M2 · 第 6 讲

图像与视频提示词

从一句话到分镜表

开场:单张好看,放到一起就不像一个系列

你生成了一张很满意的图,第二天想再做一张同风格的,结果人物变了、色调变了、构图也变了。做视频更明显:每个镜头单看都不错,拼起来却像五部不同的片子。

图像和视频的提示词,难点不在“写得美”,而在可控与一致。这一讲给两套公式和一张分镜表。

本课目标

一、图像八要素

主体 + 动作/状态 + 环境 + 风格 + 构图/镜头 + 光线 + 色彩 + 画质

示例:

一位穿深色风衣的年轻女性站在雨后的旧城街道,回头看向镜头,35mm 胶片质感,中景,侧逆光,冷灰与暖黄对比,浅景深,高清细节。

写法要点:

二、风格词怎么选

风格 关键词 适合
写实摄影 纪实、自然光、35mm、浅景深 产品、人物、场景
胶片 颗粒、过期胶片、暖调、漏光 情绪、故事感
商业插画 扁平、渐变、干净的形 海报、封面
3D 渲染 盲盒质感、柔光、塑料材质 角色、IP
极简图形 大面积留白、几何、双色 信息图、品牌

选一个主风格 + 一个辅助词就够。风格越多,画面越糊。

三、一致性:三种可控手段

1. 参考图

把满意的那张作为参考,要求“保持人物、服装、色调,改变场景与动作”。这是最直接的方法。

2. 固定描述块

把不变的部分写成一段固定文字,例如“短发、圆脸、左眉有疤、深蓝夹克”,每次原样粘贴,只改动作和环境。

3. 固定种子/参数

工具支持时,固定随机种子,再小步调整提示词。一次只改一个变量,才能知道是哪句起了作用。

四、视频提示词:镜头语言

视频不是“会动的图”,它多了四件事:

要素 写法 示例
景别 远景/全景/中景/近景/特写 中近景
运镜 固定/推/拉/摇/跟/环绕 缓慢推近
动作 一个明确动作 她抬头,雨滴落下
时长/节奏 3s/5s,快慢 5 秒,前慢后快

一个可用的镜头句:

中近景,镜头缓慢推近,女性抬头看向镜头,雨滴从屋檐落下,冷色调,5 秒,电影感。

五、分镜表:先想清楚再生成

镜号 画面 景别 运镜 时长 台词/字幕
1 雨夜街道,人物背影 全景 固定 3s 字幕:那天雨很大
2 她回头 中景 推近 3s —
3 手中旧照片特写 特写 固定 2s —

先填表,再逐镜生成。表格能暴露三个问题:镜头之间有没有逻辑、时长够不够、需不需要台词。

六、图生视频的工作流

  1. 用图像模型做出每个镜头的首帧;
  2. 选一张最稳的作为风格基准;
  3. 逐镜生成 3–5 秒,不要一次做 30 秒;
  4. 统一色调与节奏后再剪辑;
  5. 配音、字幕、音乐最后加。

顺序不要反。先解决画面一致性,再谈叙事。

七、30 分钟练习

  1. 选一个 15 秒的小故事(5 分钟);
  2. 填 6 格分镜表(10 分钟);
  3. 为第 1 格写图像提示词并生成(5 分钟);
  4. 为同一格写视频提示词,比较差异(5 分钟);
  5. 记录哪一句改动最影响结果(5 分钟)。

八、五个常见坑

  1. 画面里塞文字:生成文字容易错,字幕后期加;
  2. 手部特写:仍是弱项,用构图避开或后期修;
  3. 一镜到底讲太多:拆成 3–5 秒的小镜头;
  4. 风格词堆叠:互相冲突,画面变脏;
  5. 只改提示词不换参考图:一致性问题多半靠参考图解决。

九、检查清单

十、延伸阅读


下一讲:认识智能体。你会分清“聊天机器人”和“能干活的 Agent”,并判断哪些流程值得交给它。

AI 学习系列课 · M2 · 第 6 讲 · 内容为原创整理,参考公开资料与官方文档。