ai生成一个数字人的提示词怎么写

做数字人口播，最卡的一步往往不是工具，而是提示词写完出来的人不像你要的那个。脸飘、穿搭变、镜头乱、口型和画面对不上，重抽几次额度就没了。这篇不讲工具怎么点，只讲提示词怎么拆：先定形象，再定镜头和场景，最后补风格和动作约束，并给一套改词顺序和自查清单。

做数字人口播，最卡的一步往往不是工具怎么点，而是提示词写完，出来的人不像你要的那个。脸飘、穿搭变、镜头乱、口型和画面对不上，重抽几次额度就没了。这篇不讲工具怎么点，只讲提示词怎么拆：先定形象，再定镜头和场景，最后补风格和动作约束，顺带给一套改词顺序和自查清单。

先说清一个前提：写提示词的目的是让结果可复现，不是一次写出最漂亮的句子。你能稳定复制同一份形象描述，才谈得上做系列内容。所以下面所有写法都围绕一个原则——把描述拆成固定几段，改的时候只动一段。

先分清：数字人提示词到底在控制哪几件事

很多人写提示词像写作文，从头到尾一大段，最后自己也说不清哪句在起作用。先把它想成几个独立的控制开关，出问题的时候才知道拧哪一个。数字人生成里提示词能定的通常只有形象、穿搭、场景、机位、表情动作这五块；口型与音画同步多半由音频驱动环节决定，别指望写进提示词就自动对齐。

• 写之前先想清楚这版是给什么用：短视频口播、直播切片还是企业形象片，用途不同，机位和场景的写法差别很大。
• 如果工具本身支持上传参考形象或固定角色，优先用那个，提示词只做补充描述，别硬写一整段外貌描写去搏概率。
• 纯音频驱动的实时数字人，提示词能动的只有背景与表现风格，人物外形基本由素材决定，这种情况别在形象句上耗时间。
• 一条提示词只服务一个镜头，需要多机位就拆成多条分别生成。

第一层：把人物形象写成可复现的字段

形象是最容易翻车的一层，因为大家习惯用评价词写人，比如「气质高级」「看起来很专业」。这类词对生成模型来说信息量几乎为零。换成能画出来的特征：下颚线、眼型、发长、鼻梁高度、肩宽比例。顺序固定下来，改词时只动其中一项，方便对比。

1. 固定描写顺序年龄段与性别气质、脸型与五官特征、发型发色、肤色、身材比例，每次按这个顺序写，方便定位是哪一句导致变化。
2. 用可画出的特征替换评价词把「气质高级」换成「下颚线清晰、眼型偏长、发长齐肩」，把「专业感」换成「肩线平直、身姿端正」。
3. 补上反向描述写清不想要什么，比如不戴眼镜、不要夸张妆容、不要浓重滤镜感，能省掉不少废图。
4. 存成一份形象段把这一段单独存下来，后面所有提示词都复制同一份，只换场景和机位，这是系列内容不飘的关键。

还有一种常见误判：以为写得越长越像。实际上形象描述超过一定长度后，后面的词会稀释前面的权重，五官反而更不稳定。控制在能覆盖关键特征的长度就好，剩下的空间留给场景和机位。

第二层：服装与场景决定这条能不能直接用

服装是很多人偷懒的一块，只写「职业装」「休闲风」，出图必然飘。把它当商品描述来写：品类、材质、颜色、版型四样齐全。衬衫要写清领型和是否修身，外套要写清长短和肩线，颜色尽量给具体色系而不是「深色」。

场景决定这条片子能不能直接交付。写三样：空间是什么、背景里有什么、光从哪个方向来。口播建议背景简单，理由是后面配字幕时画面太乱会看不清字。不适用的情况也要知道：打算后期抠像换背景的，反而要把背景写得更干净甚至纯色，别堆环境细节。

