首尾帧提示词:把镜头牢牢控住(2026)
2026 年 AI 视频有个不体面的秘密:镜头的中段是最容易的部分。Seedance 2.5、Sora 2、Veo 3 和可灵 4.0 都很乐意在两个端点之间渲染出八秒貌似合理的运动——前提是你告诉它们端点是什么。大多数人没告诉。他们描述场景和情绪,然后重跑四次,指望镜头”自己到位”。
解法是动画行业最古老的手艺:先定第一帧,先定最后一帧,中间交给模型。关键帧思维比 AI 早了一百年——原画先摆姿势,中间张后补。提示词同理,而 2026 年的工具已经跟上:越来越多的模型接受显式的首帧和尾帧图像;即使在纯文字生成里,把第 0 帧和末帧各写成一句话的提示词,也会显著收紧中间产出的一切。
先划清边界,因为每周都有人问:这不是多镜头连贯性问题。连贯性讲的是同一个角色跨片段保持一致;这篇文章讲的是一个镜头、两个帧——它们决定了你的片段是”有意图”还是”只有运动”。先拿下这个技能,它更便宜。
为什么首尾帧决定整个镜头
没有声明端点的生成有三种失败模式,全都长在边缘上:
- 开场疲软——前两秒在主体出现之前瞎逛。在 TikTok、Reels、Shorts 上,钩子*就是*第 0 帧。第 0 帧无聊,就没人看到第 20 帧。
- 结尾死掉——片段戛然而止,或者主体慢慢漂出势头。末帧是你的封面图、循环点和剪辑点。随机结尾把三样全浪费了。
- 动作弧线断裂——动作开头一个样、收尾另一个样,因为模型自己编了终点。
声明端点能同时治好三种。它还给你一项营销人的超能力:末帧是设计好的封面,最后一个姿势正好落在 CTA 卡片切入的拍点上。
写好第 0 帧和末帧
语法是一个”状态元组”。每个端点写四样东西:
主体状态(姿势、视线)+ 画面中的位置 + 镜头/景别 + 光线注记
然后用一条弧线把它们连起来。以一个 6 秒的倒水镜头为例:
- 第 0 帧:”空马克杯放在台面上,她的手在杯子上方握着水壶,视线落在杯上,中景,暖色侧光。”
- 末帧:”杯子满了、升起蒸汽,水壶放在一旁,她的视线抬向镜头,特写,同为暖色侧光。”
中间只需要一个动词:”她倾斜水壶倒水,一道缓慢稳定的水流,0–3 秒内完成。”端点加一个弧线动词,胜过两段场景描写。
三个让端点站得住的句式习惯:
- 直接写”以……开始”和”以……结束”。模型把它们当硬约束,不当风味。
- 用从-到动词。“从双手背后到产品举至胸前高度”七个词交代了整个镜头。”从全景建立到紧凑特写”、”从蒸汽到静止”同理。
- 不变量要写成不变。两端的光线、服装或色系相同,就写一次(”全程同为暖色侧光”),免得中段自己发明一个变色。
图像关键帧:当模型接受首尾帧
2026 年多条管线接受起始图,而且越来越多接受末帧图作为条件。有效的做法:
- 两端都刻意生成或拍摄。第 0 帧用你自己的产品照,末帧用一张摆好的静帧。用 GPT-Image-2 或 Midjourney V8 渲出你想要的那两帧、再让视频模型补中间,成本很低。
- 文字里也要描述这两张图。图像条件很强但不是绝对的;一行字把两帧各说一遍(”起始图:杯子空着,手举起;末帧图:杯子满了,视线看向镜头”),抓力翻倍。
- 写中间张,不写场景。挂上两张图之后,提示词的工作是*之间的部分*:速度、弧线、什么在变、什么不许变(”机位固定;只有水壶和水在动”)。
- 盯住接缝。如果模型在结尾把道具变了形,说明末帧图描述不足——把它的不变量在文字里再写一遍。
即使你现在用的模型只吃文字,也按有关键帧的方式写。这套文字纪律在你换模型那天直接带走。
七个镜头要素 = 首尾配对
端点思维把站内七要素变成成对的值——每个要素各写一个”第 0 帧”和”末帧”:
| 要素 | 第 0 帧 | 末帧 |
|---|---|---|
| 主体 Subject | “空杯,她的视线落在杯上” | “满杯带蒸汽,她的视线看向镜头” |
| 构图 Framing | “中景,杯子在下三分之一” | “特写,杯子和脸占满画面” |
