2025年AI视频提示词工程完整指南

AI视频的提示词工程就像完善一道菜谱：同样的食材，根据技巧的不同会产生截然不同的结果。在各大主流平台上生成了无数小时的视频后，我们将真正有效的方法提炼成了一个实用的框架。让我们抛开噪音，专注于能够产生一致、专业结果的技术。

为什么视频提示词与众不同

如果您使用过Midjourney或DALL-E等图像生成器，您可能会认为视频提示词的工作方式相同。但事实并非如此。视频增加了时间维度——运动、节奏、过渡——这将提示词工程从单一指令转变为编排一个序列。

可以这样理解：拍摄照片和导演场景之间的区别。对于照片，您需要设置镜头。对于视频，您需要编排随时间展开的内容：

• 摄像机如何移动？
• 展开了什么动作？
• 每个元素持续多长时间？
• 情感弧线是什么？

这些问题需要超越静态图像提示词的词汇和结构。

六层框架

专业的视频提示词遵循结构化的方法。我们称之为六层框架——每一层都增加了特定性，引导AI朝着您的愿景前进：

第1层：主体与动作

精确定义您的焦点。模糊的主体产生模糊的结果。

弱化： "花园里的一个女人" 优化： "一位身穿飘逸红裙的女士缓缓穿过玫瑰丛，轻柔地触碰经过的花瓣"

优化版本指定了服装、移动速度以及与环境的互动。每个细节都将AI的解释约束到您的意图。

第2层：镜头类型与构图

电影摄影师花了一个世纪开发视觉语法。请善用它。

示例： "中景跟踪镜头，摄像机位于腰部高度，从侧面跟随"

第3层：摄像机运动

静态镜头显得业余。运动创造能量并引导注意力。

示例： "缓慢推进穿过门口，保持视线水平视角"

第4层：光线与氛围

光线比任何其他元素更能强烈地设定情绪。

示例： "黄金时刻光线，体积光线透过尘土飞扬的窗户过滤，温暖的色彩调校"

第5层：技术规格

当您想要精确控制时，请指定具体的技术参数：

• 镜头： 35mm（自然）、50mm（肖像）、85mm（压缩）、24mm（广角）
• 景深： 浅景深（背景虚化）vs. 深景深（一切清晰）
• 帧率： 24fps（电影感）、60fps（流畅）、120fps（慢动作）
• 宽高比： 16:9（标准）、2.39:1（电影）、9:16（竖屏）

示例： "使用85mm镜头拍摄，浅景深带有奶油般的虚化，轻微的胶片颗粒"

第6层：持续时间与节奏

视频随时间展开。指定节奏：

• 场景时长（通常3-10秒）
• 过渡风格（切换、溶解、擦除）
• 节奏（慢/沉思 vs. 快/充满活力）
• 音乐同步的节拍时机

示例： "6秒镜头，缓慢、从容的移动，最后一帧保持1秒"

综合应用：完整提示词示例

以下是各层如何组合成专业提示词：

电影肖像：

渔夫饱经风霜的面部中特写，清晨蓝调时刻，
使用85mm镜头拍摄，浅景深。轻柔的手持微动，
从后面柔和的轮廓光在他的灰发上创造光晕效果。
沉思的表情，眼睛稍微偏离镜头。
冷色调调校并提升阴影，持续5秒。

动作序列：

广角跟踪镜头，跟随一位跑酷运动员在日落时分穿过城市屋顶。
动态斯坦尼康运动保持一致的距离，
黄金时刻逆光创造戏剧性剪影。24fps电影运动，
以0.8倍速度轻微慢动作。高对比度，青橙色调。
8秒钟，强度逐渐增强。

产品展示：

缓慢360度环绕黑色天鹅绒表面上的豪华手表。
微距镜头捕捉复杂的表盘细节，受控的工作室照明
带有柔和的主光和微妙的补光。浅景深隔离
主体，水晶上的温柔反射。高级感
缓慢、从容的摄像机移动。持续10秒。

负面提示词：告诉AI要避免什么

同样重要的是指定您不想要什么。每个平台处理方式不同：

常见负面提示词：

• 模糊镜头、动态模糊伪影
• 扭曲的面部、解剖错误
• 水印、文字叠加
• 不自然的运动、抖动的过渡
• 低分辨率、压缩伪影

平台专属语法：

示例： "避免：模糊镜头、扭曲的面部特征、水印、抖动的摄像机移动、过饱和的颜色"

风格参考堆叠

想要独特的美学？结合2-3个电影参考：

公式： [电影A]色彩调校 + [电影B]氛围 + [电影C]摄像机移动

示例：

• "《银翼杀手2049》色彩调校加上《七宗罪》氛围加上《盗火线》摄像机移动"
• "韦斯·安德森的对称性加上吉卜力工作室的调色板加上泰伦斯·马力克的自然光线"
• "《疯狂的麦克斯：狂暴之路》的能量加上罗杰·狄金斯的光线加上斯皮尔伯格的布景"

限制在3个参考以内。更多会产生冲突的信号。

平台专属优化

每个模型都有优势。将您的提示词风格与平台匹配：

Veo 3 JSON示例：

{
  "subject": "穿红裙的女人",
  "action": "穿过花园",
  "shot_type": "中景跟踪",
  "camera_movement": "从右向左推",
  "lighting": "黄金时刻，体积光",
  "lens": "35mm",
  "duration": "6秒"
}

5-10-1成本优化规则

高级渲染成本高昂。使用此工作流程：

1. 5个变体 在低成本模型上（每个40-60积分）
2. 10次迭代 精炼最佳候选
3. 1次最终渲染 在高级层级（约350积分）

这将成本从数千降低到大约1,000积分，同时保持质量。

需要避免的常见错误

在审查了数百个提示词后，这些错误最常出现：

构建您的提示词库

为常见场景创建模板：

采访设置：

中景，主体位于三分法则左侧，视线水平摄像机，
[光线设置]，浅景深模糊背景，
微妙的手持微动以获得自然感觉，[持续时间]。

B-Roll自然：

[主体]的[镜头类型]，[时间段]光线，
缓慢的[摄像机运动]，[镜头]mm镜头，深焦，
[色彩调校]调色板，[持续时间]。

产品主角：

[产品]在[表面]上的[轨道方向]环绕，
工作室照明带有[主光位置]主光和微妙的补光，
微距细节时刻，[镜头]mm，完美的反射，[持续时间]。

根据具体需求填充括号。按用例组织构建库。

迭代策略

完美的提示词通过系统化的精炼而产生：

1. 从简单开始： 仅核心主体和动作
2. 添加一个元素： 测试单个添加
3. 记录有效内容： 保留有效短语的日志
4. A/B测试措辞： 相同概念，不同词语
5. 保存成功者： 构建您的提示词库

日志格式：

提示词：[完整提示词]
模型：[使用的平台]
结果：[1-5评分]
备注：[有效/无效的内容]

质量审查清单

在最终确定任何AI视频之前，请验证：

• 整个过程中主体一致性
• 自然运动（无抖动）
• 光线连续性
• 无面部扭曲
• 色彩调校一致性
• 适当的节奏
• 干净的音频（如果适用）
• 无水印或伪影

下一步

提示词工程随着实践而提高。从更简单的镜头开始，掌握每一层，然后将它们组合起来。目标不是记住术语——而是培养对什么使视频引人注目的直觉。

保持生成日志。审查有效的内容。构建您的库。业余和专业AI视频之间的差异通常归结于提示词的精确性。

您的摄像机正在等待。开始拍摄吧。