我刚开始用AI做短视频的时候,吃了不少亏。那时候我以为提示词就是“写一句描述,让AI给我生成一个视频”,结果搞出来的东西要么完全跑偏,要么看起来像PPT自动播放。后来我慢慢摸出门道,发现提示词这件事,表面上是在跟AI对话,实际上是在跟自己对话。你得先想清楚自己要什么,才能让AI给你什么。这一章我想聊聊AI短视频提示词的底层逻辑,把这套万能结构掰开揉碎讲清楚。学会之后,你再看那些“爆款提示词”就不会觉得神秘了,因为你自己也能拆、能改、能造。
1.1 从创作目标到提示词:主题、受众、平台与时长约束
我见过太多人一上来就打开AI工具,噼里啪啦敲一段“生成一个炫酷的视频”,然后抱怨AI不好用。问题不在AI,在于起点错了。提示词不是创作的起点,创作目标才是。我现在的习惯是,动手写提示词之前先问自己四个问题:这条视频的主题是什么?给谁看?发在哪个平台?多长时间?
这四个问题的答案会直接改变提示词的写法。主题决定了关键词的方向,受众决定了语言风格和信息密度,平台决定了画面比例和节奏,时长决定了内容颗粒度。举个例子,同样讲“咖啡冲泡技巧”,发抖音的竖屏短视频和发B站的中视频,提示词里关于镜头数量、语速、信息量的描述完全不同。前者可能需要“快节奏、每3秒一个画面切换、口语化旁白”,后者可以写“慢节奏、特写镜头停留、讲解式旁白”。
我现在写提示词的第一步,是在文档最上面写一行“约束条件”:平台=抖音,时长=45秒,受众=25-35岁上班族,主题=3分钟手冲咖啡入门。这一行字看起来简单,它是我后面所有提示词模块的锚点。没有这个锚点,提示词写得再花哨也是散弹打鸟,看着热闹,打不中目标。
1.2 视频脚本提示词的四段式结构:角色设定、任务指令、输出格式、质量标准
我试过很多种提示词结构,最后发现最好用的还是四段式:角色设定、任务指令、输出格式、质量标准。这个结构不是我想出来的,是我从大量失败案例里总结出来的。我把它叫作“脚本提示词的骨架”,你把骨架搭好,后面填内容就顺了。
角色设定这一段,很多人会忽略,觉得“你就是个视频编剧”这种话写了等于没写。我一开始也这么想,后来发现角色设定写得越具体,AI输出的专业度越高。我现在的写法是:“你是一位有5年经验的口播类短视频编剧,擅长把专业内容转化成大众能听懂的口语表达,服务过知识付费和职场类账号。”你看,这句话里包含了经验年限、擅长领域、服务对象,AI会据此调整语言风格和信息组织方式。
任务指令是核心,要把“做什么”说清楚。我习惯用动词开头,比如“写一条45秒的口播脚本,主题是……,要求包含开场钩子、三个核心信息点、一个结尾行动引导”。输出格式是告诉AI“怎么交作业”,比如“用分场表格输出,包含镜号、画面描述、台词、时长”。质量标准是验收标准,比如“台词口语化,避免书面语;每个信息点不超过两句话;总字数控制在180字以内”。这四段写完,一条提示词基本就成型了。我通常会把这四段分开写,每段之间空一行,AI读起来更清晰,输出也更稳定。
1.3 镜头指令提示词的六要素:景别、角度、运镜、构图、光线、节奏
写镜头指令提示词,跟写脚本提示词是两套语言。脚本提示词管的是“说什么”,镜头指令提示词管的是“怎么拍”。我总结下来,一个完整的镜头指令至少包含六个要素:景别、角度、运镜、构图、光线、节奏。这六个要素凑齐了,画面描述才算及格。
景别就是“镜头离主体多远”,远景、全景、中景、近景、特写,每个景别传递的情绪不一样。角度是“摄影机从哪个方向拍”,平视、俯拍、仰拍、侧面、背面,角度变了,人物的权力感和观众的代入感都会变。运镜是“镜头怎么动”,推、拉、摇、移、跟、升降、环绕,我在第4章会专门展开讲。构图是“画面里东西怎么摆”,中心构图、三分法、对称构图、框架构图,这些词AI认识,写进去画面会规整很多。
光线和节奏是我早期最容易漏掉的两个要素。光线决定了画面的情绪基调,顺光清晰、逆光氛围、侧光有层次、顶光压抑。节奏是“这个镜头停留多久、切换快不快”,写“快节奏剪辑”和写“镜头缓慢推进”出来的效果天差地别。我现在写镜头指令,会把这六个要素当成检查清单,逐个过一遍,缺哪个补哪个。有时候一个镜头写出来只有一句话,但六个要素都藏在里面了,比如“中景,平视角度,镜头缓慢推近人物面部,三分法构图,侧逆光营造轮廓感,节奏沉稳”。这句话不长,信息密度够了。
1.4 提示词大全的模块化组织方式与可复用模板库搭建
我做提示词管理有一个笨办法,就是建一个文件夹,里面按“脚本模板”“镜头模板”“场景模板”分三大类,每个文件命名规则是“平台_类型_时长_版本号”。比如“抖音_口播_45秒_v3”。这个办法看起来土,用起来真香。我要写一条带货短视频脚本,直接打开“带货”文件夹,找到最近用得顺手的模板,改几个关键词就能出稿。