| 镜头 Camera | “固定机位,平视” | “推近完成,稳住不动” |
| 动作 Motion | “水壶抬起到位” | “水壶放下,蒸汽升起” |
| 光影色彩 Light & color | “暖色侧光,杯子接住高光” | “同为暖光,蒸汽在光里发亮” |
| 节奏 Timing | “0–2s:水壶抬起” | “5–6s:收住,视线抬起,定 0.5 秒” |
| 声音 Sound | “水壶抬起声,安静底噪” | “倒水结束,一声陶瓷轻敲,静默” |
先填这张表再写散文,提示词自己就出来了。注意声音一行:收在设计过的音频拍点上,是末帧”看起来有意为之”的一半原因。
三个可直接复制的模板
1. 端点明确的产品瞬间(9:16,TikTok / Reels / Shorts)
以……开始:空玻璃壶居中放在胡桃木桌上,一只手从右侧入画、握着柑橘榨汁器,
中景,平视,暖色晨光。
5 秒内:手压下半个橙子,果汁以缓慢稳定的水流注入壶中,
镜头从中景轻柔推近到中近景。
以……结束:壶中果汁至三分之一,榨汁器放在一旁,手退出画面,
收在液面平静的特写上,同为暖色晨光,最后姿势定格 0.5 秒。
总时长 10 秒,9:16。除轻柔推近外机位固定;只有手和果汁在动。
声音:榨汁器轻响,液流声,收住时一声玻璃轻敲。照片级写实,无文字,无 logo。
2. 无缝循环片段(9:16,信息流留存)
首帧与末帧刻意一致:正面固定角度的复古台扇,扇叶匀速旋转,
米色墙面上的暖色午后光,中近景。机位锁死。只有扇叶在动,全程同速。
8 秒内,9:16:桌上一张纸在风里被吹起、落下两次,
节奏均匀到第 8 秒的画面可以和第 0 帧直接对接,无跳变。
始终回到起点:同角度、同扇叶相位、同光线。无缝循环。
声音:均匀柔和的风扇嗡鸣,可循环音底。暖色低饱和色系,细腻胶片颗粒。
3. 首尾帧条件生成(图生视频,12 秒)
在两张附图之间生成过渡。起始图:一把厨刀切到洋葱中间,
砧板全景,双手就位,冷色厨房日光。末帧图:洋葱已全部切成圆环,
刀平放在砧板上,双手停住,同为冷色日光。
两图之间:6 秒内完成稳定有节奏的切片动作,刀匀速起落,
洋葱一圈圈分离,镜头从全景缓慢推近到中景。
必须保持不变:同把刀、同双手、同块砧板、同为冷色日光与灰蓝色系,
不许变色,不许多出物件。总时长 12 秒,9:16。
声音:有节奏的切菜声,砧板敲击,室内底噪。照片级写实厨房,自然质感。
实操清单
- [ ] 第 0 帧写成状态元组:姿势 + 位置 + 镜头 + 光线
- [ ] 末帧同样写法,包括定格姿势
- [ ] 写出从-到动词标明弧线(”从 X 到 Y”)
- [ ] 两端的不变量声明为一致(光线、服装、色系)
- [ ] 末帧有意识地兼任封面/循环点/剪辑点
- [ ] 节奏行标明动作何时开始、何时收住
- [ ] 用图像关键帧时:两张图既附上、也在文字里描述
- [ ] 声音设计收在刻意的拍点上,不是随手淡出
常见错误(FAQ)
“端点都对,中段还是漂。为什么?”
通常是弧线动词缺失,或者不变量只出现了一次。如果杯子必须保持奶白色,”全程同为奶白色杯子”这句话也要写进中段。中段会漂向模型认为最”常见”的方向——要锚住它。
“末帧就要字面上等于我的封面图吗?”
对,而且这是整篇指南里杠杆最高的习惯之一。把末帧设计成你会当封面用的那张静帧,最后 0.5 秒定住姿势,封面图问题不用任何剪辑就消失了。
“文字端点和图像关键帧,哪个更强?”
支持图像关键帧的地方它更强,文字放之四海皆准,两者一起用最强。如果只能选一个习惯,选”用文字写第 0 帧和末帧”——它能跟你走遍今后所有模型。
“首尾帧控制也能做转场吗?”
它就是最干净的转场体系。片段 A 收在画面 X,片段 B 从画面 X 起——刀落定的静帧、一扇门、握着门把手的手——剪切就成了匹配剪辑。这是剪辑手艺,用提示词执行。
别再重跑中段了:声明每个镜头的两端,在 SocialToPrompt 生成你的镜头。
分享文章