先说结论：写 AI 视频提示词，先把一个镜头想清楚，再去生成。
一个短镜头，分开交代三样：
- 场景：在哪儿，看起来什么样
- 动作：什么在动，怎么动
- 镜头运动：观众的视角怎么变
Runway 官方的提示指南，就把这几样当成可以分开描述的部分；它还把“文字生成视频”和“图片生成视频”分开讲，因为两者起点不一样（Runway；Runway Academy）。
只写一个看得见的动作，别写一整个故事。说清楚镜头最后停在什么样子。出片后，按开头、中间、结尾检查，每次只改一处。把几段剪到一起，是后面剪辑的事。
下面有：一镜头五栏卡、三条示例镜头提示词、把含糊想法改成看得见的动作、连续性检查，以及修改记录表。
先规划一个镜头
镜头，就是一段不中断的画面，从开机到切走为止。大多数文字生成视频的工具出的都是短片段，所以“一个镜头”正好是规划的单位。
常见的错，是把提示词写成一部微电影：“一个女人起床、煮咖啡、走路上班、升职了。”这至少是四五个镜头。全塞进一条提示词，工具只能瞎猜哪部分重要。
正确做法：挑一个瞬间，填下面这张卡。卡片是本文设计的。
一镜头五栏卡
| 主体 | 动作 | 场景 | 镜头 | 结束状态 |
|---|---|---|---|---|
| 画面里是谁、是什么 | 唯一在动或在变的那件事 | 在哪儿，光线、天气、时间 | 固定、慢慢推近、向左摇、跟拍…… | 最后一刻画面是什么样 |
“结束状态”这栏最容易被忘。说清楚镜头怎么收尾，动作才有方向。“杯子最后放在桌上”，比“她找个时候把杯子放下”好判断得多。
动笔前，先把想法分成三堆，也很有帮助：
| 写进提示词（画面） | 写进提示词（运动） | 留到后面剪辑 |
|---|---|---|
| 主体、场景、光线、风格 | 什么在动、多快、镜头怎么动 | 镜头之间的切换、字幕、音乐、配音、转场 |
落在第三栏的，从提示词里拿掉。拼片段的时候再处理。
场景
场景，就是观众看到的、除了主要动作以外的一切：地点、光线、天气、时间、整体质感。Runway 的示例把场景当作提示词里单独的一部分（Runway）。
像描述一张照片那样写：
- 地点：“一条窄巷，两边是砖墙”
- 光线：“傍晚的太阳从左边照过来，影子拉得很长”
- 天气状况：“下着小雨，路面是湿的”
- 质感：“自然的胶片感，颜色偏淡”
场景要稳。描述到一半地点、光线或风格变了，画面可能会跟着飘。
动作
动作，就是什么在动。视频提示词跟图片提示词最大的不同在这儿，含糊的说法也在这儿最坑人。
把感受换成看得见的动作。 工具拍不出“她充满希望”，但能拍出一个看起来充满希望的动作。
| 含糊的想法 | 看得见的动作 | 为什么这么选 |
|---|---|---|
| “他很紧张” | “他用手指敲桌子，停下，看向门口” | 两个小而清楚的动作，好检查 |
| “城市苏醒了” | “路边的路灯一盏接一盏亮起来” | 一个重复的动作，方向清楚 |
| “她对结果很满意” | “她往椅背上一靠，对着屏幕笑了” | 一个身体动作加一个表情变化 |
| “时间流逝” | “影子慢慢爬过桌面” | 用一个看得见的变化表现时间 |
| “产品很好用” | “一只手按一下按钮，盖子打开了” | 一个动作，一个结果，没有多余的 |
注意取舍。 每次改写，都只选了一种表现方式，丢掉了其他的。“敲手指”就丢掉了手心出汗、脑子乱转。这是故意的。一个短片段，讲清一两个动作就很好；再多，通常会糊成一团。
还要说多快：“慢慢地”“一个顺滑的动作”“很快地”。写上速度，动作会更清楚。
镜头运动
镜头运动，说的是视角怎么变，跟主体在干嘛是两回事。Runway 的指南把它当作单独的一项（Runway）。
常见说法，翻成大白话：
- 固定镜头：镜头不动，只有主体在动
- 推镜头：镜头往主体靠近
- 拉镜头：镜头往后退，露出更多场景
- 左摇 / 右摇：镜头站在原地左右转
- 上摇 / 下摇：镜头站在原地上下转
- 跟拍：镜头跟着主体一起移动
- 手持：有一点自然的晃动，像人拿着拍
一条实用的规矩：主体动得多，镜头就简单点；反过来也一样。 动作很多时用固定镜头，主体不动时慢慢推近，都比两边一起动好判断。
文字生成视频和图片生成视频
Runway 的指南把这两种起步方式分开讲（Runway Academy）：
- 文字生成视频：全靠文字描述。主体、场景、风格、动作、镜头，都在你的提示词里。
- 图片生成视频：先给工具一张起始图。图里已经有主体和场景了，所以文字主要负责交代什么要动、镜头怎么走。
