视频提示词基础结构:五要素

这条讲一条视频提示词的骨架:主体、场景、运动、镜头、风格五个要素各写什么、按什么顺序排。适合刚从图片提示词转向视频的创作者,也可当作动笔前的检查清单。

五要素与推荐顺序

按「主体 → 场景 → 运动 → 镜头 → 风格」的顺序写,先具体后抽象,每要素 1–2 句:

1. 主体(subject):谁/什么在画面里。给 2–4 个外观锚点(年龄、服装、颜色、材质),让主体全片认得出、不漂移。
2. 场景(scene):哪里、何时、什么氛围。地点+时间+光线天气,1–2 个短语即可,不要写成小说。
3. 运动(motion):主体在做什么。这是视频区别于图片的核心,必写;动词要具体(「缓缓转身」优于「在动」),一条提示词里 1–2 个连贯动作为宜。
4. 镜头(camera):景别(shot size)+机位+运镜(camera movement),从运镜词汇表取标准词(如 push in、pan、tracking shot),不自造说法。
5. 风格(style):画风/光线/质感/色调,3–5 个词收尾放最后,避免冲淡前面的具体信息。

全条建议中文 60–120 字(英文 40–80 词);低于 30 字信息不足,超过 150 字后段描述常被稀释。各模型的有效长度上限:未验证(留待实测补入)。

完整示例(逐要素标注)

中文:

一位穿驼色长风衣的银发老妇人〔主体〕,黄昏的空旷海边栈桥,海雾弥漫〔场景〕,她缓缓转身面向镜头,风衣下摆被海风掀起〔运动〕,中景,平视机位,镜头缓慢向前推进〔镜头〕,电影感,冷蓝色调,柔和逆光,35mm 胶片颗粒〔风格〕

英文:

A silver-haired old woman in a long camel trench coat,〔主体〕 on an empty seaside pier at foggy dusk,〔场景〕 she slowly turns to face the camera as the sea wind lifts the hem of her coat,〔运动〕 medium shot, eye level, slow push in,〔镜头〕 cinematic, cool blue tones, soft backlight, 35mm film grain〔风格〕

缺要素的退化行为

• 缺运动 → 画面近乎静止,只剩轻微「呼吸感」漂移,成片像动图不像视频
• 缺镜头 → 模型自行决定机位与运镜,常见乱推乱摇甚至中途切镜
• 缺主体锚点 → 主体外观逐帧漂移,换脸换衣
• 缺场景 → 背景随机生成,与主体气质脱节
• 缺风格 → 落入模型默认质感,画面「没错但平庸」

以上为普遍倾向;各模型的具体退化表现:未验证(留待实测补入)。

常见错误

• 五要素搅成一锅粥(风格词插在动作中间、主体信息散落全篇)→ 模型抓不住重点,关键信息被吞掉
• 只堆风格词没有运动(「电影感、史诗、8K、大师光影……」)→ 得到一张会轻微晃动的图片
• 主体描述前后不一致(前半句「红裙」后半句「蓝衣」)→ 主体中途变身,或糊成两者的混合体
• 一条提示词塞 3 个以上动作 → 动作被跳过或压缩成抽搐,不如拆成多段分别生成