AI漫剧图生视频提示词要点
本文目录
大家好,我是SD中文网的站长小庞。AI漫剧做图生视频时,提示词只负责写「怎么动」,不要再写长相、衣服、站哪——这些首帧图已经定死了。写对了就是:镜头怎么走、人做什么看得见的动作、头发衣角怎么晃、全程保持同一张脸同一套衣服。一段大概4到5秒、一个主动作、中低运动强度,比把「悲伤」「霸气」堆进去管用得多。
图生视频提示词只写「怎么动」
文生图那套「精致五官、黑色长发、校服、教室窗边」拿到图生视频里,基本是浪费,还容易跟首帧打架。首帧图已经把人、景、光、构图钉死了,提示词更像导演喊戏:只说这一镜里发生什么变化。图像管长相,视频提示词管运动——这是2026年可灵、即梦/Seedance 这类工具的共识,本地 SVD 也一样。
你可以把它想成拍证件照和拍短剧的差别:证件照已经拍好了,你再对摄影师喊「她要长得好看一点」没用,你得说「镜头慢慢推近,她深吸一口气,缓缓抬头,发丝被风带起来」。

该写的通常就这几类:
- 镜头:固定机位、缓慢推进、轻微横摇、跟随,写在最前面。
- 主体动作:一句一个可见动作,带速度词(慢慢、逐渐、轻轻)。
- 微表情和物理细节:眉头皱一下、手指发抖、瞳孔收缩、衣角轻摆,别用抽象情绪词。
- 环境微动:树叶、窗帘、光斑、尘埃,让画面活,但别抢戏。
- 连续性:明确保持同一张脸、同一套衣服、同一发型、同一场景。
- 风格放最后:日漫、国漫、电影感、高细节,点到为止。
别写矛盾指令(又要一动不动又要剧烈奔跑),也别在3到5秒里塞三个复杂动作。手、脸、重心要符合物理,不然模型会给你「滑步」或者脖子拧过去。
一套能直接套的漫剧镜头模板
社区里现在比较稳的写法,结构固定,你按格子填就行。中文、英文都能用,关键是短句、具体动词、看得见。
正向提示词模板:
镜头[缓慢推进/固定机位/轻微横摇],主体[一个可见动作 + 微表情 + 物理细节],背景[轻微动态],保持[脸、服装、发型、场景、构图]全程一致,自然运动,中低运动强度,[日漫/国漫/电影感]风格。
举个对白前的反应镜(竖屏、大约4到5秒):
- 镜头缓慢推进,少女深吸一口气,眉头轻轻皱起,手指微微颤抖,发丝被风吹起,衣角轻摆,窗外树叶缓慢飘落,光斑轻轻晃动,保持同一张脸、同一套校服、同一发型、同一教室构图,自然流畅,电影感日漫风格。
英文可以压得更短,可灵这类模型吃得也顺:
- slow push-in, she inhales deeply, brows tighten, fingers tremble, hair and skirt sway in a light breeze, leaves drift, keep face, clothing, hairstyle and scene consistent, natural motion, cinematic anime style.
可灵 4.0(快手 2026 年 10 月 15 日发布)还支持时间分段,一镜里想做两个节拍,可以写成「0-3秒:缓缓抬头;3-6秒:转头看向窗外」,但每一段仍然只保留一个主动作。角色参考图用 @Image1 这类方式钉身份,并写清 keep face, clothing, identity consistent。
操作上就按镜头拆,不要指望一条提示词拍完整集:
- 先用角色参考图把这一镜的关键帧图画稳(脸和衣服要对上上一镜)。
- 上传这张图,只填运动提示词,不要复述外貌。
- 时长先定 4 到 5 秒,运动强度选低到中,竖屏 9:16。
- 过一遍:动作是否符合物理、五官有没有漂、有没有多余手指。
- 过关再进下一镜,最后用剪映一类工具拼接。这一章不展开剪辑。
完全没接触过、只想先出几段看看效果的新手,不必先搭环境,用本站的助澜AI创作台下载和安装说明就能直接生成图片和视频。没有独显、Mac、轻薄本,或者懒得安装的,打开咕嘟AI在线生图生视频网页就能试,提示词写法跟上面同一套。
参数别写进提示词,放在设置里
画幅、时长、帧率、分辨率,写进提示词里经常被模型当噪音。Seedance 2.5 的官方规范就强调:风格和角色用参考图锚定,参数单独在面板里设。可灵也是上传图、选图生视频、再选时长和分辨率。
| 项目 | 漫剧图生视频建议(截至 2026 年 11 月) | 别写进提示词 |
|---|---|---|
| 画幅 | 竖屏 9:16,适合短剧分发 | 不要写「9:16」「竖屏」当正文 |
| 单镜时长 | 4–8 秒,理想 4–5 秒;可灵 4.0 最长 30 秒,但不建议一镜塞整场戏 | 不要写「生成 5 秒视频」 |
| 运动强度 | 低到中;本地 SVD 的 motion_bucket_id 甜区大约 40–127 | 不要同时又写 slow 又写 rapidly |
| 画质 | 可灵 4.0 支持 720p 至 4K;风格、高细节放提示词末尾 | 不要把 CFG、步数写进句子里 |
| 负面提示 | deformed hands, extra limbs, flicker, distortion, text, watermark | 不要把剧情否定写成长篇 |
想在本地用工作流细抠的,再上 ComfyUI 下载和安装教程。工作流就像搭积木:每个节点干一件事,图进去、视频出来。Stable Video Diffusion(SVD 约 14 帧,SVD-XT 约 25 帧,常见分辨率 576×1024 或 1024×576)可以跑,但不算 2026 年国内漫剧的主流产线,更适合自己练手。本地一般要 12GB 以上显存才比较从容;显存不够就别硬扛,用前面说的在线方式更省事。参数习惯上 FPS 6–8、augmentation_level 0.0–0.1、CFG 2.5–3.0、步数 20–30,细节以官方说明为准,可对照 Hugging Face 上的 SVD 接口文档 和 Civitai 的 SVD 入门说明。

