想让AI生成一个长镜头，最直接的办法就是把摄像机的运动轨迹说清楚。这听起来简单，但很多人写出来的提示词，AI根本看不懂。问题出在描述得太模糊，不够具体。AI不是导演，你不能指望它理解“给我来个有感觉的镜头”。你必须像给一个机器人下达指令一样，告诉它摄像机从哪里开始，往哪里去，中间怎么动，最后停在哪里。
写好一个长镜头提示词，关键在于把运动拆解成几个基本元素：起点、轨迹和终点。我们先从最基础的摄像机运镜词汇说起。这些词就是你和AI沟通的基础语言。
最常用的几个运镜指令包括：
- Dolly (推拉镜头): 摄像机沿着一条直线向前或向后移动。向前移动叫“dolly in”，向后移动叫“dolly out”。在提示词里，你可以直接写“dolly forward towards the character”（向前推向角色）或者“dolly backward away from the building”（向后拉，远离建筑）。
- Pan (摇镜头): 摄像机固定在一个位置，水平向左或向右转动。就像你站在原地，头向左或向右转。描述时要说清楚方向，比如“pan right from the window to the door”（从窗户向右摇到门）。
- Tilt (俯仰镜头): 摄像机固定在一个位置，垂直向上或向下转动。就像你站在原地抬头或低头。提示词可以写“tilt up from the shoes to the face”（从鞋子向上仰拍到脸）。
- Crane / Boom (升降镜头): 摄像机通过摇臂设备进行垂直的升降运动。这个动作比“tilt”的幅度大得多，整个摄像机的位置都在变。你可以写“crane shot, starting from the ground and rising high above the crowd”（升降镜头，从地面开始，升高到人群上方）。
- Tracking / Trucking (跟拍镜头): 摄像机与被拍摄的主体保持平行移动。比如一个人在走路，摄像机就在他旁边跟着他一起走。提示词可以这样描述：“side-tracking shot following a person running down the street”（侧方跟拍镜头，跟随一个人沿街跑）。
掌握了这些基本词汇，你就可以开始组合它们来描述一条完整的运动轨迹了。一个好的长镜头提示词，就像一个剧本里的场景描述，它需要包含几个核心信息：
- 场景和主体: 首先要说清楚拍的是什么。比如，“A crowded medieval marketplace in the morning.”（一个拥挤的中世纪早晨集市）。这是整个镜头的基础。
- 起始画面 (Starting Frame): 明确告诉AI摄像机一开始应该对准什么。这里要用上具体的镜头语言，比如特写（close-up）、中景（medium shot）或全景（wide shot）。一个精确的起点描述是：“The shot starts with a close-up on a merchant’s hands weighing gold coins.”（镜头从一个商人称量金币的双手特写开始）。
- 运动过程 (The Movement): 这是最关键的部分。你需要用前面提到的运镜词汇，一步步描述摄像机的移动路径。最好是按时间顺序来写。比如，接续上面的起点：“then the camera slowly dollies backward to reveal the entire market stall.”（然后摄像机缓慢后拉，展示出整个市场摊位）。如果运动很复杂，就拆分成几步。比如：“…after revealing the stall, the camera pans right, following a customer who walks away.”（……展示摊位后，摄像机向右摇，跟随一位走开的顾客）。
- 终点画面 (Ending Frame): 告诉AI镜头最后停在哪里，画面里应该是什么。比如，“The camera continues to follow the customer until they disappear into the crowd, the shot ends on a wide shot of the bustling marketplace.”（摄像机继续跟随这位顾客，直到他们消失在人群中，镜头最终停在一个熙熙攘攘的市场全景上）。
把这些部分组合起来，一个基础的长镜头提示词就成型了。我们可以看一个完整的例子：
“A wide shot of a futuristic city at night, with flying cars weaving between neon-lit skyscrapers. The camera starts by focusing on a single flying car, tracking it as it flies forward. Then, the camera smoothly cranes upward, rising above the car, revealing a massive, glowing pyramid in the center of thecity. The shot ends with the camera holding still on the pyramid.”