模块化组织的核心思路是“拆开存、拼起来用”。我把一条完整的提示词拆成五个模块:基础约束模块、角色模块、任务模块、格式模块、质量模块。每个模块单独存一段文字,写新提示词的时候像搭积木一样拼。基础约束模块里放平台、时长、受众这些通用信息,角色模块里放“你是一位……”,任务模块里放具体要生成什么,格式和质量模块通用性最强,几乎每条提示词都能复用。
模板库搭建的关键是“用起来比重新写快”,否则你存了一堆模板也不会去翻。我现在的做法是,每个模板文件开头写一行使用说明,注明“适用场景”和“需要替换的关键词”。替换关键词用方括号标出来,比如“[产品名称]”“[核心卖点]”。这样做的好处是,我打开文件一眼就知道哪里要改,不用通读全文找位置。模板库不需要多,每个类型有三到五个经过验证的模板就够了,多了反而选择困难。
1.5 常见提示词失效原因与迭代优化方法
提示词写多了,失效是常事。我遇到过的失效情况大概分四种:AI理解偏差、信息过载、指令冲突、输出不稳定。理解偏差最常见,我写“温馨的家庭场景”,AI给我生成一个昏黄灯光下的空房间。问题出在“温馨”这个词太抽象,后来我改成“一家三口坐在沙发上笑着聊天,暖色调灯光,客厅背景”,画面就对了。抽象词是提示词的天敌,能用具体描述就别用形容词。
信息过载是我中期踩的坑。刚开始学提示词的时候,总觉得写得越多越好,一条提示词塞进去十几条要求,结果AI顾此失彼,输出质量反而下降。我现在的原则是,一条提示词只解决一个核心任务,复杂任务拆成多条提示词分步完成。写脚本就专心写脚本,不要在同一条提示词里既要求脚本又要求分镜,AI会混乱。
迭代优化的方法我总结成一句话:小步快跑,每次只改一个变量。我写提示词一般会跑三到五个版本,第一版出来看哪里不对,只改一个地方,再跑,对比效果。改的时候把每次的输出截图存下来,旁边标注改了什么。这个习惯帮我积累了很多“什么写法有效”的经验。有时候改了半天没效果,回头看截图才发现,问题根本不在提示词,在我自己的创作目标没想清楚。提示词是思维的外化,脑子清楚了,提示词就顺了。
第1章聊的是提示词的骨架,这一章我想把骨架装上皮肉,变成能直接拿去用的模板。我自己写脚本有个习惯,从来不从空白文档开始,而是先翻模板库。模板不是偷懒,是把重复劳动省下来,把脑子留给真正需要判断的地方。口播、剧情、带货、知识科普,这四类短视频的脚本逻辑差别很大,提示词模板也不能一套通吃。我按场景拆开写,每个类型给一个能跑的模板,再讲讲我怎么改、怎么调、怎么验收。
2.1 口播类短视频脚本提示词模板:开场钩子、信息密度与结尾引导
口播类短视频看着简单,一个人对着镜头说话,实际上最难写。我自己的体会是,口播脚本的胜负在开头三秒就定了。观众刷到你的视频,前3秒没有抓住他,后面讲得再好也没用。我写口播提示词的时候,会把“开场钩子”单独拎出来要求AI生成三个版本,一个用反常识提问,一个用结果前置,一个用身份代入。三个版本摆在一起挑,比让AI直接写一整条脚本再改开头效率高得多。提示词里我会写清楚:“开场钩子不超过两句话,必须包含一个让目标受众产生‘这跟我有关’的词。”
信息密度是口播脚本的第二个关键点。我早期写口播稿,总想一条视频讲五个知识点,结果每条都讲不透,观众看完啥也没记住。后来我把提示词里的要求改成“整条脚本只讲一个核心观点,拆成三个递进的信息点,每个信息点用一句大白话加一个具体例子说明”。这个约束放进提示词之后,AI输出的脚本明显更紧凑了。我会在模板里加一行质量标准:“总字数控制在180到220字之间,每句话不超过25字,避免书面语和连接词堆叠。”
结尾引导我吃过亏。以前写口播稿,结尾随手写一句“关注我,下期见”,转化率很低。现在我的提示词模板里会明确要求结尾包含一个动作指令加一个理由。动作指令是“点收藏”“评论区留言”“主页看合集”这类具体行为,理由要跟视频内容挂钩。举个例子,讲“手机拍摄参数”的口播视频,结尾我会让AI写“把这条视频收藏起来,下次拍摄前翻出来照着设参数”。这个模板我用了大半年,口播类脚本的完播率和互动率都比之前稳定。给一个我常用的口播提示词模板片段:
你是一位服务过职场知识类账号的口播编剧。写一条45秒口播脚本,主题是[主题],受众是[目标人群]。要求:开场钩子给三个版本,每个版本不超过两句话;正文只讲一个核心观点,拆成三个信息点,每个信息点配一个生活化例子;结尾包含一个具体动作指令和一个与内容相关的理由。输出格式用分场表,包含镜号、台词、时长、画面备注。总字数180到220字,台词口语化,每句话不超过25字。
这个模板我一般只改方括号里的内容,其他部分不动。改多了反而破坏结构。我给客户提案的时候会把这个模板打印出来,现场填关键词,十分钟就能出一版初稿。初稿不等于终稿,它最大的价值是让我有一个能改的东西,而不是对着空白页发呆。
2.2 剧情类短视频脚本提示词模板:人物关系、冲突推进与反转设计
