企业官网建设流程全解析

1. 先弄清模型在“看”什么：AI视频提示词的底层逻辑

我把这套提示词合集整理出来的起因很朴素：账号开好了，界面打开了，光标在输入框里闪，人却卡住了。脑子里有一堆画面，落到文字上就只剩“电影感、超写实、4K、大师作品”这几句，生成出来还都长得差不多。折腾了两三个月，我才慢慢明白，AI视频提示词（prompt）不是咒语，它更接近一份写给摄影组和后期组的分镜单，你要交代的是“拍什么、怎么动、镜头在哪、光从哪来、最后剪成什么调子”。

先把这个东西说清楚：这是一批针对文生视频模型的提示词（prompt）合集与拆解方法，覆盖产品广告、人物特写、自然空镜、转场衔接这几类最常用的短视频场景，还包括参数怎么配、出问题怎么排查。它解决的核心问题就一个——把“我想要那种感觉”翻译成模型能执行的描述，让每次生成的结果可预期、可复用、可迭代。适合的人也挺明确：做短视频内容的、电商详情页要动态素材的、剪辑师需要补空镜和转场的、设计岗位要快速出概念片的，甚至完全没摸过摄像机的纯新手也能用，因为这套东西是按模板走的，不需要你先懂光圈快门。

标题里出现的那个模型名，我就当成一个起点——我最早的那份笔记确实是从它开始记的，但下面这些结构化的写法在各类文生视频模型上基本都是通用的，换平台顶多改改参数叫法。真正值钱的是那套拆解思路，不是某个平台的界面。

1.1 从“关键词堆叠”到“分镜脚本”的思维切换

新手最容易犯的错，是把提示词当成一长串形容词的堆叠：超写实、8K、电影级、柔光、唯美、氛围感、高级感……一口气写二十个。我早期也这么干，结果生成出来的画面确实“还行”，但完全不受控——人物穿什么、手放在哪、镜头是推还是拉，全凭模型自由发挥。

原因在于，文生视频模型的工作方式是逐帧预测像素，你的文字在其中扮演的是约束条件，而不是“主题词”。约束条件越具体、越有结构，模型的搜索空间就越小，出来的东西就越贴近你的意图。形容词属于审美层，它只能影响“质感”，管不了“结构”。而一条视频里，观众最先感知到的是结构：谁在画面里、他在干什么、镜头怎么走。结构错了，质感再好也是废片。

所以我后来的做法是：把提示词当成一段三到五句话的分镜脚本写。第一句定调（谁、在哪、什么风格），第二句写主体细节（穿什么、什么材质、什么表情），第三句写动作和时间轴（0到3秒做什么，3到5秒镜头怎么变），第四句写镜头语言（景别、机位、运动方式），第五句收一个风格锚点（像什么类型的片子）。这五句各司其职，改哪一句就知道会影响哪一部分，迭代效率完全不一样。

1.2 一条好提示词的六个信息层

我把实际用得最多的六个信息层整理成了下面这张表。写提示词时不必每条都填满，但心里要有这张表，缺哪层就补哪层。通常一条 15 秒以内的镜头，六层里填满四到五层就足够具体了，全填满反而容易互相打架。

这张表里我个人认为最被低估的是光线。很多人写提示词只写主体和风格，光线一笔带过。但你回头看那些“一眼电影感”的画面，八成是因为光有方向、有层次、有明暗过渡。你只要在提示词里加一句“侧逆光，人物边缘有一圈轮廓光”，画面的立体感立刻就不一样了，这个改动的性价比高得离谱。

1.3 同样的提示词，为什么两次结果不一样

这个问题我被问过太多次。答案不复杂：文生视频模型本质是概率采样，同一个提示词对应的是一大片“合理画面”的区域，每次生成都是在这个区域里随机落点。加上视频还要保证帧与帧之间的连续性，模型在时间维度上也有随机性，所以两次结果不同是设计使然，不是你的提示词写错了。

应对办法有两个方向。一是固定随机种子（seed），让模型每次从同一个起点开始采样，这样你换提示词里的某一个词，才能准确判断是这个词带来的变化，而不是随机波动。这套对照实验的思路，跟做 A/B 测试是一个道理。二是增加约束密度，把提示词写得足够具体，让模型可发挥的空间变小，结果自然就收敛了。这两个手段可以叠加用：先用固定种子做小步迭代，找到满意方向后再放开种子多跑几次，从里面挑最好的一条。

