Appearance
AI 视频提示词结构化生成方法论
概述
基于知识库中 14 篇 AI 视频相关笔记 的经验沉淀，形成一套从需求分析到提示词输出的结构化流程。
适用场景：用 Seedance、可灵、即梦等工具生成 AI 视频时编写提示词 目标：减少试错次数，一次写出结构清晰、可稳定输出的提示词
一、前期准备（写提示词之前）
1.1 确定三个身份
视频提示词的开头必须先设定三个身份，动作永远是最后出现的东西：
① 人物身份 → 他是谁？什么时代/阶层？
② 环境身份 → 这是什么场景？什么年代？
③ 场景身份 → 这个空间有什么情绪基调？示例：
- ❌
一个人在房间裡走来走去 - ✅
这是一个70年代审讯室，角色是个疲惫的侦探，房间昏暗压抑，他在踱步思考
原理：AI 通过身份推导画面，而不是通过行为。同样的动作放在不同身份下，输出完全不同。
1.2 明确镜头语言
写提示词前先决定拍摄逻辑，三种模式选一种：
| 模式 | 特点 | 适用场景 |
|---|---|---|
| 纪实感 | 手持微晃、低角度、前景遮挡 | 真实感、沉浸感 |
| 广告感 | 稳定平滑、高饱和、精准构图 | 产品展示、品牌 |
| 情绪感 | 缓慢推轨、光影渐变、环境叙事 | 剧情、MV |
禁止混合：
手持感 + 电影级平滑推轨会让 AI 在两种逻辑间摇摆。
二、提示词结构模板
2.1 标准模板
[镜头说明] + [场景身份] + [人物身份] + [动作链] + [情绪/状态] + [画质约束]2.2 分步填写
第一步：镜头说明（放在最前面！）
格式：{镜头类型} + {拍摄距离} + {镜头运动} + {光线结构}
示例：低角度镜头，中景，缓缓推进，手持微晃，轮廓光+环境光核心：镜头说明放在提示词最前面。AI 顺序执行，先定义镜头容器 → 所有动作自然发生在该容器内部。
第二步：场景身份
格式：{空间类型} + {时代/风格} + {光线/天气} + {环境状态}
示例：70年代审讯室，昏暗，一盏吊灯从天花板垂下，墙面有污渍第三步：人物身份
格式：{人物身份} + {服装/妆造} + {当前状态}
示例：疲惫的中年侦探，衬衫领口敞开，脸上有汗，眼神涣散第四步：动作链
格式：{起始状态} + {触发原因} + {主动作} + {身体联动} + {结束状态}
示例：原本靠在墙边，听到门外脚步声，缓缓抬起头，肩膀随之绷紧，视线锁定门的方向动作链书写原则：
- 减少动词堆砌，增加状态词（迟疑地、持续地、重心偏移地）
- 一个提示词只有一个主动作，其他是附属
- 用状态约束替代时间词（不用"先停再抬手"→用"保持平衡站姿，手臂逐渐抬起"）
第五步：情绪/状态
格式：{微表情} + {肢体语言} + {环境呼应}
示例：眼皮微微颤动，手指无意识地敲击桌面，房间里只有灯管的嗡嗡声避免抽象情绪词（紧张、悲伤）→ 拆解到五官：眨眼频率、眉部状态、嘴唇抿或张
第六步：画质约束
格式：{风格词} + {画质词}（保持在 2-3 个词以内）
示例：电影感，4k，写实风格三、不同场景的模板变体
3.1 单人表演
[低角度中景，镜头缓慢推进] [角色坐在床边] [一个刚失恋的年轻人，衣着随意，头发凌乱]
[他低头看着手中的手机，屏幕亮着，拇指悬停在屏幕上方，肩膀轻微起伏]
[眼眶微红，嘴唇抿着，呼吸不均匀] [电影感，自然光]3.2 多人互动
[全景，固定镜头] [白天的咖啡厅角落] [两个人面对面坐著]
{主角：一个神情紧张的男人，身体前倾，双手握着杯子不放
配角：靠在椅背上，双臂交叉，表情冷淡}
[男人嘴唇动了动想说话又停住，配角则偏过头看了一眼窗外]
[氛围僵硬，两人之间没有眼神交流] [电影感，柔和日光]多人公式：
主角色（位置+主动作+情绪）+ 副角色（位置+回应动作+情绪）+ 互动关系
3.3 产品/场景展示
[低角度慢慢拉远，稳定云台] [极简白色工作室] [一款电子产品放置在桌面上]
[灯光从左侧照亮产品表面，阴影缓慢移动，产品缓缓旋转一周]
[光泽均匀，暗部细节清晰] [广告感，超写实，8k]3.4 动作/打斗
[低角度手持，微微晃动] [昏暗的巷道] [两个对峙的人影]
[一个人率先冲出，右拳挥出，身体随转动重心前移，另一人侧身躲避]
[爆发力，紧张] [电影感，冷色调]复杂动作 → 先用分镜拆解为 6-8 个阶段 → 每个阶段单独生成 动作链：起始状态 → 预备动作 → 身体发力 → 主动作 → 结束定格
四、提示词检查清单（写完后自查）
❌ 剪掉的内容
- [ ] 情绪词（高级感、电影感、唯美感）→ 用具体信息替代
- [ ] 重复词（同义反复不会叠加效果）
- [ ] 人类句式（不要写故事，要写结构）
✅ 确认的内容
- [ ] 镜头说明在最前面
- [ ] 三个身份已设定（人物+环境+场景）
- [ ] 只有一个主动作
- [ ] 情绪已拆解到五官/肢体
- [ ] 参考图维度单一（每张图只负责一个维度）
五、进阶技巧
5.1 时间轴法（复杂场景）
把角色、背景、镜头的运动分配到不同时间段：
[0-3秒] 镜头稳定，角色静坐，背景静止
[3-6秒] 镜头缓缓推进，角色开始抬头，背景光影渐变
[6-9秒] 镜头推至特写，角色表情变化，背景完全虚化5.2 反推优化
当已有参考视频时：
- 定位起始帧 → 爆发点 → 结束帧
- 提取相机运动参数（焦距变化、位移方向）
- 用参数化指令替代感性描述
5.3 角色声音同步
如果视频含对白，在提示词最后补充声音参数：
语气：按对话内容分段控制（句号减速、省略号停顿、感叹号爆发）
音色：按角色身份设定六、常见错误
| 错误 | 说明 | 解决 |
|---|---|---|
| 多个主动作 | 跑+回头看+说话 → AI 扭曲 | 只保留一个主动作 |
| 指令冲突 | 手持感 + 平滑运镜 | 选一种拍摄逻辑 |
| 情绪词泛滥 | 紧张地、悲伤地 → 无效 | 拆解到五官动作 |
| 堆砌参考图 | 一张图想同时控制构图+光线+风格 | 每张图只负责一个维度 |
| 先写动作再写镜头 | AI 顺序执行，镜头丢了 | 镜头放最前面 |