剧情类短视频的提示词,我踩过的坑最多。早期我写“生成一个搞笑剧情视频”,AI给我的东西要么是网络段子拼接,要么是人物动机莫名其妙。后来我明白一个道理,剧情脚本的核心不是“搞笑”或者“感人”这种情绪词,是人物关系。两个人是什么关系,谁欠谁、谁怕谁、谁暗恋谁,关系定好了,冲突自然长出来。我现在写剧情类提示词,第一段一定是人物设定,写清楚角色A和角色B的身份、关系、各自想要什么。
冲突推进是我在模板里单独设一块的地方。我会要求AI把剧情拆成三个节拍:平衡被打破、冲突升级、反转落地。每个节拍写清楚“谁做了什么动作,对方怎么反应”。提示词里我会加一句“冲突必须来自人物目标的对立,不能靠误会或巧合硬推”。这句话很管用,AI会少写很多“手机没电了”“刚好听到对话”这种偷懒桥段。反转设计我会在模板里给一个约束:“反转信息在前面的剧情里至少埋一个视觉线索,不能凭空出现。”这样写出来的反转,观众回看能找到伏笔,评论区会有人讨论。
我印象很深的一次改稿,是给一个情感类账号写“分手后重逢”的剧情。第一版AI写得很狗血,两个人在咖啡店偶遇,抱头痛哭。我把提示词里的人物关系改成“女方是男方的房东,分手后男方一直欠着半个月房租没给”,冲突变成“收租”和“躲债”,反转落在“女方把欠条撕了说两清了”。这条脚本跑出来自然多了,人物有面子要顾,有话不能直说,观众看着才揪心。剧情类提示词模板我常这么写:
你是一位擅长30秒竖屏剧情短视频的编剧。写一条剧情脚本,人物A是[身份],人物B是[身份],两人关系是[关系]。要求:开场5秒建立人物关系和日常状态;中间15秒冲突升级,冲突来自两人目标对立,不依赖巧合;最后10秒反转,反转信息在前面至少埋一个视觉线索。输出分场表,每场写清画面动作、台词、时长。台词口语化,每场不超过三句对话。
这个模板里的“不依赖巧合”和“至少埋一个视觉线索”是我后来加的。加了这两句之后,AI输出的剧情脚本可拍性高了很多。我剪片的时候最怕拿到那种“看着热闹但拍不出来”的脚本,人物在剧本里跑来跑去,实际拍摄只有一个机位。模板里写清楚场景数量和机位要求,能省掉很多返工。
2.3 带货类短视频脚本提示词模板:卖点拆解、痛点放大与行动号召
带货类短视频脚本,我写的时候会把自己切换成两个角色。一个是产品经理,负责把卖点拆清楚;一个是消费者,负责把痛点说出来。提示词模板里我会把这两块分开写。卖点拆解部分要求AI把产品功能翻译成用户能感知的利益点,比如“5000毫安电池”要写成“早上出门到晚上回家不用找充电宝”。痛点放大不是吓唬人,是把用户日常生活中那个“烦”的瞬间描述出来。我常跟AI说“写一个目标用户在使用旧方案时遇到的具体麻烦,要有画面感”。
行动号召这块我交过学费。以前模板里只写“引导下单”,AI输出的结尾全是“赶紧点击下方链接购买”,硬得像电线杆广告。后来我改成“行动号召要降低决策门槛,给一个现在下单的具体理由”。这个理由可以是限时优惠,可以是赠品,可以是“今天拍下明天就能用上”。我还会在模板里要求结尾加一句“风险逆转”,比如“不满意七天无理由退换”。这三句话凑在一起,转化率明显不一样。
我给一个做小家电的账号写过一条带货脚本,产品是便携榨汁杯。提示词里痛点放大那块写的是“上班族下午三点想喝果汁,外卖太贵,自己切水果又嫌洗刀洗砧板麻烦”。卖点拆解落在“喝完加水一冲就干净”。行动号召写的是“今天下单送一个备用杯盖,放办公室不用来回带”。这条脚本的评论区有人问“真的冲一下就干净吗”,说明痛点戳到了。带货类提示词模板我通常这样组织:
你是一位擅长抖音带货短视频的脚本编剧。产品是[产品名称],核心卖点是[卖点1][卖点2][卖点3]。写一条40秒带货脚本。要求:前5秒用一个具体生活场景放大痛点,要有画面感;中间20秒拆解三个卖点,每个卖点翻译成用户能感知的利益点,配一个使用场景;最后10秒行动号召,给一个现在下单的具体理由,加一句风险逆转。输出分场表,包含镜号、台词、画面描述、时长。台词像朋友推荐,不像电视购物。
这个模板我一般会跑两版,一版偏理性讲参数,一版偏感性讲故事,投流测试看哪版数据好。模板不是拿来供奉的,是拿来赛马的。
2.4 知识科普类短视频脚本提示词模板:概念解释、案例佐证与可视化表达
知识科普类脚本最难的地方,是把一个专业概念塞进45秒里,还要让外行听懂。我写这类提示词,会要求AI先做一件事:用一句大白话给概念下定义,不许用专业术语。这句定义写完,后面所有内容都围绕它展开。概念解释我一般拆成“是什么、为什么重要、怎么用”三层,每层只给一句话。多一句,观众就滑走了。
案例佐证是科普脚本的信任来源。我会在提示词里要求“给一个普通人一天里能遇到的具体例子”,不要用行业案例,不要用名人案例。普通人案例才有代入感。可视化表达是我最近半年才重视的。AI生成脚本的时候,画面描述容易写成“讲解概念”,实际拍出来就是一个人对着白板说话。我现在会在模板里加一句“每个信息点配一个可视化的画面动作,比如对比演示、手绘示意图、实物道具展示”。加了这句之后,脚本的可拍性完全不一样。
