图生视频时提示词该强调哪些词

AI技术 阅读 6 约7分钟读完

大家好,我是SD中文网的站长小庞。图生视频时,提示词该强调的不是五官、衣服、光线这些图里已经有的东西,而是运动和变化:主体怎么动、镜头怎么走、环境有什么合理变化、动作快慢,再加上几句“脸、衣服、构图保持不变”的锚定词。输入图就是权威第一帧,你再把画面重写一遍,模型反而会漂移、变形。把提示词当成给这张静图写的分镜动作说明,通常一次一个主要动作加一个镜头运动,就比写一长串形容词靠谱得多。

图已经是第一帧,提示词只负责“动起来”

很多人图生视频写提示词,还是文生图那套:先写美女、再写衣服材质、再写电影光。这在图生视频里是反着来的。图已经把主体外观、构图、照明、风格钉死了,提示词几乎只该写接下来会发生什么。官方和主流模型这几年的共识差不多:重复描述图里已有视觉,容易让模型困惑,画面发糊、人物换脸、风格跳戏。

你可以这么理解:图是已经拍好的第一格胶片,提示词是导演对场务喊的那几句——谁转身、风往哪边吹、摄影机推不推。场务不需要你再念一遍演员今天穿什么。指代人物时用“主体”“这位女士”“他”,别重新报身高发色。环境变化也要物理上说得通:杯子里可以冒热气,人却很难在五秒里完成一次高抛篮球还完美落回手里。

把静帧当成视频第一格,提示词只告诉模型往哪动、怎么动

完全没接触过、只想快点出片的新手,不必先折腾本地环境,用本站的助澜AI创作台下载页装好就能试图生视频;电脑没有独显、是 Mac 或轻薄本、或者根本不想安装的,直接打开咕嘟AI在线生图生视频,网页上传首帧就能写提示词出片。想自己抠工作流、节点的进阶用户,再去看ComfyUI 下载和安装教程也不迟。

该重点强调的五类词

写图生视频提示词,真正有杠杆的是下面这五类。模糊词比如“自然地动起来”“让画面活过来”,模型基本听不懂;换成具体动词、方向、幅度、顺序,效果会明显好一截。

类别 该强调的说法 少写或慎用
主体动作 慢慢向右转头、发丝分开、抬手拂开刘海、蒸汽呈软卷升起 自然移动、生动、活过来
镜头运动 缓慢推近、拉远、横移、摇镜、轻微环绕、固定机位、微手持 突然变焦、快速甩镜、乱切
环境变化 窗帘轻摆、水面起细纹、灯光缓慢变暖、落叶掠过前景 大爆炸、天气瞬间翻转
节奏幅度 缓慢、逐渐、轻微、几乎看不出、步行速度、贯穿整段 快、猛、急速、骤然(容易扭曲)
一致性锚定 保持同一张脸、服装细节不变、比例不变得、背景静止、全程同一人、不要形变 大转头、换装、大位移

镜头这块其实比让人物做复杂动作更听使唤。推、拉、摇、移、环绕、跟随、升、降、变焦,这些词在可灵、即梦、Seedance、Wan、MiniMax 这类主流图生视频里都比较吃得开。节奏词像“slowly / 缓慢 / 轻微”是油门,踩浅一点,脸和手指不容易拧巴。时序词“先……接着……最后……”能把动作排成一条线,比把三个动作堆在同一句里稳。

锚定词像给演员胸口别了名牌:提醒模型这是同一个人,衣服针脚、反光、构图别偷换。脸一飘、衣服纹样一糊,多半就是漏了这几句,或者动作幅度写太大。

一套能直接套用的写法

新手先别追求一次写完美。截至 2026 年 11 月,各家文档里比较好用的结构几乎都是:镜头 + 主体动作(用泛称)+ 环境变化 + 节奏 + 锚定。不必五个格子都填满,从最关键的一句开始,生成完再改一个点。

