在可灵和即梦上折腾了快两个月，我最大的感受是：工具之间的差距，远没有提示词写得好坏的差距大。同一个工具，有人生成的是"一眼假"的幻灯片，有人生成的是能直接发朋友圈的短片。差别就在那几句话上。
今天把我自己一直在用的 5 个提示词模板整理出来，照着套就行。结尾还附了翻车自救指南，建议先收藏。
先搞清楚：视频提示词和图片提示词不是一回事
写图，你描述的是一个静止画面；写视频，你描述的是"变化"——谁在动、怎么动、镜头动不动。
很多人翻车，就是把图片提示词直接搬过来用。画面有了，但里面没有任何运动，AI 只能硬编，结果就是各种扭曲变形。我现在的写法，是把一句话拆成四个部分：主体 + 动作 + 环境 + 镜头。少一个，出片质量就掉一截。
模板一：万能四件套，90% 的场景够用
公式长这样：
一个[什么样的]主体 + 正在做[具体动作] + 身处[什么环境] + 镜头[怎么动]
拿我上个月生成的一条来举例，可灵和即梦都能跑：
一个穿黄色雨衣的小女孩，撑伞走在雨后的石板路上，踩到水坑溅起水花，街道两侧是亮着灯的店铺招牌，镜头从背后缓慢跟拍，电影质感，自然光影
注意两个细节。动作要具体到"溅起水花"，别只写"走路"，AI 对抽象动词的理解很差。环境要给出光源和氛围，有光，画面才有层次。
模板二：加一个时间词，画面立刻有情绪
同一段街景，清晨、正午、黄昏、深夜，出来的完全是四种感觉。时间词是最便宜的"风格滤镜"，我几乎每条提示词都会带一个。
清晨薄雾中的城市天际线，太阳正从楼宇间升起，一群飞鸟掠过，镜头缓慢上摇，柔和的逆光
对比一下：不加时间词，AI 默认给你一个"中午大平光"，无聊且假。加了"清晨薄雾"，光线的方向、空气的质感、整体的色调，全都被带出来了。
模板三：镜头语言要单独写，别指望 AI 猜
AI 默认喜欢中景固定机位，看多了很闷。镜头怎么动，你得明说。常用的就这几个词：
- 推近：从全景慢慢靠近主体，适合强调情绪
- 拉远：从主体拉开，交代环境，适合结尾
- 环绕：围着主体转半圈，展示感强，产品展示最爱用
- 跟拍：镜头跟着主体移动，运动感强
- 俯拍/仰拍：换视角，俯拍显全貌，仰拍显气势
我的组合习惯是：画面动作写在前面，镜头语言放最后，用逗号隔开。比如"女孩在巷子里奔跑，镜头低角度跟拍，两侧墙壁快速掠过"。这样模型不容易把动作和镜头搅在一起。
模板四：图生视频，用参考图锁死人物长相
纯文字生成视频，人物长相最容易漂——前一秒还是这个人，下一秒就换脸了。可灵和即梦都支持图生视频，我的做法是：先给一张图，提示词里只描述动作，绝不重新描述长相。
保持图中人物的外观不变，她转头看向窗外，嘴角轻轻上扬，镜头缓慢推近脸部，浅景深，窗外的光打在她脸上
这么写，人物一致性比纯文字高一大截。记住一个原则：参考图管"长什么样"，提示词管"做什么事"，两者别打架。
模板五：风格词 2-3 个就够，堆多了变四不像
"电影感、史诗感、赛博朋克、宫崎骏风格、写实纪录片"——我一开始也喜欢一口气堆五六个风格词，结果生成出来什么都不像。
现在的做法：1 个主风格 + 1 个光影描述，最多再加 1 个画质词，收工。比如"宫崎骏风格，通透的夏日光影，高清"。风格越少，模型越知道自己该干嘛。
翻车自救指南：几个我踩过的坑
- 画面老崩：元素太多。砍掉次要物体，动作写简单点
- 人物乱动：动作指令越短越不容易崩，"她站在那里，风吹动头发"比"她跳起来转圈挥手"稳得多
- 变形模糊：提示词末尾加一句"画面清晰，无变形"
- 可灵和即梦的提示词能通用吗：模板能通用，但两个模型对中文的理解有差异，同一段词两边都试，哪边效果好就用哪边
模板是死的，手感是试出来的。你先拿模板一跑通一条，再慢慢加时间词、换镜头语言，用不了几次就能摸到自己的套路。
如果你也常用 AI 生成视频，欢迎在评论区分享你压箱底的提示词，我最近正在攒素材，好用的话我会整理成第二期。