注意：不要在同一次迭代里同时改提示词和改种子，那样你永远不知道效果变化是谁造成的。我吃过这个亏，改了七八版，最后发现全是随机波动，白折腾一晚上。

2. 我的提示词模板体系：五段式骨架与术语库

前面讲的是思路，这一章全是能直接抄的东西。我把日常用得最顺手的结构固化成了一个五段式骨架，遇到新需求就往里填，填完基本能出片，剩下的就是微调。这套骨架的好处是可拆解：某一段不满意，只改那一段，其他保持不动，迭代成本极低。

2.1 五段式骨架：一句话定调，四句话补全

我把模板写成了下面这个样子，方括号里是可以替换的变量。这个模板我用了很久，中间改过几版，现在这版是最平衡的——再精简会失控，再详细模型反而抓不住重点。

【定调】[主体]在[环境]中，[整体风格锚点]。 【细节】[主体的外观、穿着、材质、表情/状态]，[关键道具或环境细节]。 【动作】[起始动作]，随后[第二段动作]，全程[动作节奏描述，如缓慢/干脆/迟疑]。 【镜头】[景别]，[焦段/机位]，[运动方式]，[景深与构图倾向]。 【光线与调色】[光源方向与性质]，[色温倾向]，[后期调色倾向]。

举个实际填好的例子，这是给一个家居类客户做的香薰产品镜头：

【定调】一只磨砂白瓷香薰杯放在深色胡桃木桌面上，产品广告级质感。 【细节】杯壁有细微的手工纹理，杯口边缘有一圈未打磨的粗糙感，旁边散落两片干燥的尤加利叶。 【动作】一缕极细的白烟从杯口升起，烟雾缓慢向上飘散并在接近画面顶部时散开，全程节奏舒缓。 【镜头】特写，100mm 微距，镜头略微从右向左横移，浅景深，背景完全虚化成暖褐色色块。 【光线与调色】左侧单侧硬光打亮杯壁纹理，右后方一盏弱补光勾出烟雾轮廓，整体低饱和暖调，轻微胶片颗粒。

这条提示词出去，基本第一版就能用。你可以注意到我没有写“超写实”“8K”这类词——画质类形容词在视频模型里的边际收益很低，现在的模型默认画质都不差，真正决定成片质量的是结构描述。

2.2 镜头术语对照表：写“推近”不如写“缓慢推近”

镜头语言是提示词里最容易写出差距的部分。同一个画面，写“特写”和写“中近景、85mm、浅景深、镜头缓慢推近”，出来的东西差着档次。我把常用的镜头表述整理成了对照表，写的时候直接查。

有个细节值得单说：运动速度一定要写。“推近”和“缓慢推近”在模型眼里是两个不同的指令，前者可能一秒推到底，后者才会给你留出呼吸感。同理还有“快速横摇”“极慢速环绕”“轻微手持晃动”。我一般的经验是，广告和产品类用“缓慢”“匀速”“轻微”，纪实和情绪类可以加“手持轻微晃动”“焦点轻微漂移”，会自然很多。

2.3 风格锚点词库：用“像什么片子”代替一堆形容词

风格锚点是整条提示词里最玄乎、但效果最直接的部分。与其堆十个形容词，不如直接告诉模型“这条片子像什么类型”。我按用途分了四组，都是实测有效的方向：

• 广告质感组：产品广告级打光、棚拍质感、高光干净、背景纯净、商业摄影色调
• 纪实质感组：纪实访谈质感、自然光、轻微手持、生活化场景、不过度修饰
• 胶片质感组：十六毫米胶片颗粒、低对比度、暖黄偏移、轻微漏光、老镜头眩光
• 动画与概念组：三维动画质感、材质简化、色块分明、概念设计图风格

这里要提个醒：风格锚点不要混用。你写“产品广告级打光”又写“纪实访谈质感”，模型会两边都沾一点，结果就是不伦不类。我见过最离谱的一条提示词里同时出现了“赛博朋克”“治愈系”“复古胶片”“商业大片”，出来那画面确实挺有创意的，但客户肯定不要。

2.4 负向描述：说“不要什么”也是一门手艺

不少模型支持负向提示词（negative prompt），也就是告诉它别画什么。这个功能很多人不用，或者一股脑塞进去几十个词，反而把画面搞僵了。我的经验是负向描述要精准且克制，只写你这条镜头真正怕的东西。

常见的有效负向项：

• 画人物时加：多余的手指、扭曲的肢体、面部变形、双瞳
• 做产品时加：文字水印、logo 变形、材质塑料感、反光过曝
• 做空镜时加：人物出现、画面抖动、镜头畸变
• 通用兜底：低分辨率、模糊、噪点过重、画面撕裂

