AI生成视频的指令需要描述哪些关键信息，如场景、动作和镜头语言？

写AI生成视频的指令，感觉就像在给一个很聪明但没啥主见的导演下命令。你得说得特别清楚，不然他拍出来的东西可能让你哭笑不得。这不像生成图片，给几个关键词就行。视频是动态的，有时间线，有情节，所以指令的复杂程度完全不是一个量级。

核心就一点：把指令拆解成几个关键部分，说得越具体，AI就越懂你。一个好的视频指令通常包含这几个核心要素：主体、动作、场景，以及更进阶的镜头语言和风格。咱们一个个掰开聊。

1. 主体 (Subject)：视频里有谁？是啥？

这是最基础的，你得先告诉AI视频的主角是谁。可以是一个人，一个动物，或者一个物体。关键在于描述要精准，不能含糊。

• 简单描述：“一个女孩”。
• 更好的描述：“一个穿着红色连衣裙、扎着马尾辫的年轻女孩”。

你看，后者给出的信息更丰富。AI能更准确地抓住你想要的角色形象。如果你要生成一个特定的人物，比如“一个五十多岁的 grizzled detective（饱经风霜的侦探），穿着深色风衣”，那效果会更精确。

要点：
* 外貌特征：年龄、发型、穿着、配饰，都说清楚。
* 情绪状态：表情是开心、悲伤还是专注？这会影响整个视频的氛围。
* 数量和关系：如果视频里不止一个主体，要说明他们是谁，在做什么，彼此之间是什么关系。比如，“两个宇航员在空间站里失重漂浮，其中一个在修理设备，另一个在旁边递工具”。

2. 场景 (Scene)：故事发生在哪里？

场景就是视频的背景板，它决定了整个故事的环境和氛围。没有场景，主体就好像悬浮在白纸上，很奇怪。

• 简单描述：“在一条街上”。
• 更好的描述：“夜晚的东京，一条被雨水浸湿的霓虹灯小巷，地面反射着五颜六色的光”。

这个描述不仅说明了地点（东京小巷），还包括了时间（夜晚）、天气（雨天）和关键的视觉元素（霓虹灯、反射），信息量一下就上来了。

要点：
* 地点和时间：室内还是室外？白天还是黄昏？这些基本信息很重要。
* 环境细节：周围有什么？是茂密的森林，还是空旷的沙漠？是整洁的厨房，还是混乱的战场？细节越多，画面越真实。
* 氛围和光线：光线是决定画面质感的关键。 你可以说“柔和的晨光透过窗户洒进来”，或者“阴天，冷色调的光线”。 这类描述能直接影响视频的情绪。

一个经过验证的有效公式是：主体 + 动作 + 场景 + (镜头 + 灯光 + 风格)。 先把最核心的主体、动作和场景说清楚，再用后面的元素来润色。

3. 动作 (Action)：主体在干什么？

这是让视频“动”起来的关键。动作描述必须清晰、具体，而且最好是单一的、连贯的动作。因为目前的AI模型处理复杂或连续的多个动作时，还比较容易出错。

• 简单描述：“一个人在走路”。
• 更好的描述：“一个男人冒着大雨，在空无一人的街道上缓慢行走，他低着头，双手插在口袋里”。

看到了吗？“缓慢行走”、“低着头”、“双手插兜”这些细节，让一个简单的走路动作变得有故事感。AI在处理具体的、有物理逻辑的动作时表现更好。

要点：
* 使用强动词：不要用“走”、“看”这种模糊的词，试试“冲刺”、“跋涉”、“凝视”、“瞥见”，这些词本身就带有画面感和情绪。
* 动作的顺序和节奏：如果是一个稍微复杂点的动作，可以拆解开。比如，“镜头开始于一只手拿起咖啡杯，然后慢慢举到嘴边，热气袅袅升起”。这种分步描述能帮助AI更好地理解过程。
* 避免冲突指令：像“平静的动作场面”这种自相矛盾的描述会让AI困惑。 确保你的指令在逻辑上是一致的。

4. 镜头语言 (Camera Language)：你想让观众怎么看？

这是让AI视频摆脱“监控录像感”，变得有电影质感的关键一步。 你要像个导演一样，告诉AI摄像机应该放在哪里，怎么移动。

• 没有镜头语言：“一个女人坐在咖啡馆里看书”。
• 有镜头语言：“特写镜头，一个女人坐在咖啡馆里，镜头缓慢地从她正在阅读的书上向上移动，最终停留在她的脸上，她露出了微笑”。

加上镜头语言后，整个画面的叙事性就完全不同了。下面是一些常用的镜头指令：

• 景别 (Shot Size)：
  • 远景/广角 (Wide Shot / Long Shot)：用来展示宏大的场景。 比如，“日出时东京的广角航拍镜头”。
  • 中景 (Medium Shot)：通常拍人物腰部以上，适合展示人物的动作和表情。
  • 特写 (Close-up)：聚焦于某个细节，比如人物的眼睛或者手。
• 机位角度 (Camera Angle)：
  • 低角度拍摄 (Low-angle Shot)：从下往上拍，能让主体显得高大、有压迫感。
  • 高角度拍摄 (High-angle Shot)：从上往下拍，常用于上帝视角，让主体显得渺小。
  • 无人机视角 (Drone Perspective Shot)：适合拍摄壮丽的风景。
• 镜头运动 (Camera Movement)：
  • 推/拉 (Dolly In / Pull Out)：摄像机向前靠近主体或向后远离主体。 比如，“镜头缓慢推近，聚焦在桌上的旧照片”。
  • 平移 (Pan)：摄像机水平转动。 “镜头从左向右缓慢平移，扫过整个城市的夜景”。
  • 跟随拍摄 (Tracking Shot)：摄像机跟随移动的主体。 “跟随镜头，拍摄一个正在雨中奔跑的男人”。
  • 手持拍摄 (Handheld Shot)：模拟人手持摄像机的晃动感，增加真实性和紧张感。

一个实用的技巧是：把这些电影术语直接加到你的指令里，AI通常能很好地理解。 一条指令里最好只包含一种主要的镜头运动，避免AI处理不过来。

5. 风格 (Style)：视频看起来像什么？

最后，你可以定义视频的整体美学风格。这能让你的作品更有个性和辨识度。

• 简单指令：“一个机器人走在街上”。
• 带风格的指令：“一个机器人走在赛博朋克城市的街道上，霓虹灯闪烁，胶片颗粒感，电影感，80年代科幻电影风格”。

你可以参考具体的电影、导演或者艺术风格：

• 电影/导演风格：“宫崎骏动画风格”、“诺兰电影风格”、“王家卫电影色调”。AI对知名导演和作品的风格有很强的学习能力。
• 艺术风格：“水彩画风格”、“像素艺术”、“超现实主义”。
• 技术参数：“4K高清”、“电影感光晕”、“浅景深 (Shallow depth of field)”。这些摄影术语也能帮助AI渲染出更专业的画面效果。

把这些要素组合起来，你就能写出一条非常强大且精确的指令。记住，写指令的过程就像搭积木，从最基础的主体和场景开始，然后一层层添加动作、镜头和风格的细节。多尝试，多调整，很快你就能让AI成为你专属的电影制作团队。