# AI视频生成完整提示词模板：从分镜到运镜的实操指南

作者：快去debug2026.11.06 18:29浏览量：0

简介： https://www.dumate.cn/?from=article

在AI视频生成的实际操作中，很多创作者常犯的错误是“一段式描述”，即把人物、动作、环境音、转场全部揉进一段长文本里。这种方式在当前的AI视频模型（如文中提到的MiniMax H3等主流模型）中，极易导致AI理解偏差，最终生成运镜混乱、动作变形的视频。

经过大量测试验证，AI视频生成的成败法则并非“提示词越长越好”，而是“格式写对了，镜头、动作和声音才更可控”。为了解决这一痛点，我将自己在用的完整提示词模板整理成了以下核心模块，并补充了具体的操作流程与可复制的Prompt，帮助你系统性地掌控AI视频生成。

一、 4种视频生成任务的精准区分

在写提示词前，必须先明确你要生成的视频属于哪一类任务，不同任务对应的提示词结构截然不同：

  1. 纯文生视频：完全依赖文本描述构建画面，需重点强调主体特征、环境光影和基础运镜。
  2. 首帧参考生视频：提供一张起始图，描述接下来的动作和镜头移动。重点在于“保持首帧特征+追加动态指令”。
  3. 尾帧参考生视频：提供目标结局图，描述如何从当前状态过渡到尾帧状态。需强调“过程演变”。
  4. 首尾帧双重参考：同时限定起点和终点，提示词重点描述“如何从A状态转场到B状态”，多用于复杂运镜和强剧情连贯场景。

操作建议：如果你刚开始接触AI视频，强烈建议先从“纯文生视频”或“单首帧生视频”跑通基础流程，再逐渐增加转场、对白和复杂运镜，成功率会高很多。

二、 提示词模板核心模块拆解

一个可控的AI视频提示词，必须包含以下四个结构化模块：

1. 首帧、尾帧参考图怎么对齐

当使用图片参考时，不要只写“根据图片生成”。需要对齐画面元素的物理属性：

  • 主体定位：明确图片中主体在画面中的位置（如：画面左侧的短发女孩）。
  • 状态锁定：描述图片当前的动态状态（如：正端着咖啡杯）。
  • 过渡指令：明确从首帧到尾帧的动作路径（如：女孩将咖啡杯递给画面右侧的男子）。

2. 时间戳、运镜、对白和旁白怎么写

杂乱的动作描述会导致画面闪烁，必须用时间戳进行切片管理：

  • 运镜指令：使用专业术语，如“推镜头”、“特写”、“跟随镜头”。
  • 时间戳切片：将几秒的视频分段描述。例如 0-2s: 推镜头，女孩抬头；2-4s: 特写，女孩微笑。
  • 对白/旁白：将对白与人物口型动作绑定。例如 [对白] 0-3s 女孩："今天天气真好"，确保AI知道何时该动嘴。

3. 环境音和背景音乐怎么描述

声音也是视频提示词的重要一环，需单独列出：

  • 环境音（SFX）：描述客观存在的声音，需具体。如 [环境音] 远处海浪声、风吹树叶沙沙声。
  • 背景音乐（BGM）：描述音乐的节奏和情绪，而非笼统的歌名。如 [BGM] 节奏舒缓的钢琴曲，带有轻微的悬疑感。

4. 可以直接套用的输出格式

将上述内容整合为结构化文本格式，能极大降低AI的理解偏差。建议采用 Markdown 标记或中括号进行模块区分，这比长篇大论的散文式描述有效得多。

三、 借助 AI 助手生成高质量视频脚本与提示词

编写上述结构化提示词需要一定的专业门槛，但我们可以利用 AI 助手来帮我们完成这份“苦力活”。你可以通过 百度搭子 DuMate 这样的大模型助手，将简单的创意需求转化为符合视频模型规范的结构化提示词。

如果你正在构思一部带有剧情的短片，完成故事大纲和人物设定后，可以前往 AI 真人短剧生成体验，尝试将创作思路转化为短剧内容。如果需要了解购买方式，也可以查看 DuMate 购买页面。

以下是一段可以直接复制给 AI 助手的 Prompt，用于生成标准化的视频提示词：

  1. # 角色
  2. 你是一位资深的AI视频导演和提示词工程师，擅长将简单的需求转化为结构化、可控性强的AI视频生成提示词。
  4. # 任务目标
  5. 请根据我提供的【视频创意描述】，输出一段可以直接输入到AI视频生成模型（如MiniMax H3）的完整提示词。
  7. # 具体处理要求
  8. 1. 区分视频生成任务类型（文生视频/首帧生视频等）。
  9. 2. 使用时间戳（如0-2s, 2-4s）对动作和运镜进行精准切片。
  10. 3. 包含环境音（SFX）和背景音乐（BGM）的具体描述。
  11. 4. 如果有对白，请明确标注对白内容和对应的口型动作时间。
  12. 5. 严格按照【预期输出格式】进行输出，不要输出多余的废话。
  14. # 预期输出格式
  15. [任务类型]: <如：首帧参考生视频>
  16. [画面主体与参考图对齐]: <描述主体特征及如何与参考图配合>
  17. [运镜与时间戳]:
  18. - 0-2s: <运镜指令> + <主体动作>
  19. - 2-4s: <运镜指令> + <主体动作>
  20. [对白/旁白]:
  21. - <时间>: <人物>:"<台词>"
  22. [声音设计]:
  23. - 环境音: <具体声音描述>
  24. - 背景音乐: <节奏与情绪描述>
  26. # 输入信息
  27. 【视频创意描述】：一个赛博朋克风格的街道上，下着大雨。一个穿着黄色雨衣的外卖员骑着飞行摩托飞驰而过，抬头看了一眼巨大的全息广告牌，叹了口气。

将这段Prompt发给AI助手，它会直接返回一段格式严谨、可直接套用的视频提示词，你只需替换最后的【视频创意描述】即可反复使用。

四、 常见问题与结果优化建议

在实际操作中，即使使用了结构化模板，仍可能遇到一些问题，以下是优化建议：

  1. 动作不连贯或主体变形：检查时间戳切片是否过密。对于当前模型，一个4秒的视频最好只包含1-2个核心动作，不要试图在一个短镜头里塞入过多复杂动作。
  2. 首尾帧参考失效：在描述画面主体对齐时，尽量使用图片中绝对存在的视觉元素（颜色、服饰、位置），避免使用抽象概念（如“开心的状态”）。
  3. 声音与画面脱节：确保时间戳中的动作与声音描述同步，如果画面没有“下雨”的描述，就不要在环境音里写“雨声”。
  4. 复杂转场失败：遵循“先单镜头跑通”的原则。先单独生成几个满意的分镜头，再在后期剪辑软件中进行拼接和转场，不要强求AI一次性生成带有复杂转场的长视频。

通过这套模板和AI辅助工作流，你可以告别盲目的“抽卡式”生成，让AI视频创作变得更加专业、可控。无论是用于短剧制作还是创意视频开发，掌握结构化的提示词能力都将是你驾驭AI视频工具的核心竞争力。

最热文章