的AI视频模型对镜头语言的理解程度不同。 比如Runway和Pika Labs都有专门的参数或关键词来控制镜头运动。 在写提示词时，最好查阅一下你所使用的平台的官方指南，看看它们支持哪些特定的镜头术语。 通常，把镜头指令放在提示词的开头或结尾，效果会比较好。

3. 考虑“时间”和“节奏”

视频是有时长的，虽然目前大多AI生成的视频很短（通常几秒钟），但你依然可以控制这段时间内的节奏变化。

• 速度：你可以用“慢动作 (slow motion)”、“延时摄影 (time-lapse)”这样的词来控制节奏。 比如，“慢动作下，一颗水滴落入水面，溅起涟漪”。
• 顺序：虽然大部分AI模型一次只能生成一个镜头，但你可以通过分段生成的方式来构建一个序列。 在编写多个提示词时，要注意它们之间的连贯性。 比如，第一个提示词是“特写镜头，一个人点燃火柴”，第二个可以是“镜头拉远，火柴被扔进篝火堆，火焰升腾”。

我的经验是：不要试图在一个提示词里塞进太多的场景变化。AI会感到困惑。 保持每个提示词只描述一个核心动作或一个镜头。 如果想要制作更长的视频，就把它拆分成一个个独立的短镜头来写提示词，然后再拼接起来。

4. 更加注重“因果”和“逻辑”

因为视频涉及动作和变化，所以场景内的元素需要符合基本的物理和逻辑规律。

• 图片可以不合逻辑：你可以生成一张“鱼在天上飞”的静态图，看起来会很梦幻。
• 视频需要基本逻辑：如果你想生成一段“鱼在天上飞”的视频，你需要描述它“如何”飞，是像鸟一样扇动鱼鳍，还是像气球一样漂浮？AI需要更明确的运动逻辑指导。 否则，生成的动态效果可能会非常奇怪和不自然。

举个例子：在提示词中写“一个男人被雨淋湿”，AI需要理解“雨从天而降”和“男人衣服湿透”之间的因果关系。在写提示词时，把动作和结果联系起来描述，有助于生成更真实的效果。

5. 氛围和情绪的动态表达

在图片提示词里，我们通过“光线”、“色彩”来营造氛围。 视频提示词同样需要这些，但更进一步，可以通过动态元素来强化情绪。

• 图片：“一个悲伤的男人坐在黑暗的房间里。”
• 视频：“一个男人坐在仅由一盏台灯照亮的黑暗房间里，窗外雨点敲打着玻璃，他缓缓地低下头。”

这里的“雨点敲打玻璃”和“缓缓低下头”都是动态的，它们比静态的画面更能传递出悲伤和孤独的情绪。

总的来说，从图片到视频的提示词写作，是一次思维上的转变。你需要从一个静态的“画家”思维，切换到一个动态的“导演”思维。你需要思考的不再仅仅是一个画面，而是一个包含了时间流、动作链和镜头感的故事片段。 开始可能会觉得复杂，但只要抓住“运动”和“镜头”这两个核心要点，多加练习，就能逐渐掌握其中的诀窍。