寫AI視頻提示詞，尤其是要生成那種帶有電影感、短劇氛圍的畫面，真的不是隨便打幾個字就能搞定的事。我剛開始接觸的時候也覺得，不就是描述一個場景嗎？結果生成出來的東西要嘛像廉價的幻燈片，要嘛人物表情僵硬得像蠟像。後來我發現，關鍵在於你怎麼把「情緒」和「動作細節」塞進那短短一行字裡。
以你提供的這張圖為例，畫面是一個黑髮女子，眼眶泛紅、含淚，神情悲傷。如果只是寫「一個悲傷的女人」，AI大概只會給你一張面無表情的標準大頭照。但如果你想要那種「真人感」的微表情，提示詞就得像導演在指導演員一樣精準。例如，你可以試試：「close-up shot of a young woman with black hair, tears welling up in her eyes, reddened sclera, subtle trembling of the lower lip, sorrowful expression, cinematic lighting, shallow depth of field, 4k, realistic texture on skin and tears.」看到了嗎？我加入了「淚水在眼眶中打轉（tears welling up）」、「眼白泛紅（reddened sclera）」、「下唇輕微顫抖（subtle trembling of the lower lip）」，這些才是觸動觀眾情緒的關鍵。
從「靜態描述」到「動態分鏡」的轉變
很多人寫提示詞容易陷入一個誤區，就是只描述「靜態的畫面」，而忽略了「動作」和「時間流動」。真正的電影感來自於分鏡，來自於角色在下一秒會做什麼。比如說，你想做一個短劇裡「主角發現被背叛」的瞬間，與其寫「主角很生氣」，不如寫成一個連貫的動作序列：「Medium shot, a man's hand gripping a letter tightly, knuckles turning white, his eyes scanning the text rapidly, expression shifting from disbelief to fury, a single tear escapes from the corner of his eye, slow motion, dramatic orchestral score implied.」這樣一來，AI不僅理解了畫面構圖（手、信、眼神），還掌握了情緒的轉折（從難以置信到暴怒），生成的影片自然更有層次感。
我自己在實作時，還會特別注意「光線」和「鏡頭語言」的提示。這點常常被忽略，但卻是區分業餘和專業的關鍵。比如，「背光（backlight）」可以讓主角的髮絲發光，增加唯美感；「頂光（top lighting）」則常用來營造壓抑或陰暗的氛圍。加上「推鏡（dolly in）」或「搖鏡（pan）」的指令，就能讓靜止的畫面活起來。老實說，這些技巧我一開始也是從一堆失敗的案例裡摸索出來的，踩過不少坑。
實戰案例：一句話生成高質量視頻提示詞
最後，分享一個我常用的「萬能公式」：[鏡頭類型] + [主體描述 + 細節特徵] + [動作/情緒] + [環境/光線] + [畫質/風格]。把這個公式套回你給的圖片，就可以寫成：「Extreme close-up, a black-haired woman with tears streaming down her cheeks, eyes filled with unshed tears, subtle quiver of her lips, dark background with a single spotlight on her face, hyper-realistic, 8k, film grain.」你瞧，不需要寫得天花亂墜，只要把每個元素都精準到位，AI就能給你超出預期的驚喜。試著在你的下一個專案裡，多塞一點「微表情」和「動作指令」吧，你會看到截然不同的效果。
評論（13）
原來微表情比單純寫「悲傷」有用，這點我以前真的沒想到。
動作拆成前後變化，感覺比堆一串情緒形容詞更容易出畫面。
提示詞寫得這麼細，會不會反而讓影片模型抓不到重點？
光線提示我常常忘記加，難怪畫面看起來總是平平的。
下唇顫抖這種細節好具體，想拿來試試不同情緒的表現。
鏡頭推近要怎麼描述速度比較自然？
我也常遇到人物表情僵住，或許該把情緒變化寫成連續動作。
背景和主體的光線有時候會互相打架，有沒有比較好控制的寫法？
先從近景、表情和光線三個元素開始試，感覺比較不會亂。
同一段提示詞換個鏡頭角度，生成結果差好多。
「從難以置信到暴怒」這種情緒轉折很有畫面感。
想知道不同影片生成工具對鏡頭指令的理解差異大不大。
短片裡要做出眼神變化真的不容易，這種細節描述挺實用。