反过来，有些词写进负向里是浪费。比如“丑陋”“难看”这种主观词，模型根本没法执行；再比如“不要黑暗”，不如直接在正向里写“明亮通透的日光环境”。负向描述应该描述具体的视觉缺陷，而不是抽象的评价。

提示：负向词控制在五到八个以内比较合适，超过十个之后，模型往往会把一些本来正常的元素也一起抑制掉，画面会变得异常干净、缺乏细节。

3. 分场景提示词合集：四类高频需求直接改

模板是骨架，场景是血肉。这一章我按实际接活儿的频率排了四类场景，每一类给一条完整可用的提示词，再讲讲这类场景里最容易翻车的点和对应的改法。你可以把主体换掉直接用，八成的镜头需求都能覆盖。

3.1 产品广告类：静物最难的是“动得合理”

产品类镜头的难点不在于画面好看，而在于运动要克制。很多新手一上来就让产品“旋转展示”“缓缓升起”，结果出来的东西像低质量的电商模板。真正高级的产品镜头，运动幅度都很小，靠的是光线变化和镜头微移。

一条可以直接用的饮品镜头：

【定调】一杯加冰的琥珀色气泡饮品放在浅灰色水泥台面上，商业广告级质感。 【细节】玻璃杯壁布满细密冷凝水珠，冰块边缘略微融化，液面有细小气泡持续上升，杯底有一片薄荷叶。 【动作】气泡从杯底持续缓慢上升，第三秒起杯壁上一颗水珠沿杯身滑落，全程无剧烈运动。 【镜头】近景，85mm，镜头极缓慢向前推近约十分之一画面，浅景深，焦点始终在杯壁中部的水珠上。 【光线与调色】右后方大面积柔光箱打透液体形成通透感，左前方一块反光板补出杯壁高光，整体清透冷调，轻微锐化。

这类镜头我通常会跑三到五次，挑气泡形态最自然的一条。注意别让模型去写字，产品包装上的文字几乎必崩，真要带品牌信息，后期贴图比让模型生成靠谱得多。

3.2 人物情绪特写：控制表情变化的时间点

人物是所有场景里最容易翻车的，因为人对人脸太敏感了，细微的不对劲一眼就能看出来。我的做法是把表情变化写成一个有时间点的过程，而不是一个静态状态。写“她微笑着”不如写“她先是垂眼，第三秒抬起视线并露出克制的微笑”。

【定调】一位三十岁上下的女性坐在窗边的旧木椅上，纪实访谈质感。 【细节】穿浅灰色亚麻衬衫，袖口卷到手肘，头发随意扎起有几缕碎发垂在脸侧，脸上没有明显妆容。 【动作】起始时低头看着手中一只搪瓷杯，第二秒缓慢抬眼望向画面右侧窗外，嘴角有非常轻微的松动，全程呼吸可见。 【镜头】近景，50mm，平视略低机位，镜头几乎不动仅有极轻微手持浮动，背景窗框虚化。 【光线与调色】窗外阴天散射光从右侧打进来，左侧脸部留有明显阴影过渡，整体低饱和、偏青灰，轻微胶片颗粒。

人物镜头有个硬性建议：景别不要太大。全身镜头里手脚的比例问题最难控制，中近景和特写能把风险压到最低。另外动作描述里加上“呼吸可见”“轻微眨眼”这种细节，画面的生命力会强很多，不然人像容易显得像蜡像。

3.3 自然空镜与转场：这类素材是刚需

做剪辑的人都知道，空镜是最缺的。一段访谈、一条口播、一个产品讲解，中间必须有空镜来换气。这类镜头其实最好生成，因为不涉及人脸和复杂动作，容错率高。我一般会一次跑五六条存起来备用。

【定调】清晨的针叶林边缘，薄雾贴地流动，纪录片质感。 【细节】地面上有厚厚的落叶层和苔藓，几株低矮蕨类挂着露水，远处树干的轮廓逐渐隐入雾中。 【动作】薄雾从左向右缓慢推移，露水在叶片上静止，第八秒一缕斜射阳光穿进林间并逐渐变亮。 【镜头】大全景，35mm，机位固定，镜头不做任何运动，画面层次由近景落叶、中景树干、远景雾层构成。 【光线与调色】低角度侧逆光穿透雾气形成可见光束，整体冷绿色调，暗部保留细节不压死，轻微颗粒感。

