多数 AI 视频显得平淡，原因相同：提示词描述的是图片，而非镜头。视频模型需要知道五秒内发生什么变化。本指南提供适用于 MiniMax、Kling 和 Seedance 的四部分结构。
步骤 1：用一句话设定场景
地点和时间：“夜晚，霓虹城市中被雨浸湿的屋顶。”从照片开始时可省略，模型已经看得到场景。把文字留给变化。
步骤 2：按因果顺序写动作
不要只写结果，如“他们打斗”。写出动作链：他们绕行、交锋，火花迸发，外套翻飞，其中一人从水箱跃下。每次接触，如脚落地、刀刃相击，都给模型一个可呈现的物理动作。多用动词，少用形容词。
步骤 3：添加一次运镜并锁定风格
加入一种运镜，写清速度和结束画面，再锁定风格：说明风格，以及哪些内容不能变。最后写“无文字”，避免招牌乱码。
Night, a rain-soaked rooftop in a neon city. Two rival swordfighters circle, then clash; sparks burst, coats whip in the wind, one vaults off a water tank. Camera arcs around them in one continuous shot, then pushes in on the locked blades. Hand-drawn anime film style, cel shading, same faces and outfits throughout, no text.
四部分模板
| 部分 | 写什么 | 示例 |
|---|---|---|
| 场景 | 地点、时间、天气，从照片开始时省略 | 夜晚，霓虹城市中被雨浸湿的屋顶 |
| 动作 | 有接触感和重量感的动词链 | 绕行后交锋；火花迸发；一人从水箱跃下 |
| 运镜 | 一种运动、速度和终点 | 镜头绕他们划弧，再推进到相抵的刀刃 |
| 锁定 | 风格，以及不能改变的内容 | 动漫电影风格，相同面孔和服装，无文字 |
控制在 40–90 个词。提示词太长容易淹没动作。
三层运动
当三样东西都在动时，镜头会更鲜活：摄影机、主体和环境，例如雨、尘埃、火花、灯光和水。如果视频像静止画，通常是缺少环境层。然后写清保持不变的内容，如面孔、服装、商品形状和地平线。
从照片开始
把照片作为首帧时，只写会变化的内容。重复描述图片既浪费文字，也可能让模型切换到新场景。还要确保动作符合照片：半身肖像不能突然走出画面。
常见问题
需要写很长的提示词吗？
不需要。40–90 个词较合适。太短往往动作很少，太长又容易丢失动作重点。
运镜应该写在开头还是结尾？
多数模型适合放在动作之后。如果模型忽略运镜，可以尝试把那句话移到开头。
为什么视频会切到其他场景？
提示词可能描述了首帧中不存在的东西。删去新元素，并添加“一个连续镜头，不切镜”。