我写过一个“为什么手机充电越充越慢”的科普脚本。概念解释用“手机电池像人吃饭,吃太快容易噎着”打比方。案例佐证写“你晚上插上充电器,早上拔掉,中间电池一直在满电状态绷着”。可视化表达写“画面左边放一个正常吃饭的人,右边放一个不停往嘴里塞饭的人,做对比”。这条视频发出去,评论区有人说“终于有人讲明白了”。知识科普类提示词模板我这样写:
你是一位服务过科技类账号的科普短视频编剧。写一条50秒科普脚本,主题是[概念]。要求:开头用一句大白话给概念下定义,不用专业术语;正文分三层,是什么、为什么重要、怎么用,每层一句话加一个普通人能遇到的具体例子;每个信息点配一个可视化画面动作,比如对比演示、手绘示意图、实物道具。结尾给一个一句话总结,不超过20字。输出分场表,包含镜号、台词、画面描述、时长。
这个模板里“普通人能遇到的具体例子”这句话我从来不删。删了AI就会给你讲行业趋势,观众根本不关心。
2.5 脚本提示词输出格式模板:分场表、台词表、时长标注与拍摄备注
输出格式这件事,我早期完全不重视。提示词里只写“生成一个脚本”,AI给我一大段散文,我得自己拆镜头、标时长、想画面,改稿时间比写稿还长。后来我把输出格式写进提示词,情况才反过来。我现在固定用分场表格式,每一场包含五个字段:场次、画面描述、台词、时长、拍摄备注。画面描述写“谁在哪做什么”,台词写“嘴里说什么”,时长写“几秒到几秒”,拍摄备注写“景别、机位、道具、注意事项”。
台词表我一般单独拎出来。分场表里的台词是给剪辑看的,台词表是给主播或演员看的。台词表按场次编号,一行一句,标注语气提示,比如“轻松”“着急”“压低声音”。时长标注我要求AI写到秒,不能写“大约”。写“大约5秒”的脚本,拍出来不是3秒就是8秒,剪辑对不上。拍摄备注是我后来加的,因为AI写的画面描述经常忽略可拍性。备注里写“手机竖拍”“自然光”“不需要额外收音”,拍摄团队一看就知道怎么执行。
我现在的提示词模板最后一段固定是输出格式要求,大概长这样:
输出格式:用分场表输出,表格包含场次、画面描述、台词、时长、拍摄备注五列。画面描述写清人物、动作、场景;台词按场次单独列一张表,标注语气;时长精确到秒;拍摄备注写清景别、机位、光线和道具要求。总时长控制在[时长]以内,场次不超过[数量]场。
这段格式要求我存在一个单独的文本文件里,每次写提示词直接复制粘贴。它看起来不起眼,省下来的改稿时间够我多写两条脚本。我给团队新人培训的时候,第一件事就是让他们把这段格式要求背下来。脚本写得好不好是能力问题,格式交得对不对是习惯问题。习惯先养好,能力慢慢长。
分镜头脚本这个东西,我以前觉得是导演干的活,跟我一个写提示词的人有什么关系。后来被剪辑师骂了几次我才明白,脚本写得再热闹,落到分镜上全是坑,拍出来要么缺镜头,要么剪不顺,要么画面和台词各说各话。这一章我把自己踩过的坑和后来跑通的模板摊开讲,每个字段怎么填、每个镜头怎么描述、怎么跟AI绘图和视频工具接上,都是我真金白银试出来的。
3.1 AI短视频分镜头脚本提示词模板的基本字段:镜号、画面、台词、音效、时长
我第一版分镜提示词只写了“画面”和“台词”两列,AI给我回来的东西像散文,一段话里塞了三个动作,剪辑师拿到手问我“这到底是一个镜头还是三个镜头”。从那时候起我学乖了,镜号必须是第一列,一个镜号对应一个机位一次拍摄,不许合并。镜号这东西看着是编号,实际是拍摄的顺序和剪辑的骨架,缺了它整个脚本就散架了。我现在写提示词第一句就是“按镜号逐条输出,每个镜号只包含一个连续画面”。
画面描述我吃过“写太美”的亏。提示词里写“温馨的客厅,阳光洒进来”,AI给我生成的分镜全是氛围词,没有一个能拍的动作。后来我改成“画面描述必须写清谁在哪、做什么动作、手里拿什么、镜头里能看到什么”。举个例子,“妈妈坐在餐桌前,左手拿着手机,右手把一盒牛奶推到镜头前”这种写法,摄影看一眼就知道怎么摆。音效这列我以前老忘,觉得画面和台词够了。有一次剪一条美食视频,剪辑师问我“煎牛排的滋啦声呢”,我才发现脚本里压根没写声音。现在我的模板里音效是必填项,写“环境音”还是“动作音”还是“配乐提示”,哪怕写个“静音”也得填。
时长标注我要求精确到秒,不接受“大约”。一个镜头标3秒,拍出来就是3秒,剪辑才有节奏可踩。我给模板里加了一句约束:“每个镜号时长不超过5秒,全片镜号总数控制在10到18个之间。”加了这句之后AI不会再给你生成一个20秒的长镜头,短视频的节奏感靠的就是切得够碎。五个字段我现在的提示词模板里是这样要求的:
输出格式:按镜号逐条输出分镜表,表格包含五列——镜号、画面描述、台词、音效、时长。画面描述必须写清人物、动作、场景和道具,禁止使用氛围词替代动作描述。每个镜号只包含一个连续画面,时长精确到秒,不超过5秒。音效标注环境音或动作音,没有就写“静音”。全片镜号总数不超过18个。
这个格式我用了快一年,改稿率降了至少一半。字段齐全的分镜表交给摄影和剪辑,他们不用猜你的意思,你也不用反复解释。