  1. 先看图:主体是谁、朝哪、手里有没有东西、背景会不会跟着动。这些不用写进提示词。
  2. 只定一个主动作:例如“她缓慢向右转头,发丝随之分开”。动词要带方向和幅度。
  3. 只定一种镜头:固定机位、缓慢推近、或轻微横移,三选一就行。推荐新手结构可以写成:镜头缓慢推近主体,同时她轻轻转头。
  4. 补一句环境,但必须图里说得通:窗边有纱帘才写纱帘飘,杯子有热气才写蒸汽升起来。
  5. 加锚定:保持面部身份、服装和构图不变,全程同一人,动作轻微,不要形变。
  6. 控制长度:提示词一般压在六七十个词以内,开头写最重要的镜头和动作,模型通常更吃前面的内容。
  7. 需要的话再写反向提示:扭曲、闪烁、换脸、多余肢体、抖动、突然变焦。一次只改一个因素,方便判断是哪句在起作用。

可以先对着下面这种骨架填空,中英文都行,关键是具体:

  • 镜头缓慢推近主体。她轻轻向右转头,发丝分开。窗帘随风微动。保持同一张脸和衣服细节,背景基本静止,动作轻微。
  • 固定机位。蒸汽从杯口呈软卷升起。他眨眼,胸腔随呼吸微微起伏。保持人物比例和构图不变。
  • 镜头轻微向左横移。她的发丝和衣角在风里慢慢飘。不要大动作,不要形变。
运镜一次只选一种:推近、横移或固定,比混着写更稳

可灵一类平台还常见这种写法:先写镜头(固定或慢推),再用短句一个动作拍一下,最后补风格和连贯性。复杂物理(球弹跳、高抛轨迹)目前仍然容易穿帮,能不做先不做。源图本身要清晰、构图干净,小字和特别密的花纹容易在运动里烂掉,这比你再堆十个形容词都重要。

这些词少写,写崩了怎么改

最常见的翻车不是“词不够多”,是词用错地方。把图里已经有的外貌再描述一遍,等于让模型重新发明一张脸。一次塞三个动作再加快速变焦,画面很容易拧巴。fast、sudden、rapidly、急速、猛地,这些词在短视频里经常变成脸部拉丝、肢体多余、镜头抽风。

对症改,别整段重写:

  • 脸变形、换人、衣服乱码:加锚定(preserve face / 同一身份 / 服装细节不变 / 只做轻微动作 / 不要大转头),并减小转头和位移;换一张更干净的首帧再试。
  • 几乎不动:把“自然地”“生动”换成具体路径和速度,并明确写“缓慢推近”或“固定机位”,别只堆形容词。
  • 扭曲、闪烁、warping:主动作和镜头各留一个;全程加 slowly / 轻微;反向提示补上 distortion、flicker、morphing face、extra limbs、jerky motion。
  • 提示词和画面打架:删掉所有重述外貌、光线、风格的句子,只留运动。提示写短、顺序清楚,从最简单的那句开始迭代。

本地老模型有时还会用运动强度一类参数帮忙,但现在主流图生视频多半是云端上传首帧再写提示词。提示词仍然是你最能掌控的那一杆舵,别指望靠把词写到两百字来“镇住”模型。

常见问题

图生视频提示词到底要写多长?

实践里六七十个词以内通常够用,一次一个主动作加一个镜头。写太长,后半段经常被模型忽略,还容易和首帧打架。先短后补,比一上来写小说更稳。

中文和英文哪个更好使?

看你用的模型。国内几家对中文镜头词和动作指令已经比较跟手,国际模型有时英文运镜术语更稳。同一套结构,中英都能套;别混着一句中文一句英文还夹很多修饰,重点仍是具体运动,不是语言本身。

为什么人物脸会飘、身体会拉长?

多半是动作幅度太大、转头太大,或没写身份锚定。改成轻微、缓慢,明确写保持同一张脸、衣服和比例不变,并避免突然变焦。源图糊、有锯齿,后面怎么写也容易漂。

我写了“动起来”,画面还是像幻灯片?

因为“动起来”不是动作。换成可执行的动词和路径,比如“头发向右轻飘、镜头缓慢推近”,并写明速度。如果仍然太静,再单独加强镜头运动,一般比加强复杂肢体更安全。

记住:图负责“长什么样”,提示词负责“怎么动”。先写清一个动作、一种运镜、一句锚定,比堆关键词有用得多。想自己试的话,新手走助澜或咕嘟这种少折腾的渠道,提示词按上面骨架填空即可;有问题可以加入本站交流群把首帧和提示词一起丢出来,大家帮你看是哪类词写重了。