指南

如何写出一次就成的 AI 视频提示词。

一个简单公式、浪费积分的常见错误,以及可直接复制的 Veo 3.1、Seedance 和 Kling 示例。

  • 更新于 2026年11月5日
  • 阅读约 1 分钟

公式

视频模型读提示词,就像摄制组读分镜表。它需要知道画面里有谁、发生了什么、在哪里、镜头怎么拍、光线什么样、能听到什么。漏掉其中一项,模型就只能靠猜,而大多数令人失望的片段正是这么来的。

按这个顺序来写。越靠前的词分量越重,所以主体和动作放在最前面,风格细节放在后面。

  • 主体:谁或什么,加上两三个让它具体的细节。
  • 动作:镜头中发生的一件主要的事。
  • 地点和时间:在哪里、什么时候发生。
  • 镜头:离得多近,镜头怎么运动。
  • 光线和风格:光线、色彩、胶片或艺术风格。
  • 声音:放进引号的对白、环境音、音乐、音效。

从主体和动作写起

“咖啡馆里的一个女人”几乎没给模型任何信息。“一位六十多岁、银发、穿绿色雨衣的女人,在下雨的窗边搅动咖啡”,就给了它一个人物、一个动作和一种情绪。两三个具体细节就够了;列上十个,它们会互相打架。

每个镜头只保留一个主要动作。一个片段只有几秒:“她从书上抬起头,笑了笑”放得下,“她喝完咖啡、结账、走出门、赶上公交”就放不下。如果你的想法有好几步,就分成几个片段再拼接。

指挥镜头

模型能听懂导演会用的词。说清镜头离得多近、是否运动;什么都不说,通常只会得到一个缓慢、平淡的运镜。

  • 景别:大特写、特写、中景、全景、航拍。
  • 运镜:缓慢推近、拉远、跟拍、环绕、手持、固定机位。
  • 镜头与景深:微距、35 mm、85 mm、浅景深。
  • 速度:慢动作、延时、实时。

设定光线和风格

光线对氛围的作用胜过任何形容词。“黄金时刻”“柔和的窗光”“湿漉漉的柏油路上的霓虹倒影”“正午的强烈阳光”,每一种都会改变整个镜头。“美丽”“电影感”这类词单独用几乎没用;不如写清是什么让它美。

风格要放在最开头:“黏土定格动画。”“手绘动画电影风格。”“1980 年代 35 mm 胶片质感。”这样模型会按这种风格去理解后面的所有内容。

写出声音,对白放进引号

Veo 3.1、Seedance、Kling 4.0 以及大多数其他视频模型,都会随画面生成声音。像描述镜头的其他部分一样描述它:“咖啡馆的嘈杂声”“铁皮屋顶上的雨声”“一个钢琴单音”。

对白要说明是谁在说,并把原话放进引号:老渔夫说:“大海才不管你有多累。”台词要短到能在片段时长内说完,每次只给一个人一句台词。如果你要配自己的音乐,就选一个可以关闭声音的模型,比如 Kling 3.0。

从图片开始

用图片生成视频时,图片已经展示了主体、地点和光线。不用再描述一遍:描述什么在动、镜头怎么跟。图片负责其余部分时,“女人转向镜头微笑,头发在微风中飘动,缓慢推近”就是一个完整的提示词。

从图片开始,也是让角色或产品在镜头之间保持完全一致的最可靠方法:图片只做一次,然后想动多少次就动多少次。

浪费积分的错误

大多数失败的片段都源于同样几个习惯。生成之前,用这份清单检查一下你的提示词。

  • 一个短片段里塞了好几个动作。把它们拆成几个镜头。
  • 自相矛盾,比如“平静又慌乱的场景”或“夜晚,阳光明媚”。
  • 视频里需要清晰可读的文字:招牌、标签和字幕通常会出错。文字留到后期加,或使用自动字幕。
  • 真人、品牌和你无权使用的角色。自己创造一个。
  • 用空泛的词代替细节:“惊艳”“史诗”“高品质”。
  • 描述故事而不是镜头的提示词。写下镜头看到的东西。

先低成本出草稿,再渲染最终镜头

同一个提示词,往往要试两三次才能把节奏和构图调对。这几次尝试用轻量模型来做,比如 Seedance 2.0 Fast 或 Mini、Veo 3.1 Fast 或 Lite,并用较低的分辨率。镜头没问题了,再用完整模型按需要的分辨率渲染一次。

在 Aventada 中,点击之前按钮上就会显示每次生成的价格,生成失败会退还积分,所以你可以逐个镜头规划积分。

可直接复制的示例

每一条都遵循这个公式。复制一条,换掉主体,保留结构。

  • Documentary interview, medium close-up. An old fisherman with a grey beard sits on a wooden dock at sunrise, nets behind him. He looks just off-camera and says: “The sea doesn't care how tired you are. That's why I like it.” Gulls, water lapping, natural light, slight handheld movement.

  • A skateboarder in a faded green hoodie rolls toward a concrete stair set in an empty plaza, pops a clean kickflip down the stairs and lands it. Slow motion at the peak, low angle, late-afternoon sun. Wheels on concrete, the snap of the board.

  • Claymation stop-motion. A plump fox in a tiny striped apron opens the shutters of his miniature bakery at dawn and sets a tray of round loaves on the counter. Handmade plasticine textures, slight stop-motion jitter, warm sunrise light, accordion music.

  • Vertical phone video. A ginger cat on a tidy desk stares at the camera, then slowly pushes a pen off the edge with one paw. Slow motion on the falling pen, warm desk-lamp light, the soft clack of the pen on the floor.

其他模型。

常见问题。

通常两到五句。长到足以覆盖主体、动作、镜头、光线和声音;短到每个细节都有意义。有些模型限制提示词长度,超出时工作室会提醒你。

不必,但模型往往对英文理解得最准确,所以我们的示例用英文。对白可以用任何语言:用你想听到的语言写在引号里。

常见原因是动作太多、超出片段时长,存在矛盾,或缺少镜头和光线的描述。精简到一个动作,加上镜头,先用轻量模型再试一次。

大多适用。每个模型各有所长,所以同一个提示词效果可能差别很大:Veo 3.1 偏向写实和对白,Kling 偏向运动,Seedance 偏向表演。用一个提示词对比两个模型,是最快的选择方法。

如何写出一次就成的 AI 视频提示词。

一个套餐,所有顶级模型。开始前先看价格。

申请抢先体验