3.2 从文案到分镜:场景拆解、画面描述与镜头衔接提示词写法
手里有一段文案,怎么把它拆成一个个镜头,这是我被问最多的问题。我的做法是先找“动作动词”。文案里每出现一个能拍出来的动作,就切一个镜号。比如文案写“她把手机翻过来扣在桌上,深吸一口气”,这里面有两个动作,翻手机和吸气,我就切两个镜号,一个拍手部特写,一个拍脸部中景。提示词里我会明确告诉AI:“按动作切分镜号,一个动作一个镜号,不要把两个动作塞进同一个画面。”
画面描述我要求自己写的时候遵守一个原则:镜头里能看见的东西才写。心理活动、情绪感受、背景故事这些统统不写进画面列。我见过AI生成的分镜写着“她内心很挣扎”,摄影直接问我“这怎么拍”。后来我把提示词里的画面描述要求改成“只写摄影机拍得到的内容,包括人物位置、肢体动作、道具状态、环境元素”。情绪靠动作传递,不靠形容词。镜头衔接是分镜脚本里最容易被忽略的部分。我现在的模板里会要求AI在每个镜号后面加一个“衔接备注”,写清楚这个镜头跟下一个镜头怎么接。是切还是叠化,是动作顺接还是视线匹配,是同一空间还是跳转场景。这个备注不用长,一句话的事,但剪辑师拿到手就知道转场怎么处理。提示词里我这么写:
场景拆解要求:按文案中的动作动词切分镜号,一个动作一个镜号。画面描述只写摄影机拍得到的内容,包括人物位置、肢体动作、道具和环境,禁止写心理活动和情绪形容词。每个镜号末尾加一行衔接备注,说明与下一镜头的转接方式,比如切、叠化、动作顺接、视线匹配。
我拿一条30秒的口播视频试过这个模板。文案讲“三个习惯让你早上多睡二十分钟”,AI拆出12个镜号,每个镜号对应一个动作,衔接备注写了“切”“动作顺接”“特写转中景”。剪辑师看完跟我说这是头一回拿到不用问问题的分镜表。
3.3 分镜头脚本提示词模板示例:开场镜头、产品特写、人物反应与转场镜头
开场镜头我踩的坑最多。早期写分镜,开场永远是“全景,主角走进画面”,十条视频八个这么开场,观众划走的速度比我还快。后来我在提示词里给开场镜头单独加了约束:“开场镜头必须在第一个画面里制造视觉疑问或动作冲突,不许用空镜或走路镜头凑数。”举个例子,讲时间管理的视频,第一镜不拍人走路,拍一只手把闹钟按掉然后猛地坐起来的动作。有动作、有情绪、有悬念,观众才愿意看第二眼。
产品特写是带货类分镜的核心。我的提示词模板里要求产品特写必须包含三个信息:产品在什么场景下使用、手的动作是什么、镜头聚焦在哪个细节。比如便携榨汁杯,特写镜头不拍产品摆桌上,拍一只手把水果丢进杯子、按下开关、杯壁里果肉旋转起来。三个动作三个镜号,每个不超过3秒。人物反应镜头我一般放在卖点讲完之后,要求AI写“人物使用产品后的第一个表情变化,从皱眉到舒展,或者从怀疑到点头”。这种微表情镜头时长写2秒就够,长了假,短了观众反应不过来。
转场镜头我在模板里单独设了一类,要求写清楚“从什么画面转到什么画面,用什么视觉元素做过渡”。我最常用的转场写法是“遮挡转场”和“动作顺接”,提示词里直接写“用人物走过镜头遮挡画面完成转场”或者“上一个镜头人物伸手开门的动作延续到下一个镜头”。这类转场拍起来容易,剪起来顺滑,观众不会跳戏。给一个我常用的分镜模板片段:
分镜模板要求:开场镜头必须包含一个动作冲突或视觉疑问,禁止空镜和走路镜头开场。产品特写镜头必须写清使用场景、手部动作和聚焦细节,每个特写不超过3秒。人物反应镜头拍表情变化,时长不超过2秒。转场镜头标注过渡方式,优先使用遮挡转场或动作顺接。每个镜号的画面描述里写清景别,比如特写、中景、全景。
这个模板我跑过美妆、食品、小家电三个品类,改改产品名和动作细节就能用。模板是死的,动作设计是活的,关键是把“谁在做什么”写具体。
3.4 多平台适配的分镜模板:竖屏短视频、横屏中视频与信息流广告
竖屏和横屏的分镜逻辑完全不一样,我早期偷懒用同一套模板,结果竖屏视频里人物脑袋被裁掉一半,横屏视频里两边全是黑边。竖屏短视频我现在的提示词里会写死一条:“画面描述以中景和特写为主,全景慎用,人物头顶留白不超过画面高度的五分之一。”竖屏的视觉重心在画面中下部,构图要紧凑,镜头切换要快。我一般要求竖屏分镜的镜号数量比横屏多三到五个,单个镜头时长压到2到3秒,靠切换频率留住注意力。
横屏中视频的分镜逻辑反过来。画面信息量大,可以容纳全景和远景,镜头时长可以放到4到5秒,给观众消化信息的时间。我写横屏分镜提示词的时候会加一句“允许使用全景交代环境和人物关系,单个镜号不超过6秒”。信息流广告的分镜又不一样,前3秒必须把产品或者痛点砸出来,中间节奏快,结尾行动号召的镜头要单独给一个特写。我写信息流广告分镜的时候会在模板里标注“前3秒镜号不少于3个,每个不超过1.5秒”。这个约束逼着AI把开场切碎,用快切抓住滑动屏幕的人。三个平台的模板差异我总结成这样一段提示词约束:
