提示词音效怎么写才出对味？短视频音效师实测的四层写法

提示词音效这东西，写得太短基本等于开盲盒。做短视频音效两年，我现在给AI下的单子里，能直接剪进成片的素材大概七成，剩下的微调一版也够用——靠的不是运气，是把提示词拆成固定的四层来写。

以前我也懒，就写个「whoosh，快一点」。出来的东西十条有八条不能用，要么太尖，要么像玻璃碎。改了写法之后，同样十条能挑出七条。差的不是模型，是提示词里的信息量。

四层写法：主体、动作、材质、空间

提示词音效只写「一声whoosh」多半会废，补上主体、动作、材质、空间四层，一次可用率才有七八成。每层一两句就够，不用写成小作文。

拿最常用的转场whoosh举例。「快速whoosh」是废的。「布料甩动的whoosh，中低频，从左声道扫到右声道，0.5秒左右，带窄房间混响」——这条我上周剪一条探店视频直接用了，没调。

材质层最容易被跳过，也最出味。金属和布料差出一整个调性。写脚步声时我会先问自己：踩在什么上？木楼梯、碎石路、湿地砖，三种材质写进提示词，出来的脚步是三种性格。

空间层管远近。加「近距离贴耳」和加「走廊尽头传来」，同一个动作能差出十米。做环境底的时候我还会补一句「无明显事件声」，不然AI老爱给你塞个鸟叫进来。

主体层也别用抽象词。我写过「神秘感十足的一声响」，出来的东西没法用。改成「铜片掉在大理石地面，一声，脆」，第二条就对了。AI不吃形容词那一套，它认具体的东西。

时长和节奏参数怎么给

时长直接写秒数，节奏写每秒几下，别让AI自己猜。我手里这套工具单条最长能出22秒，转场类控制在0.4到0.8秒最稳。

对了，卡点这事先想好再下单。视频里转场发生在第几秒、留多长，先量好，再生0.5秒的whoosh，比生成完拉速度强。拉过速度的音效我一耳朵就能听出来，变调了。

脚步声还有个细节：写「由远及近」，AI会给渐变，但幅度常过头。我会补一句「渐变平缓」，不写的话近处那几步响得吓人。

还有个小习惯：成片混音时留6dB左右的余量，别把AI出的素材顶到头。生成类素材动态忽大忽小，顶到头后期的压缩器会很难受。

为什么AI音效总有一股电子味？

电子味多半是材质层缺失，AI默认拿合成器音色来补。把真实材质和录音距离写进去，味道立刻正一大半。

我翻过一次车。给一条木门开合的镜头写「门吱呀一声」，出来的是实验室合成音，同事问我是不是加了个赛博插件。重写成「老旧木门缓慢推开，合页生锈，木头轻微摩擦，近距离录音，带轻微底噪」——第二条就过了。

现在每批素材我都会拉进AU里看一眼波形。合成味的波形整整齐齐，真实采样的波形毛毛糙糙。太整齐的我就换提示词重出，不硬往视频里塞。这一眼能省掉剪辑师后面的抱怨。

说个跑题的。有阵子我着迷于给所有素材加「温暖质感」这个词，出的东西全糊成一团。后来想明白了，温度感是混音阶段的事，提示词阶段老老实实写材质就行。话说回来，参数这东西真得自己试，别人的词表只能当起点。

回到开头那句：提示词音效不是玄学，是信息量的问题。四层写法练上十几条，你对自己工具的脾气就有数了。我那套参数也是从一堆废素材里挑出来的，你出的废素材别急着删，记下提示词和结果，一个月后就是你自己的词表。