夜雨聆风大家好，我是阿锋，做了五年视频创作，现在专注AI视频和剪辑干货分享。说实话，这两年AI视频工具火得一塌糊涂，即梦、可灵、Sora……一个比一个厉害，但我发现一个问题：工具越来越强，很多人出的片却越来越废。
不是工具不行，是我们写提示词的方式出了问题。
我有个朋友跟我吐槽，说他用即梦生成的视频，画面构图混乱、人物动作僵硬、光影诡异，跟脑子里想的完全不一样。我看了一眼他的提示词，就四个字："一个人在走"。
兄弟，这不是AI的问题，这是提示词的问题。
90%的AI视频翻车，都输在提示词上。
今天我就把AI文生视频提示词的万能结构给你们拆解清楚，再附上5套直接能用的模板，让你告别废片。
铭锋视界
一、为什么你的提示词总翻车？
先说个扎心的真相：AI不是不听话，是你没说清楚。
很多人写提示词跟写日记一样，"一个人站在街头，很孤独的感觉"——这种描述对于AI来说等于没说，因为它不知道这个人穿什么、站在哪条街、是什么时间段、光从哪边打过来。
AI需要的是导演级的描述，而不是文学青年的感受。
你得告诉它：谁、在哪、干什么、怎么动、用什么风格、什么光线。
这就是我要说的万能5层结构。
二、万能5层结构，新手照着写不出错
第一层：主体——画面里有什么
先写清楚核心元素，越具体越好。别写"一个人"，要写"穿米色风衣、短发及肩的年轻女生，眼神望向远方"。你描述得越精准，AI跑偏的概率越小。
第二层：动作——镜头怎么动
这是AI视频和AI图片最大的区别！视频要有运动，分两类写：
- 镜头运动
：推、拉、摇、移、环绕、慢推进 - 内容运动
：人物转身、头发飘动、雨滴下落、旗帜飘扬
新手最容易犯的错是写矛盾动作，比如"镜头快速推进+慢动作"。记住，镜头运动和内容运动要分开描述，别搅在一起。
第三层：场景——在哪，什么光线
告诉AI故事发生的地点、时间、光线条件。"夜晚街头+霓虹灯+积水倒影"比"城市夜景"更有氛围感，因为AI能据此确定色调和光影风格。
第四层：风格——要什么质感
选1到3个匹配场景的风格词，别贪多。比如"电影感+暖色调+浅景深"，这三个是协调的，但你要是写"赛博朋克+水墨风"，AI就懵了。
常用风格词：电影感、赛博朋克、水墨风、胶片质感、日系vlog、写实风。
第五层：参数——硬性要求
比例（9:16竖屏还是16:9横屏）、时长（2到8秒）、画质（4K、高清、无闪烁）。这三点直接决定你的视频能不能用。
铭锋视界
三、两个完整示例，差距一目了然
说再多不如看例子，对比一下什么叫"废片提示词"和"大片提示词"。
❌ 废片提示词
"一个人在咖啡馆喝咖啡"
生成结果：AI随便塞个人进去，位置随便，光线随便，你也不知道最后会出个什么鬼。
✅ 大片提示词
25岁女生，穿米色针织开衫，黑发披肩，坐在日式咖啡馆窗边，双手捧着一杯拿铁，望向窗外。镜头从侧面中景缓缓推进面部特写，午后阳光从左侧窗户斜射，逆光勾勒发丝轮廓。温暖日系生活美学，浅景深，背景虚化木质书架。16:9横屏，4K画质。
你看，同样是"一个人在咖啡馆"，第二个描述把人物特征、动作、场景、光线、风格全说清楚了。AI要做的就是把画面翻译出来，不比你动嘴皮子说"我要一个好看的视频"强多了？
四、5大场景模板，直接套用
光说不练假把式，给你5套模板，替换括号内容就能用。
场景1：短剧视频（叙事感拉满）
完整版：戴眼镜、神情严肃的年轻男生，从办公桌起身、直视前方、说关键台词，深夜办公室、仅电脑冷光，悬疑剧质感、冷色调、强阴影对比，镜头从侧面中景切入→慢推面部特写→定格眼神。16:9、电影感、4K
简化版：人物在深夜办公室严肃说话，镜头从侧面中景推特写，悬疑冷色调，16:9、4K
场景2：营销视频（突出产品）
完整版：深色玻璃瓶香水置于大理石台面，镜头360°缓慢环绕、光线在瓶身流动、水珠凝结，高端奢侈品质感、左侧柔光、浅景深、金色粒子漂浮。9:16竖屏、4秒、4K
简化版：香水在台面缓慢旋转、光线流动，高级广告质感、浅景深，9:16、4K
场景3：国风视频（水墨古风）
完整版：穿汉服的女子站在古松下，衣袂随风轻扬、缓缓转身望远山，云雾山巅、远处古寺飞檐，中国水墨风、大面积留白、墨色浓淡，镜头缓慢横移如画卷展开。16:9横屏、6秒、4K
简化版：汉服女子立古松、衣袂轻扬，水墨风、留白构图、镜头画卷式横移，16:9、4K
场景4：人物运镜视频（最常用）
完整版：镜头缓慢推进，聚焦女生面部，女生站在海边微笑，海风拂动头发，背景海浪缓慢起伏，暖金色夕阳，画面流畅无抖动。4K高清，电影感
简化版：女生海边回头，镜头推进，暖色调，电影感，4K
场景5：风景动态视频
完整版：无人机航拍，缓慢上升，从山脚到山顶，晨雾笼罩村庄、炊烟袅袅、金色阳光穿透薄雾，镜头平稳移动，史诗级氛围。4K高清，画面流畅
简化版：村庄航拍上升镜头，晨雾阳光，史诗氛围，4K
铭锋视界
五、新手必避4大坑
坑1：越长越好
控制50到150字，太长反而稀释核心信息。AI不是读长篇小说，越精炼越精准。
坑2：只写画面不写动作
视频没运动就等于僵硬废片。至少写一种镜头运动，这是视频区别于图片的核心。
坑3：风格笼统或矛盾
别写"好看""艺术感"这种废话，也别把水墨和赛博朋克混搭。风格要统一、协调。
坑4：忽略负向提示词
加上"无闪烁、无变形、无多余肢体"，能大幅降低废片率。这是很多人忽略的一点，但真的很管用。
写在最后
写AI视频提示词真的不难，核心就是：把你脑子里的画面，用导演的语言翻译给AI听。
你越具体，AI越能懂；你越笼统，AI越能跑偏。
下次生成视频之前，先问自己三个问题：主体是谁？在哪？在干什么？镜头怎么动？把这三个问题回答清楚，你的AI视频至少能及格。