| 文字生成视频 | 图片生成视频 | |
|---|---|---|
| 画面长什么样，由谁定 | 你的文字 | 主要是那张图 |
| 提示词重点写什么 | 五栏卡全部 | 动作、镜头、结束状态 |
| 常见的错 | 场景写得太含糊 | 换一套说法重新描述图片，还跟图对不上 |
| 适合 | 手上还没图，想先试想法 | 要保住某种特定的样子、产品或布局 |
不同工具、模型、版本，功能都不一样，包括片段能多长、能接受什么输入。用之前去看你那款工具当前的指南，别想当然。
可直接复制的镜头提示词
下面三条是本文写的输入示例。这里没有拿去生成，也不保证画质或成功。每条都能对回五栏卡。
镜头 1：产品瞬间（文字生成视频）
一个白色陶瓷杯放在木质餐桌上，左边窗户照进柔和的晨光。一只手从右边伸进来，慢慢往杯里倒热咖啡，冒出热气。固定镜头，特写，杯子居中。自然、偏暖的颜色。镜头结束时，杯子倒满，手离开画面。
- 主体：白色陶瓷杯，一只手
- 动作：慢慢倒，热气上升
- 场景：木桌，窗边晨光
- 镜头：固定特写
- 结束状态：杯子满了，手不见了
镜头 2：地点和氛围（文字生成视频）
雨后黄昏，一条安静的城市街道，湿路面映着店铺的灯光。路边的路灯从近处到远处一盏接一盏亮起。镜头沿街道中间慢慢往前推。偏淡的蓝色和橙色，氛围平静。镜头结束时，所有路灯都亮着。
- 主体：街道和路灯
- 动作：路灯依次亮起
- 场景：黄昏、雨后、倒影
- 镜头：慢慢推进
- 结束状态：灯全亮
镜头 3：让一张静态图动起来（图片生成视频）
（起始图：一个人坐在窗边的书桌前，看着笔记本电脑。）
这个人往椅背上一靠，对着屏幕笑了。窗帘被微风轻轻吹动。镜头保持不动。镜头结束时，人靠在椅背上，双手搭在扶手上。
- 主体和场景：图里已经有了
- 动作：往后靠、笑、窗帘飘
- 镜头：固定
- 结束状态：靠着椅背，手搭扶手
注意，镜头 3 没再描述书桌、窗户和衣服。那张图已经交代了。
想把给 AI 下指令这件事说得更清楚，可以看提示词会变，提问的方法值得留下。更多能改着用的提示词，在 YepSoso 提示词页面。
检查和修改：一次只动一处
每段片子，用开头 / 中间 / 结尾过一遍。大部分连续性问题都能看出来：
| 片子的哪一段 | 看什么 |
|---|---|
| 开头 | 主体和场景是你写的那样吗？画面里有没有多出来的东西？ |
| 中间 | 动作是按你写的发生的吗？主体的样子、衣服、形状前后一致吗？场景稳不稳？ |
| 结尾 | 画面跟你写的结束状态对得上吗？动作做完了，还是做到一半停了？ |
有不对的，只改一个变量再试。不然你不知道是哪处改好的。
修改记录表（模板）
视频镜头修改记录
镜头目标（一句话）：____________
方式：文字生成视频 / 图片生成视频
起始提示词（完整复制）：____________
第 1 次
开头对吗？ 是 / 否 中间对吗？ 是 / 否 结尾对吗？ 是 / 否
主要问题（只写一个）：____________
这次要改的变量（选一个）：
主体 / 动作 / 速度 / 场景 / 镜头 / 结束状态 / 起始图
原来的写法：____________
新的写法：____________
第 2 次
开头对吗？ 是 / 否 中间对吗？ 是 / 否 结尾对吗？ 是 / 否
这处改动有用吗？ 更好 / 更差 / 没变化
保留吗？ 是 / 否
下一个要改的变量（如需要）：____________
挪到剪辑阶段的（不是提示词的活儿）：
字幕 / 音乐 / 切换 / 配音 / 其他：____________一个虚构的改动例子： 镜头 1 里，假如手倒得太快，咖啡溢出来了。你只改速度那句：“慢慢往杯里倒”改成“用细而稳的水流倒，倒到离杯口一点点就停”。场景、镜头、结束状态都不动。下一次如果还是溢出，问题可能在结束状态，那就把它作为下一处单独修改。
镜头检查清单
每次生成前过一遍：
- 提示词只写了一个镜头，不是一串
- 五栏都填了：主体、动作、场景、镜头、结束状态
- 每个动作都是看得见的，不是一种感受
- 镜头运动和主体动作，没有同时都很复杂
- 图片生成视频时，提示词重点写运动，没跟图打架
- 剪辑阶段的事（字幕、音乐、切换）已经从提示词里拿掉
- 用到的起始图你有权使用，里面没有隐私
- 每次只改一个变量，并且记下来
下一个低风险动作： 从手头的项目里挑一个需要的瞬间，填好五栏卡，只写一条提示词。出片后先按开头、中间、结尾检查，再决定改哪一处。