AI文生视频提示词怎么写？短剧编导的分镜和过场镜头实测写法

AI文生视频提示词写崩，九成不是工具不行，是一句话里塞了三个运镜、两个主体。半年来我给短剧跑分镜小样和过场镜头，可灵、即梦双开，一场九十秒的戏拆十二到十五个分镜，AI能稳定接走四五个，剩下的实拍。可用率从三成爬到八成，靠的就是把提示词当镜头表来填，而不是当作文来写。

一条能跑的提示词，拆开就四段

能稳定出片的AI文生视频提示词就四段：主体加动作、镜头语言、画面风格、时长比例，一段一句话，互不掺和。模型吃的是结构化描述，你写得越像填表，它跑得越稳。

拿一条我真用过的过场来拆。竖屏9:16，五秒；主体是空无一人的雨夜巷口，红灯亮起；镜头语言只写一个——固定机位；画面风格写"写实电影质感，35mm胶片颗粒，霓虹反光"。四段四行，六十字不到，生成一次过。

很多人的习惯是把形容词铺满，"唯美""震撼""大片质感"全堆上去。结果呢？模型给你糊一层厚滤镜，人脸画成油画。我自己的规矩：每段最多两个信息点，五秒镜头总共不超过四个。信息一多，模型就开始自作主张。

时长和比例这第四段最容易被漏掉，但它恰恰最省积分。可灵分5秒和10秒两档，10秒耗积分翻倍还更容易崩，我九成镜头都用5秒，要长的就拆镜头。还有主体动作这一段，最容易超载。"女人推开窗，转身拿起手机，眼泪掉下来"——三个动作，五秒根本演不完，模型会抽帧一样乱跳。拆成三条，每条一个动作，剪在一起比一条强得多。跟拍真戏一个道理：一个镜头只干一件事。

分镜镜头和过场镜头，写法差在哪

分镜镜头要写人物的具体动作和情绪落点，过场镜头只写空间和氛围，画面里越"没人"越好生成。前者怕人脸不稳，后者怕写太满，两边的雷不一样。

我每个项目开工前先做一张表，把两种镜头的提示词分工钉死，免得写到一半混起来：

过场镜头是AI最稳的活儿。我每集固定用三到五条：城市天际线延时、雨点打在车窗上、夜晚车流拉出光轨。翻车少，原因很直白——画面里没脸。人物一露脸，一致性、手指、发际线全是雷。所以能用空镜交代的事，别硬让AI演人。

分镜镜头则反过来，写得太虚就废了。给制片看的小样，重点在节奏：谁在哪一分钟推门、谁在哪一秒回头。提示词里动作写得越具体，小样越接近实拍效果，现场改剧本的成本就越低。

运镜词一写就崩，问题出在哪？

崩的根源几乎都是一个五秒镜头被塞了两个以上运镜，模型不知道先推还是先绕，画面就乱晃。一条提示词只留一个运镜动词，复杂运动拆成两条生成再剪。

上个月跑一场天台对峙，我头铁，写了"镜头缓缓推近，同时环绕男主半圈，雨水划过画面"。出来什么？镜头拧成麻花，男主的脸在三秒里换了两副骨相，制片人看完直接问我是不是渲染坏了。改法笨但管用：推近归推近，环绕删掉，雨水分给下一条空镜。改完一次过。

后来我学了个偷懒办法：刷到运镜好看的片子就反推人家的写法，把镜头语言拆成指令，比自己瞎摸索快不少。想省事的可以看这篇视频反推提示词怎么用，思路是通的。

还有个坑得单独说：虚词。"电影感""高级感"这类词等于让模型自由发挥，它一发挥你就完了。写实需求就写具体参数——"浅景深，背景虚化""逆光剪影"，一个顶十个形容词。同一句提示词我改三遍是上限，第三遍还不行就换镜头设计，别死磕，时间比积分贵。

写到这再说回开头那句话。提示词写崩，多半不是工具不行，是塞太满。四段结构、一个运镜、没人脸的过场，这三条守着，分镜小样和过场镜头基本能稳定出片。剩下的坑，比如人脸一致性和口型，眼下还没有完美解法，老实上参考图或者实拍，别信"一步到位"的宣传。