图生视频提示词怎么写？运镜与动作描述的实用写法

手里有一张满意的图，丢进视频模型就动得乱七八糟：镜头乱晃、人物反向走、尾巴糊成一团。问题多半不在模型，而在提示词里没交代清楚谁在动、镜头怎么走、动多久。这篇给一套从静态图到动态镜头的写法顺序，先定运动主体和幅度，再写运镜与节奏，最后按几条硬伤对照表复查一遍。

手里有一张很满意的图，丢进视频模型就动得乱七八糟：镜头乱晃、人往反方向走、尾巴糊成一团。多数情况下不是模型不行，而是提示词里没交代清楚三件事：谁在动、镜头怎么走、动多久。模型拿到一句「动起来」，只能自己猜，猜错就翻车。

图生视频的提示词和纯文生视频不一样：画面内容已经被那张图锁死了一大半，你真正能指挥的只剩运动本身。所以写法的顺序应该反过来——先定运动主体，再定镜头，再定节奏，最后钉住不能变的元素。下面按这个顺序拆。

先定谁动：从静态图里挑出唯一的运动主体

拿到图先别急着写词，先扫一遍画面：哪些元素是物理上可动的——人物、手、头发、水面、烟雾、车流、窗帘。从里面挑一到两个当主角，其余默认静止。整张图一起动是新手最常见的错误，模型会平均分配运动量，结果每个东西都在轻微抖，没有一个动得清楚。

挑完之后，用「主体 + 做什么 + 幅度 + 方向」四件套把它写死。比如「人物缓缓转头看向左侧」，比「人物动起来」强得多；「水面泛起细小波纹」比「画面有动态」强得多。方向词、幅度词、快慢词都尽量落到具体，模糊描述等于把控制权全交出去。

• 只选一到两个运动主体，其余元素明确写成保持静止
• 写法固定为：谁 + 做什么动作 + 幅度大小 + 朝哪个方向
• 动作要能被画出来，避免「有感觉地动」「自然地变化」这类没法落地的词
• 主体之间有遮挡时，只写最前面那个动，后面的默认不动
• 不适用的情况：画面本身很满、元素互相压叠严重，多主体会互相拉扯，这时保留单一动作最稳

运镜怎么写：把镜头当摄影师来指挥

运镜其实不需要背一堆花哨词。真正好用的就那么几种：推近、拉远、左右横移、环绕、升降、固定不动。写的时候一次只写一种，并且把幅度和快慢带上——「缓慢推近」「轻幅右移」远比堆三四个运镜词有效。运镜词堆多了，模型会把它们平均成一阵乱晃。

还有一种情况要先说清楚：如果主体动作本身就很大，比如跳跃、奔跑、大幅度挥手，再加明显运镜很容易糊。这时候优先保主体清楚，运镜就写固定或者极轻微移动，不要两件事一起抢戏。

动作与节奏：动多快、动多久、停在哪

很多人只写动作不写节奏，模型就会把动作平摊到整段时长里，看起来很慢很拖。正确做法是把动作拆成起、中、收三段：从什么状态开始、中间怎么变、最后停在什么姿态。尤其是收尾，尽量描述成一个能定格的姿势，比如「最终停在正面看向镜头」，别让画面收在动作做到一半的位置，容易糊帧。

1. 定起始状态用原图作为起点，一句话说明此刻主体在做什么、朝向哪里
2. 写中间变化用一到两个动作词描述过程，带上快慢和幅度
3. 钉住结尾描述一个明确的定格姿态或位置，方便判断有没有跑偏
4. 分配时长权重时长偏长时，明确哪一段是重点，避免整段匀速慢动作

动作写的是「怎么变」，节奏写的是「变多快、变到哪停」，两者缺一个都容易出废片。

别让原图跑偏：怎么锚住画面一致性

镜头一动，背景最容易跟着变形，人物特征也常常漂。解决办法是在提示词里划禁区：把不能变的元素列出来——服装、发色、背景结构、光影方向、人物面部特征。可以写成「背景保持不动，仅镜头缓慢平移」「服装与发色与原图一致」这种句式，相当于给模型加约束。

但锚得太死也有代价。如果你本来就想做风格迁移、换背景、换场景，那就别把背景锁死，否则模型不敢改，出来的结果会卡在两者之间。判断标准很简单：想保留的部分写进锚定句，想变的部分留空不写，别一边要改一边又写「保持原样」。

出片不对劲排查顺序：按这个顺序改

出片不满意时，最忌讳同时改好几个地方，改完也不知道是哪句起的作用。按下面的顺序来，每次只动一个维度，才能定位到真正的问题。

1. 先确认是不是提示词问题同一张图、同一组参数，只换提示词重试一次，对比差异出现在哪一段运动上
2. 拆维度单独改按主体、运镜、节奏、一致性四个维度，一次只改一个，改完立刻对比
3. 锁定问题维度后收窄发现是运镜乱，就删到只剩一种运镜；是主体乱，就砍到只剩一个主体
4. 还不行就换工具改了几轮都收不住，多半是模型或时长设置的问题，去站内工具目录换一家对比
5. 最后看数据与参数同类工具的时长上限、帧率、价格差异，到站内工具与价格页面核对当时的数字