把提示词写成镜头简报
许多提示词只表达“我想要一个很酷的视频”，却没有说明画面里是谁、发生什么、镜头如何移动。模型只能自行补全这些空白，结果就容易偏离预期。
一个实用结构是：
主体 + 动作 + 镜头 + 环境 + 风格与输出约束
1. 用具体名词定义主体
弱提示词：一个人在城市里。
更清楚：一位穿红色风衣的年轻女性站在雨后的霓虹街道中央。
主体不需要堆叠年龄、品牌和背景故事，但要让模型知道画面中心是什么。
2. 写出随时间发生的动作
视频与图片的区别是变化。站在街上几乎没有时间信息；缓慢向前走，抬头看向左侧招牌则提供了动作顺序。
一次先保留一个主要动作。多个角色同时奔跑、变形、爆炸和换场，通常很难在短片中稳定完成。
3. 明确镜头方式
常见镜头语言包括：
- 固定中景
- 缓慢推近
- 跟随镜头
- 轻微环绕
- 广角建立镜头
镜头应该与动作相容。快速环绕和精细产品文字保持往往互相冲突；固定镜头更适合检查人物身份和产品细节。
4. 环境负责空间和光线
补充地点、时间、天气、光线和背景活动。环境信息不是装饰，它会影响材质、阴影和动作逻辑。
例如：清晨的简洁摄影棚，柔和侧光，浅灰背景，没有其他物体。
5. 只添加必要约束
可写明画幅、用途、节奏、是否出现文字，以及必须保持或避免的元素。例如：9:16 竖屏短视频，不出现字幕，产品标签保持可见。
约束应该具体，避免“最高质量、完美、震撼、史诗”等无法验证的词替代实际镜头说明。
完整示例
一瓶高端护肤精华放在浅灰石材台面，水珠沿瓶身缓慢滑落，镜头从中景缓慢推近，柔和侧光突出玻璃质感，简洁电商广告风格，9:16 竖屏，不出现额外文字，保持瓶身形状和标签布局。
这条提示词的每一部分都可以单独修改，因此失败时更容易定位原因。
怎样迭代
第一版只判断主体、动作和镜头是否成立。第二版再调整光线和环境。产品和人物任务最后检查标识、文字、身份和肢体。
在 文字转视频生成器 中先测试一个简短镜头；如果已有清晰源图片，改用 图片转视频 能减少模型重新创造主体的工作。
结论
提示词越像一份可执行的镜头简报，结果越容易评审和修改。先写主体和动作，再决定镜头、环境和约束，比单纯增加形容词更有效。