导演的思维方式
一个强大的 AI 视频提示不是一系列随机的视觉词汇。它是一个简明的指导文档,告诉模型应该发生什么、发生在哪里、观众应该如何体验,以及什么必须在视觉上保持一致。例如,在一个 15 秒的产品场景中,“一瓶在森林里”几乎没有给模型提供可用的方向。当你指定一个清晰的玻璃瓶站在湿苔藓上,慢慢地推向它的标签,柔和的日出透过高大的树木,营造出一种宁静而高档的氛围时,同样的想法变得更有效。
将提示视为视觉指导,而不是命令行控制。你的工作是建立一个层次结构:主题优先,动作有开始和结束,环境支持故事,相机传达观众与主题的关系。情绪应影响光线、颜色、动作和节奏,而不是作为孤立的形容词出现。这使得模型更容易理解提示,并且在结果不符合预期时更容易进行修订。
构建完整场景
从主题开始,并使其具体到足以识别。与其说“一个旅行者”,不如描述“一个穿着红色雨衣、拖着一个小黑箱子的孤独旅行者”。与其说“一个未来城市”,不如识别“一个安静的未来交通枢纽,带有弯曲的站台和琥珀色的天花板灯”。细节应支持识别,但添加每个可见物体可能会产生竞争优先级。选择一个主要主题、一个重要动作和少量支持细节来强化预期故事。
接下来,以可观察的术语定义动作。“旅行者缓慢行走”在变成“旅行者向前迈出三步,停顿并转向相机”时更清晰。对于以物体为中心的场景,可以描述旋转、滑动、打开、升起,或相机揭示隐藏的标签。区分主题运动与相机运动。如果两者同时发生,请明确说明顺序,以便模型不会不可预测地将它们结合在一起。一个有用的句子可能描述主题保持静止,而相机从广角视图移动到特写。
环境、照明、构图和调色板完成场景。说明主题是居中、框架对负空间、放置在引导线上的,还是从低角度展示,使其感觉强大。仅在它们影响视觉效果时提及一天中的时间、光线方向、颜色对比和纹理。例如,温暖的橙色门口周围的冷蓝色阴影可以创造分离并引导注意力。最佳提示为模型提供关系:主题在前景,门口在背景发光,相机保持标签不被遮挡。

指导运动、相机和节奏
运动应与故事的节奏相匹配。缓慢的推进、温和的横向跟踪和克制的手势通常支持沉思、奢华或紧张。快速的手持运动、快速剪辑或充满活力的主体运动适合喜剧、动作或紧迫感。避免模糊的指令,如“动态运动”,除非你明确说明动态在视觉上意味着什么。尽可能具体说明速度、方向、动作数量和停止点。
摄影语言是一种视觉工具,而不是装饰。广角建立镜头告诉观众主体的位置。中景镜头保留手势和肢体语言。特写镜头将注意力引导到表情、材料、纹理或产品细节。低角度可以使主体显得威严,而平视角度则感觉直接且易于接近。你还可以通过前景遮挡、缓慢的起重机式上升、受控的轨道运动或从背景到主体的焦点转换来描述深度。使用足够宽泛以便于视觉解读的术语,同时对预期的构图保持具体。
对于短序列,描述时间进程。“相机靠近车站,火车到达,门打开”比“一个电影火车场景”更有用。添加时间提示,如“在前几秒”,“大约在中间”或“在最后时刻”。这些提示并不能保证精确的帧控制,但它们帮助模型将事件组织成可读的开头、中间和结尾。保持请求的动作数量有限;在短片中动作过多可能导致突兀的过渡或失去连贯性。
使用参考以保持视觉一致性
参考在建立可重复的视觉语言时是有用的,而不是在没有解释的情况下插入。如果你正在创建一个包含相同角色或产品的序列,确定哪些元素应该保持不变:面部特征、服装、色彩调色板、材料、比例、标志性道具或包装设计。然后描述这些元素如何根据新的镜头发生变化。一致性并不意味着冻结整个画面。角色可以靠近相机,同时保持相同的红色外套、银色手表和温暖的电影色彩处理。
描述参考与新场景之间的关系。说明参考是否控制角色设计、环境、相机风格、照明,或仅仅是整体情绪。混合几个不相关的视觉参考可能会产生不连贯的结果,尤其是当它们在时期、媒介、颜色或构图上发生冲突时。如果你需要多个参考,为每个参考分配一个明确的角色,并优先考虑最重要的特征。提示应告诉模型要保留什么以及要重新解释什么。
对于一致的系列,在规划过程中保持视觉圣经。记录英雄主体、调色板、照明方向、镜头特性、构图规则、纹理和情感温度。简单的规则,如“温暖的琥珀色实用灯、凉爽的青色阴影、柔和的对比和克制的手持运动”可以使多个剪辑感觉相连。相同的规则应在不同的提示中以不同的语言出现,仅动作和环境发生变化。如果生成的剪辑打破了连贯性,请修订相关属性,而不是重写整个场景。
通过前后思维进行迭代
迭代是一个视觉调试过程。当结果较弱时,诊断原因,然后再添加更多文字。如果主体不清晰,增加其显著性并减少竞争对象。如果动作显得笨拙,简化动作并添加明确的暂停或结束点。如果情绪感觉平淡,改变照明关系和颜色对比,而不是列出更多形容词。如果构图显得拥挤,移除背景细节或在主体周围创造负空间。
一个有用的修订方法是将预期的帧与生成的帧进行比较。问四个问题:我能立即识别主体吗?我能读懂动作及其方向吗?相机的构图服务于故事吗?颜色和光线产生了预期的情绪吗?记录最大的差异,然后写出针对性的修正。例如,如果产品太小,将指令更改为特写镜头,产品占据画面的中央三分之一,标签面向观众。如果开场感觉不稳定,将“手持动态相机”替换为“平稳的慢推入,稳定的地平线,温和的视差”。

一个提示框架和质量检查
一个实用的提示可以按以下顺序组织:主题、动作、环境、构图、相机、照明、调色板、情绪、时机和连续性。这不是一个严格的语法要求。这是一种防止重要决策消失的方法。将提示写成连贯的视觉句子,但保持每个决策的可见性。仅在明显改善预期图像时添加技术或风格参考。单独的“电影感”太宽泛;“克制的自然主义摄影,具有浅景深和柔和的侧光”传达了更可用的方向。
在生成之前,先用一个简单的检查表测试提示。主题应该是可识别的。动作应该是物理上可以理解的。环境应该提供意义,而不仅仅是填充背景。相机应该有一个明确的视角和运动。照明和调色板应该强化情感基调。序列应该有一个可管理的事件数量。任何参考都应该有明确的目的,重复的元素在镜头之间应该保持一致。
在生成后,评估运动和静止,而不仅仅是第一帧。检查主题是否保持其身份,物体是否表现得合理,运动是否具有可读的节奏,以及相机是否以有用的构图结束。您可能需要生成多个变体并选择最强的方向,但每次修订都应该解决一个特定的视觉问题。目标不是使提示更长。目标是使每个视觉选择都是有意的。
课程检查点
巩固所学知识,获取作业反馈。