竖屏短视频:画面以中景和特写为主,全景慎用,人物头顶留白不超过画面高度五分之一,单镜号时长2到3秒,镜号总数12到18个。横屏中视频:允许全景和远景交代环境,单镜号时长3到5秒,镜号总数8到12个。信息流广告:前3秒不少于3个镜号,单镜号不超过1.5秒,产品特写不少于2个,结尾行动号召镜头单独给特写。
这段约束我存在模板库的“平台适配”文件夹里,写哪个平台的分镜就把对应那段拖进提示词。省事,也省得每次重新想构图比例。
3.5 分镜提示词与AI绘图、AI视频生成工具的衔接方法
分镜脚本写完只是第一步,真正要出画面还得跟AI绘图和AI视频工具对接。我一开始直接把分镜表里的画面描述复制到绘图工具里,出来的图跟脚本差了十万八千里。后来我琢磨明白了,分镜脚本里的画面描述是给人看的,绘图提示词是给机器看的,两套语言逻辑。分镜里写“妈妈在厨房切水果”,绘图提示词得写成“中景,一位三十岁左右女性站在厨房台面前,右手持刀切苹果,自然光从左侧窗户照入,背景有橱柜和冰箱,写实风格”。景别、角度、光线、风格,一个不能少。
我现在的工作流是分镜表里加一列“绘图提示词”,写分镜的时候就要求AI同步生成。提示词模板里加一句“每个镜号的画面描述后面附一行绘图提示词,包含景别、主体描述、动作、环境、光线、风格六个要素”。这样分镜表交付的时候,剪辑拿画面列,设计拿绘图列,各取所需。AI视频生成工具的要求又不一样。视频工具需要知道运动方向、运动幅度和时长。我在分镜模板里给每个镜号加了一个“运动备注”字段,写“镜头缓慢推进”“人物从画面左侧入画”“产品旋转展示”。这些备注直接复制到视频生成工具的运动描述里,生成的视频跟分镜的意图对得上。
衔接这块我最大的体会是:分镜提示词写的时候就要想着下游工具怎么用。画面描述里写“特写”,绘图工具就知道要放大局部。写“自然光”,视频工具就不会给你加戏剧光影。我现在的分镜模板最后一段固定加一句:
每个镜号附带一行绘图提示词,包含景别、主体、动作、环境、光线、风格六个要素。每个镜号附带一行运动备注,说明镜头运动方式或主体运动方向。绘图提示词和运动备注与画面描述保持一致的视觉意图。
这句话看着简单,它把分镜脚本从一张纸变成了一条流水线的起点。我试过拿同一份分镜表分别喂给绘图工具和视频工具,出来的素材跟脚本对得上八成以上。剩下的两成靠人工微调,这个比例我已经满意了。模板不是让AI替你思考,是让AI替你把重复的格式活干完,你把脑子留给判断和调整。
我以前写运镜指令有个毛病,总觉得写“镜头缓慢推进”已经够清楚了。直到有一次生成出来的视频里,人物像被一块透明玻璃推着走,背景扭曲得跟水波纹似的,我才意识到问题出在哪儿——我只写了动作方向,没写清楚主体是谁、推进的幅度多大、终点停在哪儿。AI不知道你在拍人还是在拍桌子,它只能瞎猜。
后来我把运镜指令拆成五个必填项:主体、方向、速度、幅度、终点。缺一个,出来的画面就可能跑偏。比如拍一杯咖啡,我的写法是“镜头从咖啡杯正上方俯拍位置匀速下降至与杯口平齐的高度,推进幅度约杯身高度的一半,终点停在杯口蒸汽升腾的画面上”。这句话里主体是咖啡杯,方向是下降,速度是匀速,幅度是半个杯身,终点是杯口特写。AI拿到这句话,生成的画面就稳了,不会给你整出一杯在空中飘的咖啡。
4.1 AI视频镜头运镜指令提示词怎么写:明确主体、方向、速度、幅度与终点
我教别人写运镜指令的时候,最常听到的反馈是“写这么细不累吗”。累,但比反复抽卡强。我早期写“镜头推进”,生成十个视频有八个主体是糊的,剩下两个画面直接飞出去。你写“推进”这个词,AI的理解可能是把镜头往前挪十厘米,也可能是把整个场景缩放一百二十倍。运镜指令的核心不是让AI“动起来”,是让它按你的意图动。
主体这一项我踩过的坑最典型。有一回拍美食视频,我写“镜头环绕拍摄”,本意是绕着盘子转一圈,结果AI绕着锅里的一块肉转了半圈就切了。后来我在提示词里写明“环绕主体为白色陶瓷盘中央的牛排,镜头以盘子圆心为轴、逆时针方向环绕180度”。加了主体和角度约束,画面就不乱跑了。方向写“逆时针”比写“环绕”精确,速度写“每秒转动15度”比写“缓慢”可控,终点写“停在牛排正上方俯拍”比写“转一圈”有落点。
速度这块我建议用“快、中、慢”加上时间约束来写。比如“中速推进,用时3秒”比单写“缓慢推进”管用得多。幅度我喜欢用画面比例来描述,比如“推进幅度不超过画面宽度的三分之一”或者“人物在画面中的占比从四分之一放大到二分之一”。这种写法AI能理解,人也看得懂。终点是大多数新手最容易漏的,你不写终点,AI可能推到一个你完全不想停的位置。我现在每次写运镜指令最后一句都是“终点画面为……”。
运镜指令万能结构:镜头从【起点位置/景别】以【速度描述+时间】向【方向】做【运动类型】,主体为【具体主体描述】,运动幅度为【画面比例或尺寸变化】,终点停在【终点画面描述】。
这个结构我用了大半年,改稿率直线下降。写的时候别嫌啰嗦,你省下的字最后都会变成抽卡次数。