这个提示词就包含了清晰的起点（跟随一辆飞车）、运动轨迹（向前跟拍然后向上升降）和终点（停在金字塔上）。AI在处理这种指令时，成功率会高很多。
但是，想让效果更好，光有这些还不够。你还需要加入更多细节来控制镜头的“质感”。
首先是速度和节奏。同一个“dolly out”的动作，是“slowly dolly out”还是“quickly dolly out”，给人的感觉完全不同。前者可能营造出一种悲伤或庄严的氛围，后者则可能带来紧张或突然的揭示感。所以，在你的运镜指令前加上速度副词，比如“slowly”、“gradually”、“quickly”、“rapidly”，能极大地影响最终视频的情绪。
其次是镜头的稳定性。你想让镜头非常平滑，还是像人手持拍摄一样有点晃动？这也可以通过关键词来控制。比如，你可以加入“smooth tracking shot”来强调平稳，或者用“handheld camera shot”来模仿手持拍摄的真实感和不稳定感。如果你想模仿无人机航拍的感觉，可以用“drone shot”或者“aerial shot”，这些词本身就暗示了某种特定的运动平滑度。
再者是焦点的变化。在一个长镜头里，焦点可以从一个物体转移到另一个物体，这在电影里叫做“rack focus”（焦点转移）。你也可以在提示词里描述这个过程。比如：“Close-up on a flower in the foreground, with mountains blurry in the background. Then, rack focus from the flower to the mountains, making the flower blurry and the mountains sharp.”（前景一朵花的特写，背景的山是模糊的。然后，焦点从花转移到山，让花变模糊，山变清晰）。这个指令非常具体，AI更容易理解。
写提示词的时候，有一个常见的错误是使用过于文学化或抽象的词语。比如写“a lonely and melancholic pan shot”（一个孤独忧郁的摇镜头）。AI很难理解什么是“孤独”的运镜。你应该把这种情绪转化为具体的视觉描述。比如，你可以描述一个缓慢的、从一个空荡荡的秋千摇向一所废弃房子的镜头，通过画面内容来传达孤独感，而不是直接用形容词去修饰运镜本身。
另一个技巧是参考具体的电影镜头。很多AI视频模型都是用海量的电影、视频素材训练的。所以，你可以尝试描述某个著名电影里的长镜头。比如，你可以说“a tracking shot similar to the opening scene of ‘Goodfellas’, following a character walking through the back entrance of a restaurant into the kitchen.”（一个类似于电影《好家伙》开场戏的跟拍镜头，跟随一个角色从餐厅后门走进厨房）。虽然AI不一定能100%复刻，但它能从这些描述中抓取到关键的风格和运动方式。
我们来实践一下，把一个简单的想法，一步步变成一个精准的长镜头提示词。
初始想法: 我想要一个关于森林的镜头。
这个想法太模糊了。AI可能会给你一个静止的森林图片。
第一步：加入主体和场景。
“A dense, misty forest in the early morning.”（一个清晨时分，浓雾弥漫的茂密森林）。
这好多了，但还是静态的。
第二步：加入简单的运动。
“A shot moving through a dense, misty forest in the early morning.”（一个在清晨浓雾弥漫的茂密森林中移动的镜头）。
现在有了运动，但“moving through”这个词还是有点含糊。怎么移动？
第三步：明确运镜方式和轨迹。
“A forward dolly shot, moving slowly along a narrow path in a dense, misty forest in the early morning. The camera is at eye-level.”（一个向前的推轨镜头，沿着一条狭窄的小路，在清晨浓雾弥漫的茂密森林中缓慢移动。摄像机在视线高度）。
这就具体多了。我们定义了运动是“dolly shot”，方向是“forward”，速度是“slowly”，路径是“along a narrow path”，连摄像机高度都规定了。
第四步：增加起点、终点和更多细节。
“The shot starts low to the ground, focused on mossy stones on a narrow path. The camera then tilts up and begins to move forward slowly, a smooth dolly shot at eye-level, navigating through a dense, misty forest in the early morning. Sunlight filters through the canopy. The camera passes by ancient, gnarled trees. The shot ends by pushing through a thicket of ferns, revealing a small, sunlit clearing with a deer standing in the middle.”
这个版本就非常完善了。它有：
* 起点: 从地上的苔藓石头特写开始。
* 初始动作: 向上仰（tilt up）。
* 主要运动: 缓慢、平滑、视线高度的向前推轨（slowly, a smooth dolly shot at eye-level）。
* 环境细节: 阳光、古树。
* 终点: 穿过蕨类植物，看到一片空地和一只鹿。
这样的提示词，给任何一个主流的文生视频AI，都能得到一个效果不错的长镜头。核心就在于，你不能懒，不能指望AI去猜。你必须把脑海里的画面，用最直接、最朴实的语言，像写说明书一样写出来。先是什么，然后是什么，最后是什么。这样，AI才能成为你手里那个精准的摄像机。
评论前必须登录！
注册