转场用的空镜还有个技巧：生成时刻意留出运动方向。比如你后面要接一个向左运动的镜头，前面这条空镜就让主体或雾、云、水往左流，剪辑时顺着运动方向切，衔接会顺滑很多。这个细节没人教过我，是自己剪了几十条片子之后才反应过来的。

3.4 长镜头拆解：一次生成不如分段生成

模型一次能生成的时长普遍有限，而且时长越长，画面崩坏的概率越高。我做超过十秒的连续镜头，基本都是一段一段生成再拼接，而不是硬着头皮跑一条长的。

具体做法是把一个长镜头按动作节点切成三段，每段三到五秒，后一段的提示词开头承接前一段的结尾状态。比如“她的手伸向杯子”——“杯子被拿起并举到胸前”——“杯口靠近嘴唇，画面渐暗”。拼接点在动作的中间态，剪辑时用零点二秒的叠化过渡，观众基本看不出来。

如果是模型支持首尾帧控制的那种，衔接会更自然：把前一段的最后一帧截出来作为后一段的起始帧。这个流程稍微麻烦一点，但成片的连贯性提升非常明显，尤其是人物手部动作，分段生成能有效避免“手越动越奇怪”这个问题。

4. 参数层：那些没人明说但影响巨大的开关

提示词写得再好，参数配错了照样白搭。这一章讲四个我认为必须搞清楚的参数维度：时长、分辨率、运动强度、种子。这几个东西互相牵制，得一起看。

4.1 时长与分辨率的算力账

先算笔账。一段十秒、每秒二十四帧的视频，是两百四十帧画面。如果分辨率翻倍，总像素量变成四倍，模型需要处理的数据量也跟着涨。所以在算力有限的前提下，时长的代价比分辨率更线性，分辨率的代价是平方级的。

我的习惯是先在低分辨率下把构图、动作、光线跑对，这三样定了之后再用高分辨率重跑一遍同样的提示词加固定种子。这样总体时间反而更短，因为你不会在高分辨率下反复试错，每一次失败都很贵。

4.2 运动强度：最容易调过头的参数

大多数模型都有类似“运动幅度”“镜头动态”这样的参数，取值一般是个区间。新手往往觉得越大越好，画面才“有动感”。实际正好相反——运动强度拉高，画面崩坏率直线上升，尤其是人物场景，很容易出现肢体扭曲、背景融化、物体穿模。

我的经验值是这样：产品静物和人物特写，把运动强度压到区间偏低的位置，靠镜头微移和光线变化来制造动感；风光空镜可以给到中间值，云、水、雾本身的运动就比较自然；只有纯抽象、无主体的画面才敢往高了调。判断标准很简单：画面里有人脸或文字，就往低调。

还有一个连带影响是帧率。如果你想让画面有电影感，生成后可以按每秒二十四帧输出，会比高帧率更有“片子”的味道；如果是手持纪实风格，适当保留一点轻微抖动反而更真实。这些都是后期的小手段，但成本极低、效果立竿见影。

4.3 种子与迭代：把随机性变成可控变量

固定种子的价值前面提过，这里说具体怎么用。我的迭代流程是这样的：

1. 用一条基础提示词跑四次不同种子，挑出构图和动作最接近预期的那一条，记下种子号。
2. 固定这个种子，只改提示词里的某一层（比如把光线从“阴天散射光”改成“黄昏低角度暖光”），跑一次，看变化是否符合预期。
3. 如果符合，保留这个改动，继续改下一层；如果不符合，回退。
4. 结构全部定下来之后，放开种子跑六到八次，从里面挑形态最好的那一条。

这套流程听起来慢，但实际比盲目试错快得多。我最早是随机改，一晚上跑三十条也挑不出一条能用的；用了这个方法之后，通常两三轮就能定稿。把随机性当成变量来控制，而不是当成运气来赌，这是我从这套工具里得到的最实用的一条经验。

5. 踩坑实录：五类高频翻车与排查顺序

这一章全是血泪。我整理了一份自己遇到过的问题清单，按出现频率排序，每条都配了排查方向和实际的改法。你可以把它当成一张速查表，出问题的时候对着看。

5.1 五类高频翻车现场

这里面最值得展开的是“主体中途换人”。这个问题的本质是：你的主体描述里缺少唯一性特征。写“一个男人”和写“一个穿藏青色工装外套、左眉尾有疤、戴细框眼镜的中年男人”，后者的稳定性完全不是一个量级。特征越是排他，模型越难在帧与帧之间偷懒。我给客户做人物系列片的时候，通常会先定三个“锚点特征”，每一条提示词里都重复写上，成片里的人物一致性会好很多。