4.2 基础运镜指令模板:推、拉、摇、移、跟、升降与环绕
推拉摇移跟升降环绕这七种基础运镜,我每个都吃过亏,也每个都攒了模板。推镜头我写过“镜头推进”结果主体被切掉半个脑袋,后来改成“镜头从中景匀速推至面部特写,推进过程中主体始终保持在画面中心偏上三分之一位置”。加了位置约束,推镜头才算能用了。拉镜头反过来,我写“镜头从特写拉至全景”,AI拉过头把整个房间都框进去了,人物变成一个小点。现在我的拉镜头模板里会写“拉至中景即停,人物上半身占画面高度二分之一”。
摇镜头的坑在速度和角度。我早期写“镜头从左向右摇”,生成出来要么摇得太快像甩头,要么摇到一半卡住。后来我强制自己写清楚“水平摇摄,从左向右,摇摄角度约60度,用时2秒,起始画面为人物左侧面部,终止画面为人物右侧桌面上的产品”。移镜头我一般用在展示空间关系上,模板写“镜头沿水平方向从左向右平移,平移距离约两个身位,保持主体在画面左侧三分之一处不变”。跟镜头是最容易出彩的,也最容易糊。我的模板是“镜头跟随人物从画面左侧走向右侧,始终保持人物在画面中央,跟随过程中人物与镜头的距离不变,背景呈轻微运动模糊”。
升降镜头我拍产品用得最多。写“镜头从产品水平高度匀速上升至俯拍45度角,上升幅度约一米,用时4秒”。环绕镜头我在拍人物和产品时都爱用,模板是“镜头围绕主体做顺时针环绕,环绕角度180度,用时5秒,主体始终位于画面中心,背景随环绕运动连续变化”。这些模板我存在一个表格里,用的时候把主体和参数换掉就行。省下来的时间干嘛?琢磨导演为什么要用这个镜头,而不是琢磨怎么让AI听懂“缓慢”到底多慢。
基础运镜速查模板: 推:镜头从【景别A】匀速推至【景别B】,用时【X】秒,主体保持画面中心,推进幅度【画面比例】。 拉:镜头从【景别A】匀速拉至【景别B】,用时【X】秒,拉至【具体位置】即停。 摇:镜头水平/垂直摇摄,方向【左→右/上→下】,角度约【X】度,用时【X】秒,起幅【画面描述】落幅【画面描述】。 移:镜头沿【水平/垂直】方向平移,距离约【具体描述】,用时【X】秒,主体位于画面【位置】。 跟:镜头跟随【主体】从【起点】移动至【终点】,始终保持主体在画面【位置】,用时【X】秒。 升降:镜头从【高度A】升降至【高度B】,用时【X】秒,终点画面为【描述】。 环绕:镜头围绕【主体】做【顺/逆】时针环绕,角度【X】度,用时【X】秒,主体始终在画面中心。
4.3 复合运镜与情绪表达模板:手持感、希区柯克变焦、快速转场与慢动作
基础运镜玩熟了,我开始琢磨怎么让镜头有情绪。手持感是我第一个试的,因为便宜——不用稳定器,拍出来天然带晃动。但AI生成的手持感经常晃得太均匀,像机器在抖。我的提示词现在写“模拟手持拍摄,镜头有轻微不规则晃动,晃动幅度随人物动作增强,静止时晃动减弱,整体保持画面可辨识度”。加“不规则”和“随动作增强”这两个约束,AI才知道晃动要有理由。
希区柯克变焦是推拉同时反向操作,我拿它拍过一条悬疑感的短视频。提示词写“镜头推进的同时焦距拉远,主体尺寸保持不变,背景透视急剧压缩,营造眩晕感”。这个指令一次性成功的不多,我抽了五六次才拿到能用的。后来我学乖了,拆成两步写:“镜头所在位置匀速推进,推进幅度约两米,同时焦距从35mm拉至85mm等效,用时4秒,主体始终位于画面中央。”拆开写之后成功率上来了。
快速转场我常用的两个模板:甩镜头转场和遮挡转场。甩镜头的提示词写“镜头快速向左甩动,运动模糊覆盖全画面,甩动结束后接下一场景”。遮挡转场写“人物从画面右侧走入,身体遮挡镜头形成全黑画面,下一镜头从全黑中拉开”。慢动作的提示词关键是写清楚哪一段慢、慢到什么程度、其他部分正常速度。我的模板是“主体动作从【动作起点】到【动作终点】区间内做慢动作处理,慢放倍率约四分之一,区间外恢复实时速度,整条视频时长控制在5秒内”。
复合运镜模板: 手持感:模拟手持拍摄,镜头有不规则轻微晃动,晃动幅度随【主体动作】增强,静止时减弱,保持画面主体清晰可辨。 希区柯克变焦:镜头位置匀速推进/后退,推进幅度约【具体距离】,同时焦距从【A】mm拉至/推至【B】mm等效,用时【X】秒,主体尺寸和位置保持不变,背景透视急剧变化。 快速转场:镜头快速向【方向】甩动,运动模糊覆盖全画面,甩动结束接【下一场景描述】。 慢动作:主体从【动作起点】到【动作终点】做慢动作处理,慢放倍率约【X】,区间外实时速度,整段时长控制在【X】秒。
4.4 镜头语言组合模板:景别切换、轴线关系、视线匹配与节奏控制
单个镜头写顺了之后,我开始琢磨镜头跟镜头之间怎么接。景别切换这事儿我最初完全凭感觉,特写接特写、全景接全景,剪出来观众看得累。后来我给自己定了个规矩:相邻两个镜头的景别至少差一级。特写接中景,中景接全景,全景接特写做强调。提示词里我写“相邻镜号景别差异至少一级,同一场景内避免连续两个特写或连续两个全景”。
