Castaly · 博客 · 使用指南
AI 视频提示词怎么写：七个部分，配真实样片讲解
本站样片背后的七段式提示词结构：镜头类型、地点、主体、事件、镜头运动、光线和收尾，每一部分都配有原始提示词和生成结果。
视频提示词比图像提示词要做的事更多。除了画面里有什么，它还得说清发生了什么、按什么顺序发生，以及镜头在这期间处于哪里。省略这些，就是把决定权交给模型，而每一次猜测都要你买单。
本文拆解本站样片所用的提示词结构。文中引用的每段提示词都是实测生成记录中的原文，旁边的视频就是返回的结果。
视频提示词的七个部分
下面是一段完整的提示词，来自一段 5 秒的 Seedance 2.0 视频：
One continuous take, no cuts. An empty indoor swimming pool at night, tiled walls and underwater lights. A swimmer in a chrome-finish suit stands on the edge and lifts both arms; the water answers by leaving the pool, rising as a single rotating column of turquoise that twists up past the roof beams and holds there, the emptied tiles glowing underneath. The camera starts low at the pool edge, cranes up alongside the column and tilts to look down into the drained basin. One hard cyan key from the underwater lights, warm sodium spill from the high windows. Real weight and inertia, spray and refraction, no text.
（大意：一镜到底，不剪辑。夜晚空无一人的室内泳池，瓷砖墙面和水下灯光。一位身穿镀铬泳衣的人站在池边举起双臂；池水随之离开泳池，升起一根旋转的青绿色水柱，盘旋越过屋梁后停住，排空的瓷砖在下方发光。镜头从池边低处开始，沿水柱升起，再俯视排空的池底。水下灯打出一道硬朗的青色主光，高窗透进暖色钠灯光。真实的重量与惯性、水花与折射，不要文字。）
它按顺序包含七个部分：
| 部分 | 在上面的提示词中 |
|---|---|
| 1. 镜头类型 | One continuous take, no cuts. |
| 2. 地点与时间 | An empty indoor swimming pool at night, tiled walls and underwater lights. |
| 3. 主体 | A swimmer in a chrome-finish suit stands on the edge |
| 4. 事件 | lifts both arms; the water answers by leaving the pool, rising as a single rotating column… |
| 5. 镜头运动 | The camera starts low at the pool edge, cranes up alongside the column and tilts to look down… |
| 6. 光线 | One hard cyan key from the underwater lights, warm sodium spill from the high windows. |
| 7. 物理与收尾 | Real weight and inertia, spray and refraction, no text. |
下面逐一说明。
1. 先说是什么镜头
我们近期的提示词大多以 One continuous take, no cuts.（一镜到底，不剪辑）开头。视频模型可以自由切换机位，而 5 秒视频中途一剪，往往就浪费了。先说明镜头类型，就是要求一个不间断的镜头运动。
竖屏视频会在同一句里加上画幅：One continuous take, vertical. 风格化作品则把风格放在最前面：Stop-motion claymation style: a small orange clay fox sneaks through a miniature felt forest…
2. 一句话交代地点
An empty indoor swimming pool at night, tiled walls and underwater lights. 一个分句、三个具体细节，不用描述氛围的形容词。模型由此得到地点、时间，以及后面要用到的光源。
3. 给主体一个记忆点
只写一个主体，并给它一个强烈的视觉记忆点：a swimmer in a chrome-finish suit、a figure in an acid-green vinyl coat、a woman in a cobalt-blue structured trench coat。醒目的颜色或材质让主体在运动中易于辨认，下一个镜头也容易再描述一次。
需要反复出现的角色，就逐字重复同一段描述。下面两段 Kling 3.0 视频以同一段主体描述开头：
