图生视频提示词模板，一次讲清做法、成本和注意点

手里有一张还不错的图，丢进图生视频工具，出来的视频要么人物脸变形，要么画面几乎不动，要么干脆提示参考图无效。多数时候不是模型不行，而是提示词没把「动什么、怎么动、别动什么」说清楚。这篇给一份能直接抄的模板结构，再给一张参考图失效时的排查清单，照着改一轮，成功率会明显不一样。

手里有一张还不错的图，丢进图生视频工具，出来的视频要么人物脸变形，要么画面几乎不动，要么干脆提示参考图无效。多数时候不是模型不行，而是提示词没把「动什么、怎么动、别动什么」说清楚。图生视频跟文生视频最大的区别是，画面底子已经由参考图定了，提示词的任务不是描述画面，而是给这张固定的画面安排动作和镜头。

这篇给一份能直接抄的模板结构，再给一张参考图失效时的排查顺序。新手照着改一轮，通常能少抽好几次就拿到能用的片子。需要说明的是，模板降低的是试错次数，不是保证一次必成，平台规则变动后表现也会跟着变。

先看模板骨架：一段提示词里必须写清的四个槽位

把提示词当成一张填表，四个槽位缺一个，模型就会自己猜，猜错了就得重抽。四个槽位按重要性排：主体锁定、动作、镜头、禁止项。写的时候按这个顺序写，改的时候也按这个顺序改，出问题时能快速定位是哪一块没写清。

主体锁定槽

写清图里谁在动、外观不许变的部分，比如服装、发型、logo 位置，以及画面里其他物件保持静止

动作槽

只写一个主要动作加幅度，避免一条提示词塞三四个动作让模型挑着做

镜头槽

机位是固定、推、拉还是跟，写清方向和速度档位，不写方向就等于放弃控制

禁止槽

明说不希望出现的变形、闪烁、多余人物，比反复重抽更省额度

一个常见的误区是把禁止项当成可有可无的修饰。实际上禁止槽是唯一能主动约束模型「不要往坏的方向跑」的位置，尤其是人物场景，写一句「脸部与手部保持原样」往往比多写两句动作描述有用。禁止项不用堆太多，两三条就够，写多了反而稀释注意力。

按场景套模板：静物、人物口播、风景空镜三份对照写法

不同题材的提示词重心完全不同。静物怕形变，人物怕脸崩手崩，风景怕缺少稳定参照导致画面漂移。下面这份对照表把三类场景的槽位写法摆在一起，读者换掉主体名词就能用。

人物场景最容易踩的坑是动作写太大。写「挥手打招呼」，模型很容易理解成大幅甩臂，手部直接崩掉；改成「手臂轻微抬起，小幅度挥动」，稳定性会明显不同。动作幅度用「轻微」「缓慢」「小幅」这类限定词收着，是人物类提示词的基本功。

静物和风景可以适当放开运镜，但同样要保留稳定参照。风景里写一句「地平线保持水平」，比写十句形容词更能防止画面上下漂。三类场景都建议先出低分辨率小样，确认动作方向对了再出成片。

参考图失效怎么查：按输入、提示词、平台三条线依次排查

提示参考图无效或生成结果完全不像原图，最容易犯的错是立刻换模型。其实九成以上问题出在输入和提示词，工具本身没坏。按下面的顺序查，每查完一条确认没问题再往下走，不要跳步。

1. 第一步：查图本身看分辨率是否过低、主体是否占比太小、画面里是否有多个主体。平台不知道该跟谁动时，往往会忽略参考图。处理办法是裁掉多余元素，让主体占画面的主要区域。
2. 第二步：查图与提示词是否打架文字描述的场景、光线、人物形象和参考图不一致时，模型通常优先信文字。把提示词里与参考图冲突的描述删掉，主体描述换成和图上完全一致的写法，再试一次。
3. 第三步：查平台开关与格式有的工具需要单独打开参考图开关，有的对长宽比、单张大小有硬要求。到工具目录里对应工具的说明页核对当时的格式要求，格式不符时工具往往不报错，只是默默不用图。
4. 第四步：换工具而不是换模型前三步都没问题还失效，才考虑换平台。到 /sites 里挑同类工具交叉验证一次，确认是工具差异还是自己写法的问题。

这套顺序的价值在于每次只动一个变量。排查时如果同时改图和改提示词，结果好了也不知道是哪一项起的作用，下次遇到同样问题还得重来。

运镜和动作怎么描述：把模糊形容词换成可执行的参数

「酷炫运镜」「电影感」「高级感」这类词模型无法落地，写了等于没写。运镜要改成方向加方式，比如向左横移、缓慢推近、跟随主体平移。方向、方式、速度三样写清两样，模型就能执行。

• 方向写清：左、右、上、下、推近、拉远，别用「环绕」这种多义描述
• 速度写档：缓慢、匀速、轻微抖动，不要写「很快」，快镜头在小样阶段很难判断
• 一段一个落点：别在同一条里既哭又笑，情绪和多动作都只保留一个主线
• 修饰词最后删：提示词长度有限时，先砍形容词，再砍场景描述，主体和动作留到最后

还有一点容易被忽略：运镜方向和主体的动作方向要协调。人物向右走时镜头向左横移，画面会显得别扭；反过来写，观感立刻顺。这类细节不会让生成失败，但会让成片显得业余。

成本怎么估：先算清按次、按秒、按张三种口径

图生视频的计费口径各平台不一样，大致分为按次计费、按生成时长计费、按参考图张数计费三类。重点是搞清「重抽」算不算一次。多数平台上，改提示词重新生成就是新的一次消耗，模板的真正价值在于减少重抽次数。

具体单价和免费额度不要照抄别人的说法，各平台调整频繁，以站内页面当时的口径为准。预算敏感的团队建议把重抽次数记下来，两三轮之后就能估出自己这条流程大概要花多少。

第一次就成功的检查清单：提交前过一遍这八项

下面这份清单建议直接存下来，每次提交前扫一眼。八项里任何一项没做到，失败概率都会抬升，而且失败原因很难反推，所以宁可多花一分钟检查。

• 参考图主体清楚、单人单物、没有被裁切
• 长宽比和单张大小符合平台要求
• 提示词里的主体描述和参考图一致，没有冲突的场景词
• 只有一个主要动作，幅度用「轻微」「缓慢」限定
• 运镜写了方向和方式，没有形容词
• 禁止项至少写一条，人物场景要覆盖脸和手
• 先用小样试，不直接出成片
• 不满意时记录是哪一项没写清，下一轮只改那一项

最后一条最容易被跳过。很多人失败后凭感觉大改一通，结果改好了也不知道为什么好。只改一项，效果对比才有意义，几轮下来你就能摸清自己常用平台的脾气。

几个常被忽略的坑，以及什么情况下这套模板不适用

模板管用有边界，下面几种情况再怎么调提示词也救不回来，早识别早换方案，比反复抽卡划算。

另外要提醒的是，平台版本更新后同一套提示词表现可能变化。某次突然效果变差，先别怀疑模板，去站内工具目录看有没有公告，或者换一个同类工具对照一次，确认是平台侧的变化再决定要不要改写法。需要更细的工具对比和排查顺序，到 /tools/speed-test 走一遍检测流程，比在几个工具之间来回猜要快。

图生视频的提示词不是在描述画面，而是在给一张已经定稿的画面安排动作、镜头和禁区。