AI 视频提示词示例：12 个可以直接改写的模板

下面这些是写好的提示词模板，不是生成结果。每一条都针对已验证模型的一个 5 秒单镜头设计，并附上「为什么这样写」的说明，方便你改写而不是照抄。把它们当成起点，每次只动一个变量。

结构公式

所有模板都遵循同一个顺序：

主体 + 一个动作 + 一次运镜 + 光线 + 视觉风格 + 限制条件

顺序影响可读性。主体放在最前面，画面才有锚点；运镜只写一次、放在靠后的位置，模型才会把它当成镜头指令，而不是另一个场景；最后用限制条件收尾，提前排除你不想看到的瑕疵。

整条控制在 30 到 60 个汉字。再长就容易塞进互相冲突的想法，5 秒根本讲不完。

产品镜头

1. 香水瓶环绕

一只磨砂玻璃香水瓶放在深色石台上，镜头从左向右缓慢环绕，顶部一盏柔和的主光，极简风格的高端产品摄影，没有文字，没有手。

为什么这样写： 缓慢环绕是这个时长里最稳定的运动之一，单一光源能让瓶身反光从第一帧到最后一帧保持一致。「没有手」则避开了一个常见的翻车点：生成的手部很容易变形。

2. 面霜质地特写

一小团白色面霜在哑光瓷砖上缓缓摊开，镜头固定在正上方，柔和的阴天散射光，干净的美妆产品摄影，没有文字。

为什么这样写： 运动来自材质本身，而不是机械动作，细微的不完美反而像真实纹理。机位固定，模型只需要处理一件事。

3. 运动鞋转台

一双纯白色运动鞋在浅灰色转台上缓慢旋转，镜头固定在视平线高度，柔和的棚拍灯光，电商产品视频，没有标志，没有文字。

为什么这样写： 转台负责运动，镜头完全不用动。强调「没有标志」，是因为小字和品牌标记正是生成视频最容易崩坏的地方。

风景镜头

4. 山谷日出推进

日出时安静的山谷，薄雾在松林间流动，镜头缓慢向前推进，温暖的低角度阳光，电影感自然光，没有人物。

为什么这样写： 薄雾让画面始终有运动，即使其他东西都不动；推进在 5 秒内也足够清楚。一个山谷、一种天气、一次运镜，信息量刚好。

5. 黑沙滩航拍

海浪涌上黑色沙滩，镜头缓慢升高并向下俯拍，阴天散射光，纪录片航拍风格，没有建筑。

为什么这样写： 升高镜头是在「揭示」沙滩，而不是横着扫过去，构图更容易读懂。阴天光线则避免了强阳光下高光闪烁的问题。

6. 雨后森林小径

雨后一条穿过苔藓森林的窄路，镜头以步行高度向前跟随，树冠间洒下斑驳光影，电影感写实风格，没有人物。

为什么这样写： 步行高度的跟随镜头会让观众「站在场景里」。斑驳光影容错率高，阴影稍有变化也显得自然。

人物动作

7. 雨夜连帽行人

一个穿连帽外套的旅人背对镜头走在雨夜街道上，镜头在身后跟随，湿漉漉的柏油路映出霓虹反光，电影感，看不见脸。

为什么这样写： 背影避开了人脸，而脸是生成人物时最不稳定的部分。向前走是简单可重复的动作，湿地反光增加了细节，却没有增加主体。

8. 逆光舞者

一个舞者的剪影在明亮的窗前缓慢旋转，机位固定，强烈的逆光，高对比黑白画面，没有文字。

为什么这样写： 剪影藏起面部细节，把注意力交给轮廓和节奏。5 秒里转一圈已经足够，固定机位则让画面保持干净。

9. 双手与木盒

一双手慢慢翻转一只小木盒，特写镜头，柔和的窗光，浅景深，看不见脸。

为什么这样写： 手本来就难生成，所以让动作慢下来，并且只给手一个物体去拿。浅景深能减少需要保持一致的细节。

竖屏短视频

10. 冰咖啡倒入

牛奶缓缓倒入一杯冰咖啡，镜头固定在正上方，明亮的柔和日光，竖屏特写构图，没有文字。

为什么这样写： 俯拍构图在手机小屏上依然饱满，因为主体几乎占满画面。倒入是一个有明确开始和结束的连续动作。

11. 雨中人行横道

从胸口高度看雨中的城市人行横道，撑伞的人背对镜头向前走，镜头缓慢向前移动，清冷的傍晚光线，竖屏构图，没有可读的招牌。

为什么这样写： 「没有可读的招牌」能避开街景里常见的乱码文字。胸口高度加上向前走，会让观众觉得自己也在人群里。

12. 耳机盒开合

一只哑光黑色耳机盒在浅色背景上缓缓打开，镜头慢慢向前推进，柔和的棚拍光，竖屏产品视频，没有标志。

为什么这样写： 开盖提供了动作，推进增加了强调，全程只有一个主体。浅色背景能让产品边缘保持干净。

六个常见失败原因

1. 一条提示词写了两个镜头。 模型会把它们混成一个变形过程。一次生成只写一个连续镜头。
2. 主体太多。 人物、物体、动物互相抢注意力，身份会串。只留一个主角。
3. 运镜词太虚。 「动感」「史诗感」这类词只会带来随机运动。写具体：推进、拉远、环绕、跟随、固定机位。
4. 光线互相冲突。 同一条提示词里既要霓虹又要明亮日光，画面必然不一致。只选一个光源和一个方向。
5. 要求生成文字或标志。 生成的字母通常无法辨认。除非文字就是主体，否则加上「没有文字，没有标志」；即使加了，也要预期多试几次。
6. 动作太快。 奔跑、打斗、复杂编舞在这个时长里容易糊成一片。把动作放慢，让镜头承担运动。

人脸值得单独说一句：面部特写是风险最高的主体。背影、剪影或者远景，得到可用 5 秒的概率更高。

怎么改写这些模板

每次只改一个元素。产品不对，就保留运镜和光线，只重写主体那一句；运动不对，就保留主体，只改运镜。这是唯一能弄清模型对哪些词有反应的方法。

模板要和最终发布的画幅匹配。竖屏构图不是横屏的裁切版，在 16:9 和 9:16 之间切换时，构图相关的描述要一起重写。图生视频目前只有 9:16，文生视频两种都支持。

最后记住：限制条件是请求，不是保证。「没有文字」能降低出现字母的概率，但并不等于模型不会生成文字。

接下来可以做什么

用AI 视频提示词生成器按部分拼出一条提示词，然后到工作台渲染。如果还没生成过，先看如何制作 AI 视频，里面按顺序讲了输入方式、积分和检查方法。两种模式的技术设置分别在文生视频和图生视频，当前积分价格见价格。