生成视频的核心不是“把画面描述得越长越好”，而是让模型清楚理解：谁在做什么、在哪里、怎么拍、画面如何变化，以及哪些内容绝不能变。
1. 一条好提示词的基本结构
建议按下面顺序写：
主体 + 动作 + 场景 + 镜头 + 光线/风格 + 节奏 + 约束
例如：
一位穿深蓝色风衣的女性站在雨后的东京街头，缓慢抬头看向霓虹灯。镜头从中景缓慢推进到面部特写，浅景深，路面有倒影，冷蓝与洋红色电影灯光，细密雨丝自然飘落，动作克制、节奏舒缓，人物五官和服装在整个镜头中保持一致，不出现文字或多余人物。
2. 先写“一个镜头”，不要一口气拍一部电影
视频模型通常更擅长生成短而明确的片段。一个提示词里塞入“人物走路、回头、上车、爆炸、转场到太空”等多个事件，容易出现动作混乱、人物变形或镜头跳变。
更稳妥的方式是拆镜头：
镜头 1：人物走进咖啡馆
镜头 2：人物坐下，窗外下雨
镜头 3：手部特写，端起咖啡杯
再通过剪辑拼成完整叙事。
3. 用镜头语言，而不是只写“好看”
想要结果更可控，应明确镜头表达方式：
景别：远景、全景、中景、近景、特写
运动：固定镜头、缓慢推进、横向跟拍、环绕、俯拍、航拍
焦段感受：广角有空间感，长焦更压缩、更电影化
焦点：浅景深、背景虚化、焦点从物体转移到人物
节奏：缓慢、自然、快速、充满张力
例如，把“一个人在海边”改成：
日落时，一名冲浪者站在海边礁石上。低机位中景，镜头从左向右缓慢跟拍，海浪在前景拍打礁石，金色逆光，电影感，人物动作自然。
4. 人物一致性：少变化，重复关键特征
人物容易在不同帧或不同片段间变化。提示词中应固定最有辨识度的特征：
年龄范围、发型、肤色、服装颜色
明显配饰，如红色围巾、银框眼镜
情绪状态，如平静、坚定、疲惫
不变要求，如“服装和面部特征保持一致”
不要在同一段里频繁切换服装、年龄、发型或情绪，除非这是有意的变身效果。
5. 动作要具体，但保持简单
“跳舞”“奔跑”这类动作比较宽泛。更清晰的动作描述会提升效果：
不佳：女孩在跳舞
更好：女孩轻轻旋转半圈，裙摆随动作自然摆动，随后停下并望向镜头
动作过于复杂时，拆成多个片段生成。手部、多人互动、快速物体接触等场景尤其适合拆分。
6. 风格描述要服务于画面，而非堆砌标签
风格词可以帮助建立视觉方向，但不要无意义堆叠“电影感、8K、超清、史诗级、获奖摄影”。
更有效的写法是说明风格的具体来源：
35mm 胶片质感，轻微颗粒，低饱和暖色调，柔和侧光，现实主义电影风格。
如果要模仿某类审美，可描述其特征，不必依赖单一风格标签。
7. 负面约束很重要
在结尾明确排除常见问题，例如：
不出现字幕、文字、水印、畸形手指、额外肢体、人物闪烁、服装突变、镜头抖动或快速变形。
但负面要求不宜过长。优先写最影响成片的 3—6 条即可。
8. 用“先稳定，再追求惊喜”的迭代方式
推荐三轮迭代：
先锁定主体与场景 确认人物、服装、地点是否正确。
再优化镜头和动作 调整景别、运动、动作幅度、节奏。
最后加强氛围和风格 加入光影、天气、色彩、胶片感、音效氛围等。
每次只改少量变量。这样才能知道结果变好或变差的真正原因。
9. 通用提示词模板
[主体外观] 在 [具体场景] 中进行 [单一、明确的动作]。 [景别]，[镜头运动方式]，[构图/焦点]。 [光线、时间、天气、色彩与风格]。 [动作节奏与情绪]。 保持 [人物/服装/物体] 一致，不出现 [需避免的问题]。
10. 一个实用原则
把提示词写得像你在给摄影师、演员和灯光师下指令：
摄影师需要知道怎么拍；
演员需要知道怎么动；
美术需要知道场景和道具；
灯光师需要知道时间、色彩和氛围；
剪辑师需要知道节奏和镜头重点。
越具体、越有层次，生成结果就越稳定。
