创作文生视频的提示词时，如何详细描述动态场景和人物动作？

写文生视频提示词，就像你在给一位经验丰富的摄影师兼导演讲戏。你不是在写一篇小说，也不是在画一幅画，而是在描述一个动态的、有时间感的场景。这里的关键是把“动”说明白，让人工智能（AI）知道画面里什么东西在动，怎么动，以及镜头怎么跟着动。

为什么描述动态场景和人物动作很重要？

想想看，如果你只说“一个女孩在公园里”，AI可能只会给你一个女孩站在公园里的静态画面。但如果你说“一个女孩在阳光明媚的公园里，穿着红裙子，开心地奔跑，裙摆随风飘动，镜头从侧面平稳地跟着她移动”，这样出来的视频就完全不同了。它有故事，有情绪，有电影感。AI模型大多是用专业的电影和视频数据训练出来的，所以它们对影视术语的理解，比我们日常的描述要强得多。 换句话说，你用电影语言跟它对话，它就能更好地理解你的意图。

核心要素：把你的视频拆开来看

一个好的文生视频提示词，通常会包含几个核心要素。你可以把它们想象成视频的“零件”。这些零件包括：主体、动作、场景、镜头运动、光照、氛围和风格。 对于动态场景和人物动作，我们尤其要关注“动作”和“镜头运动”这两个部分。

1. 主体和动作：让角色“活”起来

   描述人物或主体时，别只停留在“有什么”。更要深入到“在做什么”和“怎么做”。这就是“动作”部分。

   • 细节是关键： 比如，不是简单地说“一个人走路”，而是“一个疲惫的徒步者，穿着红色夹克，在雾蒙蒙的松树林里行走，他的靴子踩在落叶上发出嘎吱声”。 这段描述不仅交代了人物的状态和衣着，还通过“嘎吱声”这样的环境细节，让动作更具象。
   • 明确动作的幅度、速率和效果： 像“猛烈地摇摆”、“缓慢地移动”、“打碎了玻璃”这些词，都能帮助AI更好地理解动作的强度和结果。
   • 分解复杂动作： 如果一个动作很复杂，可以尝试分步骤描述。比如，“女孩右手拿起帽子，微笑地用左手对镜头比个飞吻”。 这样AI就能更好地理解动作的先后顺序。
   • 结合情绪： 动作往往伴随着情绪。例如，“一个因极度用力而扭曲表情的短跑运动员，面部肌肉紧绷，牙关紧咬，全力冲刺”。 这样的描述能让AI在生成动作的同时，也赋予人物相应的情绪表现。
   • 多人物动作： 如果场景中有多个角色，要分别描述他们的动作。比如，“毕业典礼，学生们在聊天。学生A分享周末趣事，手舞足蹈。学生B笑得前仰后合，学生C好奇地追问细节”。

2. 镜头运动：像导演一样思考

   镜头运动是给视频注入电影感的关键。它决定了观众如何“看”这个场景。 AI视频工具通常支持各种电影级的运镜方式。

   • 常用运镜词汇：

     • 推（Push in / Zoom in）： 镜头靠近主体，强调细节，增强紧张感或亲密感。 比如“镜头缓慢推近，聚焦于老人手上的吉他，老人还在弹吉他给鸽子听”。
     • 拉（Pull out / Zoom out）： 镜头远离主体，展现更广阔的场景，提供上下文，或者让主体显得渺小。 例如“镜头快速拉远，露出女子全身，她微微转头目光看向画面右侧，背景是一个繁华的街头”。
     • 摇（Pan）： 镜头从固定点水平旋转（左右摇）。 比如“镜头从湖面平摇到周围的松树，捕捉反射和风景”。
     • 移（Dolly / Truck）： 摄影机本身横向移动（左右移），或者前后移动（推轨/拉轨）。 “平稳的推轨镜头，沿着路径从左向右跟随，与前景元素保持一致的距离。”
     • 升/降（Pedestal up/down / Tilt up/down）： 摄影机垂直上下移动。 “镜头逐渐升起，露出正在自信摆姿势的帅哥”。
     • 环绕（Orbit / Arc）： 镜头围绕主体做弧线运动，创造视觉能量，突出主体与环境的关系。 “镜头以角色为中心，急速环绕旋转360度，背景霓虹灯拉出光影残影”。
     • 跟随（Tracking shot）： 镜头跟随移动中的主体，保持主体在画面中，营造沉浸感。 “镜头平稳地跟随奔跑者，穿梭于森林中，绕过树木，跳过树根”。
     • 固定镜头（Static shot / Locked-off）： 摄影机完全不动，画面内的所有运动都来自主体或环境。 “固定镜头，自然的速度，水杯中蒸汽稳定上升，雨水划过玻璃”。
     • 手持镜头（Handheld shot）： 模拟真实手持拍摄的晃动感，增加真实感和现场冲击力。