5.2 排查顺序：从结构到细节，别一上来就改参数

出问题的时候最忌讳乱改。我总结了一个固定的排查顺序，从上往下走，一般第二三步就能定位。

1. 先看主体描述是否够独特。如果画面里的人和你要的不是一个人，后面所有调整都没意义。
2. 再看动作是否超出模型能力。复杂交互（双手操作小物件、多人对话、快速转身）是重灾区，能简化就简化。
3. 然后看景别和构图。很多“画质问题”其实是构图问题，换个景别就消失了。
4. 接着看光线描述是否明确。光影不明会导致材质表现混乱，看起来像“糊”。
5. 最后才动参数。降低运动强度、缩短时长、换种子。

这个顺序的逻辑是：提示词层面的问题，改参数救不回来；参数层面的问题，改提示词也没用。先排除成本低的因素，再动成本高的，效率最高。

5.3 生成之后的补救：补帧、稳定、调色

有些问题在生成阶段解决不了，后期补更划算。补帧工具能把生成的低帧率素材插值到流畅播放，代价是可能出现轻微的果冻感，用在空镜上很合适，用在快速动作上会露馅。稳定处理能解决轻微的镜头抖动和画面漂移，但裁切会损失边缘画面，所以生成时要在主体周围多留余量，别贴边。

调色这一步是我最看重的。模型生成的素材往往色温不统一，多条片子往时间线上一放，明暗冷暖乱七八糟。我的做法是先统一到同一个色彩空间，再做一次基础匹配（对齐白平衡和曝光），最后才上风格化的调色。顺序反了的话，风格化会放大色偏，越调越乱。

心得：我一般会在生成阶段就刻意往“干净、中性、低对比”的方向走，把风格化留给后期。这样一批素材的调性容易统一，也方便跟实拍素材混剪。反过来，如果你让模型直接生成很重的风格化调色，后期几乎改不动。

6. 提示词资产管理：把一次性素材变成可复用的库

做这行时间长了，你会发现真正拉开差距的不是单条提示词写得多好，而是你有没有一个能随时调用的库。我认识的一些做得比较稳的创作者，手里都有几百条按场景分好类的提示词，来了需求直接改两个变量就能出片，效率和随缘写完全不是一个层级的。

6.1 命名规范：让三个月后的自己看得懂

我早期的提示词笔记是一片混乱，文件名叫“新建文本文档”“好的这个可以”“最终版2改”。三个月后回头找一条产品镜头，翻二十分钟翻不到。后来我定了个命名规则，一直用到现在：

[场景类别]_[主体]_[镜头类型]_[版本号]_[状态] 例：产品_香薰杯_微距横移_v3_可用 人物_窗边女性_近景推近_v2_待调光线 空镜_晨雾针叶林_大全景固定_v1_备选

关键是状态标记。我一般用四档：可用、待调、备选、废弃。废弃的不要删，留着——有时候一个废弃的提示词换个场景突然就活了。另外每条提示词下面我会随手记一行“本次改动”和“出片效果”，就一行，但三个月后这行字的救命程度超乎想象。

6.2 库的迭代：定期回顾比不停新增更重要

大部分人的库是只增不减的，越堆越大，最后变成一个谁也不敢碰的黑箱。我的做法是每个月抽半小时清一次：把成片效果好的那几条往上提，标成“模板级”；把反复用不上的删掉或降级；把几条效果接近的合并成一条带变量的通用模板。

合并这一步特别有价值。比如我原来有七八条产品镜头的提示词，后来发现除了主体和材质不一样，镜头、光线、动作几乎完全一样，就把它们合并成一个模板，只留主体描述和材质描述作为变量。这个模板后来支撑了我大半的产品类需求，改两个词就能跑。

7. 一点个人体会

这套合集整理到最后，我最大的感受是：提示词写作的门槛不在文字能力，在于你有没有把自己想要的画面想清楚。我写不出来的时候，八成不是词穷，是脑子里那个画面本身就是糊的——不知道光从哪来，不知道镜头在哪，不知道人在干什么。这种时候继续改提示词是没用的，得先去找参考，把画面拆到能描述的程度再动笔。

还有个我自己一直在用的小习惯：每一条存进库的提示词，我都会在旁边写一句“这条如果换个主体还能用在哪”。写这句话的过程，其实就是在脑子里做迁移。很多后来用得最顺的模板，都是这么从一条别的场景的词里挪过来的。你也可以试试，成本就一行字，但积累下来的复用率会高很多。