轴线关系我吃过一次大亏。拍两个人对话,一个镜头人物在画面左边,下一个镜头还是同一个人跑到了右边,观众直接看懵了。后来我在分镜提示词里加了一句“对话场景标注人物A和人物B在画面中的左右位置,所有镜头保持同一侧,不越轴”。视线匹配也是,上一个镜头人物抬头看,下一个镜头就得接他看的东西。提示词写“人物视线方向与下一镜头物体位置匹配,人物向画面右上方看,下一镜头物体位于画面右上方区域”。
节奏控制我在第五章会展开讲,这里先说镜头层面的。我判断节奏快慢有个笨办法:数镜号。30秒视频12个镜号算中等节奏,16个以上算快节奏,8个以下算慢节奏。提示词里我会写“全片镜号总数【X】个,平均每个镜号时长【X】秒,前三分之一镜号时长偏短,中段稳定,结尾镜号时长可略长以便收束”。加了这个约束,AI生成的镜头序列自带节奏曲线,不会从头到尾一个速度。
镜头组合约束模板: 景别切换:相邻镜号景别差异至少一级,避免连续同景别。特写后接中景或全景,全景后接中景或特写。 轴线关系:对话场景标注人物左右位置,所有镜头保持同一侧不越轴。人物视线方向与下一镜头物体位置匹配。 节奏控制:全片镜号总数【X】,平均时长【X】秒。前段镜号偏短制造钩子,中段稳定,结尾可略长收束情绪。
4.5 运镜提示词避坑指南:指令冲突、画面抖动、主体变形与运动模糊控制
指令冲突是我踩得最多的坑。有一回我写“镜头推进同时环绕拍摄”,本意是螺旋推进,AI给我生成了一段镜头一边前进一边转圈的抽搐画面。后来我明白了,推和环绕是两套运动逻辑,同时写在一个指令里AI会打架。要么分两个镜头写,要么写清楚主次关系——“以推进为主运动,环绕幅度不超过15度作为辅助”。运动模糊也是一样,我写“快速甩镜头”和“保持主体清晰”放同一句里,出来的画面就是糊的。想清楚你要模糊还是要清晰,别什么都想要。
画面抖动是另一个高频问题。我早期写“手持感”不加约束,AI给你从头抖到尾,观众看三十秒就晕了。后来我改成“静止对话时镜头稳定,人物奔跑时加入晃动,晃动幅度不超过画面宽度的百分之三”。主体变形我遇到最离谱的一次是拍手部特写,AI把五根手指生成成了七根。这个问题跟运镜指令的关系在于,运动越复杂变形概率越高。我的对策是在提示词里加一句“主体结构保持完整,手部、面部等细节区域在运动过程中不发生形变”。听着像废话,但加了比不加强。
运动模糊控制我总结了个笨办法:写清楚模糊出现的位置和程度。“背景呈轻微运动模糊,主体保持清晰”比单写“运动模糊”管用。“模糊程度不超过画面高度的百分之五”比写“轻微”管用。数字比形容词可靠,这是我跟AI打了快一年交道最大的心得。
避坑约束模板: 指令冲突预防:每个镜号只写一种主运动,辅助运动标注幅度上限。不在同一句指令中同时要求快速运动和主体清晰。 画面抖动控制:手持感仅限【特定场景】,晃动幅度不超过画面宽度【X】%,静止场景保持稳定。 主体变形预防:主体结构保持完整,面部和手部在运动过程中不发生形变,复杂运动拆分为多个简单镜头。 运动模糊控制:背景模糊程度不超过画面高度【X】%,主体始终清晰,模糊仅出现在【指定区域或时间段】。
4.6 镜头指令模板的复用与个性化改写:从通用模板到品牌视觉风格
模板用久了会腻,观众也会腻。我同一套推拉摇移模板用了三个月之后发现,十条视频看起来像一条。后来我逼着自己做个性化改写。改写的方法不难,在通用模板里加品牌专属的视觉参数。比如一个做户外装备的品牌,我把“镜头推进”改写成“镜头从背包正面全景低速推进至拉链特写,推进速度比常规慢百分之二十,营造沉稳感,推至特写后停留半秒再切”。慢百分之二十这个参数是我试了五六次定下来的,快一点显得慌张,慢一点显得拖沓。
色彩和光线也能写进运镜模板里形成风格。我服务过一个做母婴产品的账号,他们的视觉风格是柔和暖调。我把所有运镜指令后面加了一句“全程保持暖色调,光线柔和无硬阴影,镜头运动速度偏慢,单镜号时长比常规多零点五秒”。加了这句话之后,同样一套推拉摇移,出来的片子就是他们家那个味儿。反过来做科技产品的,我加“冷色调,对比度偏高,镜头运动干脆利落,推拉速度比常规快百分之十五”。
个性化改写的终极目标是让人看到画面就知道是谁家做的,不看logo也能认出来。我现在的做法是给每个长期合作的品牌建一个“视觉风格卡片”,里面固定写清楚色调、光线、运动速度偏好、常用景别、禁用运镜。写提示词的时候把卡片内容压缩成两三句话塞进每个运镜指令里。模板负责效率,风格卡片负责辨识度,两者不冲突。
个性化改写模板: 品牌视觉参数:【色调描述】,【光线描述】,镜头运动速度比常规【快/慢】【X】%,常用景别为【景别列表】,禁用【运镜类型】。将以上参数嵌入每个运镜指令末尾,保持全片视觉一致性。
运镜这事儿说到底是个手艺活。模板帮你解决及格线的问题,往上走靠的是你对画面的判断。我到现在每次写运镜指令之前还会问自己一句:这个镜头推过去,观众的眼睛会看哪里?答不上来就重写,没有例外。