   • 组合运镜： 不要害怕组合不同的运镜方式，这能创造出更复杂的电影级长镜头。 比如，“镜头从满屏的古色古香的木质屏风开始，慢慢向左平移，露出屏风后面端坐着的古风女孩，女孩穿着蜀绣汉服，发髻高高盘起，进行着线上视频会议”。 这样的描述结合了“平移”和场景内容的变化。

   • 明确运镜的速度和节奏： 使用“缓慢”、“快速”、“平稳”、“急速”等词，来控制镜头的移动速度，从而影响视频的节奏和情绪。
   • 视角和景别： 除了运动，还要考虑镜头的“位置”。使用“广角镜头”、“特写”、“中景”、“低角度仰拍”、“高机位俯拍”、“航拍”等术语，来设定画面的范围和观察角度。

结构化提示词：让AI更容易理解

虽然有些AI模型对自然语言的理解能力很强，但一个有清晰结构的提示词，能让AI更准确地理解你的意图。

一个常用的结构是：

[镜头运动]: [主体描述], [主体动作], [场景描述], [光照], [氛围/风格], [其他细节]。

比如：

慢速推轨镜头：一个穿着红色连衣裙的舞者，在温暖柔和的夕阳光线下，优雅地旋转着穿过舞台，背景是巴洛克风格的剧院大厅，裙摆的丝绸面料在运动中泛起细腻的光泽，采用古典油画的光影处理方式。

这个例子里，镜头运动、主体、动作、光照、场景、细节和风格都包含在内，而且顺序清晰，AI就很容易理解并生成高质量的视频。

进阶技巧和注意事项：

• 关键词强调： 如果你想要强调某个要素，可以策略性地重复使用语义相近的关键词。例如，为了强调“快速”运动，你可以写“快速穿梭”、“疾驰而过”、“闪电般掠过”等。
• 避免模糊描述： 不要用“美丽的场景”、“有电影感”这种泛泛的词。要具体，要用电影语言。 比如，“一个美丽的场景”不如“樱花飘落的日式庭院，清晨阳光，池塘锦鲤游动，吉卜力动画风格”。
• 逻辑一致性： 确保提示词中描述的场景、人物和动作在物理逻辑上是合理的。避免出现“一个在空中飞行的人，手上拿着一杯咖啡，飞行中没有任何气流影响”这种不符合常理的描述。
• 避免堆砌过多元素： 精简你的描述，优先聚焦核心画面。如果一个提示词太长、太复杂，AI模型可能会迷失重点。
• 多迭代、小调整： 第一次生成的视频可能不完美，这是正常的。每次只对提示词做小范围的调整，比如改变一个形容词或一个运镜方式，然后再次生成。这样更容易找到最佳效果。
• 关注时间长度和分辨率： 有些AI模型可以通过API参数设置视频的时长和分辨率，这些不是在提示词里描述的。 它们是视频的“容器”，提示词控制的是“内容”。
• 负面提示词（Negative Prompts）： 有些平台支持负面提示词，也就是你希望视频中不要出现的内容。这可以帮助你排除干扰元素，让生成结果更精准。

总的来说，创作文生视频的提示词，就是要像个导演一样，把画面、人物、动作和镜头运动，甚至光线和情绪，都用简单、直接、具体的语言描述出来。多用电影术语，把“动”这个核心要素详细分解，你就离生成高质量视频不远了。