【小白AI入门课程】第二单元：视频提示词入门

导语：只记8个字，让一张图片按你的想法动起来

上一课，我们学习了图片提示词的四个要素：时间、主体、场景、风格。现在，我们已经能比较清楚地描述一张静态图片。

目前的AI视频模型已经能够让图片自然地动起来。即使只输入“让它动起来”，模型通常也能生成一段流畅的视频。不过，角色具体做什么、动作有多快、镜头是否移动，仍然会由模型自行决定。生成结果可能没有明显错误，却只是普通地眨眼或轻微晃动，没有准确表现创作者想要的性格、情绪和故事。

视频提示词要回答一个新问题：这几秒钟里，什么发生了变化？

这节课，我们使用一个简单、容易理解的案例：一位动画导演准备制作一段轻喜剧CG短片。主角不是人类，而是一只胖乎乎的拟人橘猫。它像人一样坐在客厅沙发上，性格懒散、表情有点不耐烦。整体采用写实材质与夸张表情结合的电影动画CG风格。我们会从最简单的一句提示词开始，逐步加入主体动作、镜头、环境和节奏。

本节课只需要记住另外8个字：

主体、动作、效果、节奏。

学完以后，你应该能：

给已有图片写一段清楚的图生视频提示词；

分清主体运动、镜头运动和环境变化；

用普通话描述推、拉、摇、移等常见运镜；

控制画面的稳定性、焦点、速度与声音；

用切镜和景别安排一段短视频的节奏；

把图片提示词与视频提示词组合成文生视频提示词；

借助参考图提高CG角色外观的一致性。

这是一节写提示词的课。如果你还不熟悉 FlowPix 中的视频生成入口、首帧、尾帧等基本操作，可以先回看第一单元的《AI视频生成教程》。

开始前：准备一张图片

请先在 FlowPix 中准备本节课使用的起始图。画面设定是：清晨，一只胖乎乎的拟人橘猫靠坐在深绿色沙发上，面前的茶几放着电视遥控器，客厅简洁明亮。

这张图片就是本节课的起始画面。在图生视频中，AI 不需要重新猜橘猫和客厅长什么样，它主要负责让已有画面发生变化。

直接使用下面的提示词，生成一张16:9横版图片（建议使用seedream5.0pro去生成图片）：

清晨，一只胖乎乎的原创拟人橘猫像人一样靠坐在深绿色布艺沙发上。它有浅橙色短毛、奶油色嘴部和肚皮、额头三道深橙色条纹、琥珀色半眯眼睛、圆润脸颊和深橙色尾尖，表情懒散又有一点不耐烦。右爪搭在沙发扶手上，左爪放在肚子上，双腿自然伸向前方。面前是一张简单的圆形木茶几，桌上只有黑色电视遥控器。背景是米白色墙面、落地窗和浅色窗帘，柔和晨光从左侧照进来。电影动画级写实3D CG，真实细腻毛发，柔软布料和木材质感，夸张但自然的拟人表情，暖橙色、深绿色与米白色的克制配色，中景，橘猫清晰，背景轻微虚化，16:9横版。角色为原创设计，不照搬任何现成动画角色，不出现人类、文字、标志和水印。

生成多张图片后，选择橘猫的脸、两只前爪、双腿和尾巴都清楚，角色特征与客厅布局最符合提示词的一张。起始图会决定视频中的角色和构图，因此应先把静态画面确定好，再进入视频生成。

为了看清每次修改带来的变化，前几轮尽量保持同一张起始图、同一个模型和相同的时长设置。

词典：先认识几个词

图生视频：给 AI 一张或多张图片，让它以图片为依据生成视频。

文生视频：不给起始图片，直接用文字描述画面与变化，让 AI 生成视频。

主体：视频中最希望观众关注的人或物。

动作：主体在这几秒内做了什么。没有动作，也可以明确写“保持不动”。

镜头：观众看到画面的视角。镜头运动，是观看位置或方向在变化，不等于主体在移动。

景别：主体在画面中占多大。远景能看见更多环境；特写更靠近脸、手或某个物件。

切镜：从一个画面直接换到另一个画面。例如从橘猫坐在沙发上的全景，切到它半眯眼睛的近景。

节奏：画面变化的先后、快慢和停顿。视频不是动作越多越好，而是变化发生在合适的时候。

一、先做最简单的视频：主体＋动作＋效果

视频提示词的前6个字是：主体、动作、效果。

我们先用一句最简单的话，让图片中的橘猫动起来：

拟人橘猫缓慢转头看向镜头，抬起一边眉毛，懒洋洋地挥一下右爪。固定镜头。

把这段话输入视频生成节点，生成约5秒视频。

这句话包含三个部分：

主体：拟人橘猫。说明谁要动。

动作：转头、挑眉、挥爪。说明它做什么。

效果：固定镜头。说明观看位置不移动。

生成后播放两遍。第一遍看整体是否自然，第二遍观察：橘猫有没有按顺序转头、挑眉和挥爪，坐姿是否保持不变，镜头是否真的固定。

如果橘猫直接站起来或走开，而不是坐在原地挥爪，就把位置要求写清楚：

拟人橘猫始终靠坐在沙发上，身体不离开坐垫。它只缓慢转头看向镜头，抬起一边眉毛，再用右爪懒洋洋地挥一下。固定镜头。

这不是“越写越复杂”，而是在修正一个明确的问题。每次修改都应对应你实际看到的错误。

二、把动作写清楚：不要只写“它很不耐烦”

不耐烦”“得意”“疲惫”是情绪，但 AI 不一定知道一只拟人橘猫应该怎样表现。最好把情绪翻译成看得见的眼神、眉毛、耳朵、嘴角、尾巴和身体姿态。

更好用的办法是把情绪翻译成看得见的表情和肢体动作。

例如，不要只写