下载模型和软件请走官方或本站正规渠道,别信「破解、永久免费、绝对安全」这种话。秋叶 WebUI 我只建议已经习惯那套界面的老用户继续用,更新慢、门槛也不低,新入坑图生视频不必从它开始。
角色漂移、动作太猛或完全不动怎么办
漫剧最烦的不是画质,是「同一人五官突然对不上、衣服变了、手变成六根」。根子通常是:参考图不够像身份证、提示词又把外貌重写了一遍、一镜动作太猛或太杂。
- 角色漂移 / 换装 / 穿模:用全身+面部清晰的参考图;提示词写死「保持同一角色、同一服装、同一发型、同一场景」;可灵 4.0 把人物参考分工写清楚(谁是角色、谁是场景);运动强度先降下来;一镜只做一个简单动作。
- 完全不动:镜头运动写在开头(slow push-in、fixed camera 也要写出来),再补头发、衣角、光影、粒子这些看得见的微动。只写「她很伤心」模型经常当没看见。
- 动作畸变、手脚乱飞:减动作、降强度。SVD 上 motion_bucket_id 别随便拉过 128。符合惯性:先重心再抬手,不要瞬移。
- 提示词像没生效:删掉所有外貌复述,改成短句+具体动词+时序。负面提示针对畸形和闪烁,别写一堆世界观设定。

抽象情绪基本无效,改成过程:不要「愤怒」,写「牙关咬紧、肩膀绷住、拳头慢慢握拢」。不要「悲伤」,写「眼眶发红、嘴角微微抽动、缓缓低头」。你越让模型「看见」,它越不容易胡编。
常见问题
一条提示词能不能拍完一整场对手戏?
不建议。图生视频按镜头走,一镜一个主动作、4 到 5 秒最稳。可灵 4.0 虽然能到 30 秒、也能时间分段,但一镜里动作一多,脸和手最先崩。分镜生成再拼接,比赌超长一镜靠谱。
中文和英文哪个更稳?
都能用。国内平台中文短句已经够用;可灵等模型对「slow push-in / keep face consistent」这类英文结构也很熟。别中英混着把同一件事说两遍,token 浪费还可能互相打架。以你当前平台的官方示例为准。
负面提示词一定要写吗?
建议写短的那串:畸形手、多余肢体、闪烁、扭曲、字幕和水印。没必要把剧情反着写一篇。真正稳住角色的,还是参考图和「保持身份」那句,不是负面词堆得越长越好。
本地 SVD 和在线可灵,提示词要两套吗?
骨架同一套:镜头、动作、微动、一致性。差别在参数位置——在线工具把时长、画幅放设置里;SVD 还要管 motion_bucket_id 和帧数。提示词本身不用为每个软件重写世界观。
记住三句话就够:首帧管长什么样,提示词管怎么动;一镜一个动作,4 到 5 秒,强度先低再加;脸和衣服用参考图钉死,别在句子里复述外貌。先拿一个反应镜反复出到角色不漂,再铺整集。提示词改顺了可以来本站交流群贴片段一起看,比一个人对着预览干瞪眼快得多。
原创文章,作者:SD中文网,如若转载,请注明出处:https://www.stablediffusion-cn.com/ai-js/26198.html