编写AI视频指令时，如何具体描述场景、角色和镜头运动？

跟AI打交道，其实就跟你和摄影师沟通差不多。你得告诉它你想拍什么，画面里有什么，镜头要怎么动。你说得越清楚，AI就越懂你，给你的东西也就越接近你想要的。要是说得模棱两可，那AI只能自己猜，结果可能就千奇百怪了。

写AI视频指令这事，没什么玄乎的。记住一个核心公式就行：主体 + 动作 + 场景 + (镜头运动 + 灯光 + 风格)。 不一定每次都要把所有元素都写全，挑你需要的说就行。

第一步：把场景说明白

场景就是故事发生的地方，是整个画面的背景板。把场景交代清楚，视频的氛围感就出来一半了。

1. 先说在哪

首先得告诉AI，这事发生在哪。是在“霓虹灯闪烁的赛博朋克城市街道”，还是在“清晨阳光明媚的热带海滩”？地点越具体越好。别只说“一个城市”，要说“一个雨夜的东京街头，地面湿滑，反射着五颜六色的霓虹灯”。细节越多，AI脑补的画面就越准。

• 例子：
  • 不够具体：“一个森林里。”
  • 足够具体：“一片浓密的红木森林，阳光从树叶的缝隙中穿过，地面上铺满了落叶和青苔。”

2. 再说时间

一天里的不同时间，光线和感觉都不一样。是“黄昏时分”，还是“凌晨三点”？是“阳光灿烂的午后”，还是“雾气蒙蒙的清晨”？ 把时间点说清楚，能帮AI更好地渲染气氛。

• 例子：
  • 不够具体：“晚上。”
  • 足够具体：“午夜，一轮满月挂在天上，周围万籁俱寂。”

3. 补充环境细节

周围有什么东西？天气怎么样？这些细节能让画面更真实。比如，“远处的山峰白雪皑皑”，“空气中弥漫着薄雾”，“街上人来人往，车水马龙”。这些描述就像给场景加上了各种“道具”，让它看起来更丰富。

• 例子：
  • 不够具体：“一个房间。”
  • 足够具体：“一个铺着波斯地毯的复古书房，墙上挂着油画，角落里有一个燃着火焰的壁炉。”

总的来说，描述场景的原则就是：由大到小，由整体到局部。先把基本环境定下来，再一点点往里加细节。就像你亲眼看到了那个地方，然后把它描述给一个没去过的人听。

第二步：把角色讲清楚

角色是视频的主角。主角是谁，长什么样，在干什么，这些都得说明白。

1. 主角是谁

首先明确视频的主体是什么。可以是一个人，一个动物，或者一个物体。 比如，“一个年轻女人”，“一只金毛犬”，“一辆白色的复古SUV”。

2. 描述外观

这个主角长什么样？把关键特征说出来。人的话，可以说“黑色长发，穿着一件红色连衣裙”。动物的话，可以说“一只毛茸茸的橘猫”。物体的特征也要描述，比如“一台线条流畅的意式浓缩咖啡机，机身是不锈钢材质”。

• 例子：
  • 不够具体：“一个男人。”
  • 足够具体：“一个留着胡子的中年男人，穿着一件棕色皮夹克，表情严肃。”

3. 描述动作和情绪

角色在干什么？这是推动视频内容的核心。 动作要说得干脆利落。是用“走”还是“奔跑”？是“凝视”还是“瞥一眼”？ 不同的词给人的感觉完全不同。

同时，角色的情绪也很重要。是“开心地笑”，还是“疲惫地坐在长椅上”？把情绪带入，角色就活了。

• 例子：
  • 不够具体：“一个女孩在看书。”
  • 足够具体：“一个女孩专注地坐在窗边，手里捧着一本厚厚的书，时不时皱一下眉头。”

写角色指令的时候，记住一次只让一个主角做一个核心动作。 AI视频通常很短，几秒钟的时间里，讲清楚一件事就够了。如果你想让角色做好几件事，或者有好几个角色同时活动，最好分开生成，每个指令对应一个独立的镜头。

第三步：指挥镜头怎么动

镜头运动决定了观众以什么视角看这个故事。用上一些专业的镜头术语，能让AI更准确地执行你的想法，视频也会更有电影感。

1. 决定镜头远近（景别）

景别就是摄像机离拍摄对象有多远。

• 远景/广角镜头 (Wide shot)：用来展示整个环境和氛围，交代故事发生的背景。 比如，“广角镜头下，展示了整个山谷的全貌。”
• 中景 (Medium shot)：通常拍人物腰部以上，能看清人物的动作和表情。 比如，“中景镜头，一个厨师正在切菜。”
• 特写 (Close-up)：聚焦在某个细节上，比如人物的眼睛或者手上的一个物体，用来强调情绪或重要信息。 比如，“特写镜头，一滴泪从她的脸颊滑落。”

2. 决定镜头角度

你从哪个角度去看主角？

• 平视 (Eye-level shot)：最常见的角度，就像我们平时看东西一样，感觉比较客观、平实。
• 俯视/高角度 (High-angle shot)：从上往下拍，会让被拍的对象显得渺小、弱势。 比如，“从高处俯拍，他独自一人走在空旷的街道上。”
• 仰视/低角度 (Low-angle shot)：从下往上拍，会让被拍的对象显得高大、有力量。 比如，“低角度拍摄，仰望高耸入云的摩天大楼。”

3. 决定镜头运动方式

静态的画面没意思，让镜头动起来，视频才生动。

• 推轨靠近/拉远 (Dolly in / Dolly out)：摄像机向主体靠近或远离。 推近可以聚焦细节、制造紧张感；拉远可以展示更广阔的环境。
  • 指令示例：“镜头从一只手的特写开始，平稳地向后拉远，最终展现出他身处宏伟的外星森林的全貌。”
• 平移 (Pan)：摄像机在原地向左或向右转动，就像你转头看风景一样。常用来展示水平方向的广阔场景或跟随移动的物体。
  • 指令示例：“镜头缓慢向右平移，扫过城市的天际线。”
• 摇摄 (Tilt)：摄像机在原地向上或向下转动，就像你抬头或低头。常用来展示高大的物体。
  • 指令示例：“镜头从地面上的一把剑开始，缓缓向上摇，最终定格在侠客的背影上。”
• 跟随镜头 (Tracking shot)：摄像机跟着移动的主体一起动，始终保持与主体的距离。
  • 指令示例：“一个稳定的跟随镜头，摄像机与一个穿着风衣的男人保持固定距离，跟随他穿过一条小巷。”
• 环绕镜头 (Orbit shot)：摄像机围绕着主体做环形运动，可以多角度展示主体。
  • 指令示例：“镜头围绕着正在跳舞的芭蕾舞者缓慢做环形运动。”

最后要记住，跟AI沟通是一个不断尝试和调整的过程。 第一次生成的结果不完美很正常。你可以从一个简单的指令开始，然后逐步增加或修改细节，一次只调整一个变量，看看效果有什么不同，直到得到你满意的画面。