AI视频提示词怎么生成视频

AI视频这东西，关键就在于你怎么跟它“说话”。你给它的指令，也就是提示词（Prompt），直接决定了最后出来的片子是个啥样。说白了，你就是导演，提示词就是你的剧本和分镜脚本。写得好，AI就是个顶级制作团队；写得烂，它就只能给你一堆不知所谓的动态画面。

咱们先拆解一下，一个能打的提示词，到底由哪几块构成。把它想成一个公式，会简单很多。

基础公式：主体 + 动作 + 场景 + 风格

这是最核心的骨架，缺一不可。

• 主体 (Subject): 你的片子里，主角是谁？或是什么？是“一个穿着宇航服的猫”，还是“一辆复古红色跑车”。主体一定要清晰。别说“一个人”，要说“一个胡子拉碴、眼神疲惫的中年男人”。细节越多，AI脑补的空间就越小，结果就越可控。
• 动作 (Action): 主体在干嘛？这是视频的核心，是“动”起来的关键。是“在月球表面跳着霹雳舞”，还是“在深夜的沿海公路上飞驰”。动作要具体，避免模糊的词。比如，“开心”这个词就很抽象，AI很难理解。 你可以把它具体化成“脸上露出灿烂的笑容，一边走一边蹦蹦跳跳”。
• 场景 (Scene): 这事儿发生在哪？“一个破旧的仓库里，只有一束光从天窗打下来”，或者“樱花盛开的东京街头，人来人往”。 场景描述能给视频定下基调和环境。
• 风格 (Style): 你想要什么感觉的片子？是“宫崎骏动画风格”，“80年代复古科幻电影质感”，还是“国家地理纪录片风格”。风格词能最快地让AI抓住你想要的美学方向。

把这几块拼起来，就有了个基础的提示词：“一只穿着宇航服的猫，在月球表面跳着霹雳舞，背景是地球，宫崎骏动画风格。”

但是，想让视频有“电影感”，光有这些还不够。你得把自己当成摄影师，加上镜头的描述。

进阶公式：主体 + 动作 + 场景 + 风格 + 镜头语言

镜头语言是拉开普通玩家和高手差距的关键。这里面主要包括几个方面：

• 景别 (Shot Size): 就是镜头离主体有多远。常见的有“特写 (close-up shot)”（比如只拍眼睛），“中景 (medium shot)”（拍到腰部），“全景 (wide shot)”（能看到整个环境）。
• 镜头角度 (Camera Angle): 你从哪个角度拍？是“低角度拍摄 (low-angle shot)”（显得主体高大），“俯视镜头 (overhead view)”（上帝视角），还是普通的平视。
• 镜头运动 (Camera Movement): 这是让画面“活”起来的灵魂。别让镜头死在那儿。你可以用“镜头缓慢向前推进 (slow dolly in)”，“围绕主体旋转 (orbit around the subject)”，“手持摄影机带来的轻微晃动 (handheld camera/subtle shake)”。 这些专业的术语，AI基本都能听懂。

我们把刚才的例子升级一下：“特写镜头，一只穿着宇航服的猫，在月球表面跳着霹雳舞，背景是缓缓升起的地球，镜头围绕猫缓慢旋转，宫崎骏动画风格，色彩温暖。”

你看，加了镜头语言，画面感是不是立刻就出来了？

咱们来看个更实际的对比案例，你就明白差距在哪了。

目标： 生成一个男人在雨中漫步的伤感视频。

• 差的提示词： 一个男人在下雨的街上走路，他很难过。

  • 问题分析： 这个描述太模糊了。“难过”是个内部情绪，AI很难直接表现。 “街上”是什么样的街？“走路”是怎么个走法？一切都交给AI去猜，结果自然好不到哪去。出来的视频可能就是一个面无表情的火柴人，在一个随便画的街道上僵硬地移动。

• 好的提示词： 中景镜头，一个穿着黑色风衣的中年男人，在深夜空无一人的东京街头独自走着。大雨倾盆，霓虹灯的倒影在湿漉漉的地面上拉长。镜头从他身后跟随拍摄 (tracking shot from behind)，他的肩膀微微垮塌，低着头，看不清表情。电影感，冷色调 (cinematic, cool color tone)。

  • 优点分析： 这个提示词提供了足够多的视觉信息。 “黑色风衣”、“深夜的东京”、“霓虹灯倒影”共同构建了场景和氛围。“肩膀垮塌”、“低着头”是“难过”这个情绪的具体化、动作化的表现。而“跟随拍摄”的镜头运动，会给观众一种代入感，好像我们也在跟着他走。这样出来的视频，故事感和情绪感染力就强多了。

现在，除了从零开始的“文生视频”，很多工具也支持“图生视频”（Image-to-Video）。就是你给AI一张静态图片，让它动起来。这个技巧的核心在于，你的提示词要描述出“应该发生什么运动”。

比如，你上传了一张 একজন craftswoman 在工作室的照片。

• 差的提示词： 让她动起来。

  • 问题分析： 这等于什么都没说。AI不知道是该让她眨眼，还是让她手里的工具飞起来。

• 好的提示词： 镜头缓慢推近 (slow zoom in)，聚焦在她正在雕刻木头的手上，可以看到木屑轻轻飞溅，背景里的灯光有轻微的闪烁。

  • 优点分析： 指令非常明确。 告诉AI镜头的运动方式（推近），运动的焦点（手），以及需要添加的动态细节（木屑和灯光）。这样，AI就能在一张静态图片的基础上，合理地创造出符合逻辑的微小动态。

最后，再聊聊一些实战中的小经验。

第一，保持简洁，一件事说一次。一个提示词最好只描述一个连贯的镜头。 别想着在一个提示词里写个蒙太奇，比如“一个男人先是在山顶看日出，然后镜头一转他已经在水下游泳了”。AI会懵掉。想实现这种效果，就生成两个视频，再用剪辑软件拼起来。

第二，具体，再具体一点。别用“一些”、“好看的”、“有趣的”这种形容词。什么是“好看的”？是“色彩饱和度高、充满活力的”，还是“柔和、褪色的复古感”？直接告诉AI你想要什么样的视觉元素。

第三，不断试错和迭代。别指望一次就能生成完美的作品。通常，第一次生成的结果可以看作是一个“草稿”。你可以根据这个草稿，回头去修改你的提示词。 也许是动作不对，也许是风格有点偏。比如你发现画面太暗了，就可以在提示词里加上“明亮的自然光 (bright natural light)”或者“黄金时刻的柔和光线 (soft golden hour lighting)”。

第四，不同模型的“脾气”不一样。像Sora、Runway、Pika这些工具，它们对提示词的理解能力和侧重点都有细微差别。 有的可能对电影术语更敏感，有的可能在生成动漫风格上更拿手。 这就需要你多去体验，甚至去看看别人在这些平台上分享的成功案例，学习他们的写法。有时候，同一个提示词在不同平台上的效果会截然不同。

总而言之，生成AI视频的过程，其实是你把脑子里的画面，翻译成AI能听懂的语言的过程。这个翻译工作做得越精准、越细致，AI就越能成为你高效的执行伙伴。