成片比例

竖屏就把主体放中间、背景上方留空间，横屏相反，这一条要写进提示词。

光线方向

写清顺光、侧光还是顶光，光线一乱人物立体感就垮。

背景元素

只留一到两个必要元素，比如书架或纯色墙面，堆多了像杂货铺。

字幕留白

提前想好字幕放哪，把那一块在提示词里留出来。

第三层：机位、景别和视线方向怎么写

这一层最容易被忽略，但它是「像不像口播」的分水岭。口播类默认半身或胸上景别，机位略微低于视线平齐，写出「镜头稳定、不晃动」能明显减少画面漂移。视线方向必须写，正面看镜头和侧身看别处是两种片子，混着写会得到忽正忽侧的废片。

需要多镜头时，每个镜头单独一段提示词分别生成，别在一条里写「先近景后拉远」，多数工具处理不了这种时序。运镜也类似，通常交给图生视频那一步去控，生成静态形象时先把人物稳住更划算。

第四层：风格、表情与动作幅度

风格词要和用途对齐：口播要真实感写实，品牌片可以偏干净通透，别把插画风关键词混进真人向的数字人。这一点上很多人犯的错是抄别人的风格词，结果画风和自己的账号调性完全不搭。

• 表情写「自然微笑、嘴角轻抬」这类小幅度描述就够，写「大笑」「激动」容易和口播语气不搭。
• 动作尽量只指定一个，比如轻微点头或手势开合；同时写多个动作，出来往往哪个都不像。
• 风格词这一组和形象描述一起单独存下来，做系列内容时整组复用，避免每期画风漂移。
• 不要把滤镜类词和写实类词堆在一起，两者互相拆台。

第五步：不出效果时，按这个顺序改词

这是全文最实用的一节。很多人出图不满意就整段重写，改完更差，还搞不清是哪句的锅。正确做法是一次只改一层，按固定顺序推进，这样每轮都能定位问题。

1. 第一轮只看人物像不像、脸稳不稳，其它先不管。判定标准是同一版提示词连续几次生成，五官特征是否基本一致。
2. 第二轮看服装场景服装品类和颜色对不对、背景是不是干净、有没有多余元素干扰。
3. 第三轮看机位与构图景别是不是你要的、视线方向对不对、字幕留白够不够。
4. 第四轮才调风格词前三轮稳了再动风格，否则风格一换，前面调好的东西全乱。
5. 改的时候只替换一个字段比如把发长从短发改成齐肩，其余原样不动，才知道是哪句在起作用。

还有一条判断标准：连续几次都不满意，说明这版提示词的信息互相打架，回到第二层重写一遍，比反复微调更快。另外，出图质量本身波动不小，建议同一版提示词连出几张再判断，别拿单张结果下结论。

批量生产前的自查清单

准备开始批量做之前，把下面这几条过一遍。能过就说明提示词结构没问题，剩下的交给流程管理。

• 形象描述、服装场景、机位景别、风格动作四段是不是各写各的，没有混在一起。
• 同一角色跨条内容时，形象段是否原样复制，没有凭记忆重写。
• 成片比例、字幕留白、是否需要抠像这几件事，是否在生成前就写进了场景描述。
• 有没有至少跑过一轮四步排查，确认不是单张波动导致的误判。
• 成品检查时有没有明确对照项：脸是否一致、背景是否干净、构图是否留出字幕位。

比清单更省事的是把动作标准化。同一个角色、同一套机位，提示词固定后，让团队成员复制同一份，每期只换文案和音频。这样出的问题通常只是个别张的波动，而不是整批跑偏。顺带说一句，判断一个工具值不值得放进你的生产流程，可以到站内的工具对比页面看当时的实测口径，而不是只看它宣传的样例。

计费口径与授权边界：别等交付了才发现问题

这两件事都不属于提示词技巧，但都会在成片之后变成麻烦，所以放在最后单独说。不同工具的计费口径不一样，有的按生成次数、有的按时长或订阅额度算，具体数字到站内的官方 API 页面与订阅方案页核对当时的报价，别按印象估。

形象如果来自真人授权或你自己的肖像，授权范围要单独确认；用生成脸做商用投放，也要看清工具条款里对商用与二次分发的说法。同一个形象反复用于多个客户的商单，要确认你手里的授权够不够覆盖这些用途。提示词本身不产生版权，但生成的成品能不能用、能用到什么范围，取决于工具条款和你手上的人物授权，两件事别混。