提示词的结构
“AI 视频不扑街”课程第 4 课，共 22 课。免费，有动画和小测验。
为什么“好看的视频”不管用
你没写的，模型都会自己补，而且按“网上的平均水平”来补。所以“穿卫衣女孩的好看视频”这种提示词，每次出来都不一样：换城市、换人、换光。具体的提示词要回答导演的问题：谁、在哪、做什么、怎么拍。这样每条都差不多，错误一眼可见，也能用文字改。
好提示词的 10 个模块
高手把提示词写成一段小剧本：一整块，分好标签。顺序是：风格、一句话场景、人物、地点（和人分开写）、首帧、逐个分镜、镜头、物理、光线、声音。比如 Seedance 2.5 的官方指南就推荐这个顺序。不必每次十个都填，但片段出得怪，通常就是缺了其中一块。
第一行定下一切
风格这一行是整条视频的规矩。类型：纪录片质感的服装广告。胶片还是数字：“35mm，轻颗粒”能马上去掉 AI 那种塑料感。色调：冷色阴影、暖色肤色。画幅：Reels 和抖音用 9:16，YouTube 用 16:9。还有不能出现的：文字、logo、多余的人。每个镜头风格一致，剪起来就不会跳。
首帧和站位
导演管这叫“走位”（blocking）：场景开始时每个人站在哪、朝哪看。直接写出来：“模特在右边，脸朝左，机位在左边、偏低，橱窗在左侧”。起点清楚了，模型每条之间就不会把左右搞反，后面镜头也接得上。反过来，地点写得含糊，是场景一个镜头一个样的头号原因。
拆成分镜
一个镜头只做一个主要动作。如果一个片段里模特又跑进来、又跳、又回头、又笑，模型会把这些全揉成一团。米拉把视频拆成三个镜头：街道全景、球鞋踩水坑的特写、脸部近景。每个镜头都能单独生成、单独重做。支持一段里多个镜头的模型，中间要写“Hard cut”，也就是硬切。
用文字还是图片起步
有两种起步方式。文生视频：试想法快，但每次长相都不一样。图生视频：先做或选一张首帧图片，让模型把它“动起来”。这样脸、卫衣和光线都已经定住，提示词里只要写动作和镜头。产品很重要的广告，米拉几乎都从图片起步。不过图片必须是自己的，或者有使用授权。
搭出米拉的提示词
这是完整的镜头 1。风格：服装广告，35mm，轻颗粒，9:16，无文字。人物：20 岁女生，短波波头，黑色宽松卫衣。地点：夜晚潮湿的街道，左边是橱窗。动作：从右边跑进来，上身前倾，双臂摆动。镜头：低机位，24mm，平稳跟拍。声音：踩水的脚步声、远处城市声，无音乐。跟“女孩的好看视频”比一比，每一条都看得出差别。
自测一下
- 米拉生成了 5 条，每条城市和女孩都不一样。先改什么？
正确答案: 把人物和地点写具体. 没写的模型都会自己补。人物和地点写具体，每条才会接近，才有得挑。 - 一个片段里模特跑进来、跳、转身、挥手，结果全糊了。该怎么办？
正确答案: 拆成几个镜头，每个只做一个主要动作. 一个片段四个动作太多了。一个镜头一个动作会干净得多，每个镜头还能单独重做。 - 米拉需要卫衣和实物一模一样。该怎么起步？
正确答案: 用产品照片当首帧. 首帧照片把产品外观定住，提示词只管动作和镜头。用自己的照片，也没有版权问题。 - 每条里模特一会往左跑、一会往右跑，镜头接不上。缺了什么？
正确答案: 写清站位和方向的“首帧”模块. 没写站位，模型每次自己选方向。写上“从右往左，橱窗在左边”就统一了。
← 2026 年模型地图 机位和镜头 →