A woman in her late twenties with a short dark bob, a small scar above her left eyebrow and a worn olive field jacket …
（大意：一位二十八九岁的女性，黑色短波波头，左眉上方有一道小疤，穿一件旧橄榄绿野战夹克……）
短发和夹克在两段视频之间保持了一致，疤痕却没有：在夜市那段里它跑到了脸颊上。重复描述能保住大致的外观；要精确到细节，请改用角色的参考图。做法见图生视频指南。
4. 用因果写事件
事件是最容易写得太少的部分。写出一个触发动作和它引发的结果：lifts both arms; the water answers by leaving the pool. 用分号隔开动作和反应，顺序就很清楚。
事件的分量要和时长匹配。5 秒视频容得下一个动作和它的后果；10 秒的 Seedance 2.5 长镜头可以承载一整段经过：
One continuous take, no cuts. Rush-hour subway car, commuters staring at their phones. A paper cup tips over; the spill does not stop but swells within seconds into a full waterfall bursting out of the car, blowing the doors open and flooding the platform with seats, newspapers and phones while the commuters keep scrolling, unbothered. …
（大意：一镜到底。早高峰地铁车厢，乘客都盯着手机。一只纸杯倒了，洒出的水没有停，几秒内涨成一道瀑布冲出车厢，冲开车门，把座椅、报纸和手机冲上站台，乘客却照样刷着手机。）
5. 从头到尾指挥镜头
给镜头一个起点、一个运动和一个终点：The camera starts low at the pool edge, cranes up alongside the column and tilts to look down into the drained basin. 以一个具体画面收尾，视频的最后一秒才有落点。
用普通的影视术语即可。dolly（移动摄影）、crane（升降）、tilt（俯仰）、push in（推镜）、handheld（手持）、tracking shot（跟拍）和 Steadicam following behind（斯坦尼康跟随）都出现在我们的实测提示词里。构图要紧时，wide lens、wide-angle lens 这类镜头描述也有帮助。
6. 点明光源
One hard cyan key from the underwater lights, warm sodium spill from the high windows. 说明每道光来自哪里、什么颜色，光线就会稳定，并与第 2 部分描述的地点相符。Cool grey-blue palette broken by one warm sodium lamp（冷灰蓝色调中一盏暖色钠灯）也是同样的写法。
7. 以物理质感和排除项收尾
最后一句写材质与物理：Real weight and inertia, spray and refraction. 然后是排除项。我们记录的提示词几乎都以 no text 结尾：街道、店铺和屏幕很容易让模型自行编出招牌和字幕。
从首帧开始时怎么写
视频从一张图片开始时，省掉第 2、3 部分：模型已经看得到地点和主体。把提示词留给事件和镜头，比如这段 Wan 2.7 I2V 提示词：
One continuous take, no cuts. The ribbon of film keeps unwinding and speeds up until every frame is lit, tightening into a neon helix that lifts off the deck and climbs past the parapet into the dusk sky…
用中文写
提示词不一定要用英文。下面这段 Seedance 2.5 请求用中文写成，结构相同：主体、镜头、事件和结束条件：
探索潜航器缓慢驶向海底环形遗迹，摄影机从侧后方平稳跟随。灯束扫过发光珊瑚，探险者保持与潜航器的相对位置；在拱门内新空间显露时结束。保持设备外形、光线方向和水中运动连贯。
先低价打草稿，再正式出片
长提示词测试起来很便宜。同一段文字在 Seedance 2.0 Mini 上跑 480p，每 5 秒约 $0.09，点一下就能带着提示词打开：
等事件和镜头都符合预期，再用选定的模型和分辨率正式生成。草稿只是验证想法，换一个模型，细节会按它自己的方式呈现。
常见问题
视频提示词应该写多长？
写到能覆盖七个部分为止。我们 5 秒视频的提示词约 100 个英文单词，10 秒的稍长一些。长度不花钱：价格只取决于模型、分辨率和时长，与提示词无关。
每段提示词都要写 "no text" 吗？
不希望画面里出现文字，就要写。有街道、店铺或屏幕的场景，很容易出现编造的招牌和字幕。
怎样让角色在多段视频里保持一致？
逐字重复同一段描述；需要精确的五官特征时，再加上角色的参考图。在我们的视频里，只靠重复描述保住了发型和服装，但一道小疤的位置变了。
提示词的语言会影响价格吗？
不会。同样设置下，中文提示词和英文提示词价格相同。