如何写好 AI 视频提示词:一套可复用的七要素框架(2026)
一条好的 AI 视频提示词,按固定顺序说清七件事:主体、运动、镜头、构图、光线、风格、节奏。 每件写一句,把对你模型最重要的那句放开头,全文控制在 80 字以内。拉开”电影感”和”AI 味”差距的是这个结构,不是华丽的词。
核心要点
- 用七要素框架:主体 → 运动 → 镜头 → 构图 → 光线 → 风格 → 节奏。
- 顺序比用词更重要。 模型对提示词开头的权重最高。
- 写出镜头,而不是只写场景。 “缓慢推近……”永远胜过”电影感画面……”。
- 同一段提示词在 Runway、Kling、Sora 出的效果完全不同——要按模型适配。
- 不必从空白页开始:从已经成立的视频里提取提示词是学习好结构最快的方式。
七要素框架
所有视频提示词都在回答同样的七个问题。缺一个,模型就自己编——而它编出来的东西通常是大路货。
| # | 要素 | 回答的问题 | 示例片段 |
|---|---|---|---|
| 1 | 主体 | 画面里是谁/什么? | 穿黄色冲浪服的冲浪者 |
| 2 | 运动 | 主体在做什么? | 俯身钻进迎面的浪 |
| 3 | 镜头 | 镜头怎么动? | 慢动作,侧面跟踪拍摄 |
| 4 | 构图 | 主体在画面哪里? | 低角度,主体衬着开阔天空 |
| 5 | 光线 | 光在做什么? | 黄昏逆光,硬质轮廓光 |
| 6 | 风格 | 审美是什么? | 35mm 胶片,轻微颗粒,暖色调 |
| 7 | 节奏 | 怎么收尾? | 4 秒片段,一镜到底 |
用上表拼出的完整提示词:
穿黄色冲浪服的冲浪者俯身钻进迎面破碎的浪,慢动作侧面跟踪拍摄,低角度主体衬着开阔天空,黄昏逆光下浪花形成硬质轮廓光,35mm 胶片质感带轻微颗粒和暖色调,4 秒一镜到底。
十九个字的结构,打赢六十个字的形容词。注意里面没有什么:”电影级杰作”“超高清”“8K”——这类填充词只消耗你的提示词预算,不指挥任何像素。
书写顺序 vs. 阅读顺序
按上表顺序列要素,模型表现最好。但位置自带权重:如果这条视频成败在运镜上,就把镜头子句放到最前面(缓慢推近,画面里是……)。大多数模型对开头约 20 个字给的信号最强。
前后对比
弱提示词(大多数人写的):
一段电影感的冲浪视频,高质量,4K,漂亮光线,爆款风格。
同样的意图,套上七要素:
穿黄色冲浪服的冲浪者顺着浪壁横向切浪,从跟拍船上侧面跟踪拍摄,低地平线浪花铺满画面下半部,黄昏逆光穿透水雾,35mm 胶片质感暖色调,5 秒片段在转弯处切换。
改了什么:每个形容词都被换成了方向。”漂亮光线”什么也没告诉模型;”黄昏逆光穿透水雾”能产生具体画面,因为它就是具体指令。
适配你的模型(大多数提示词死在这一步)
框架是通用的,方言各不相同。同一段七要素提示词放进 Runway、Kling 和 Sora,回来是三条不一样的视频——因为每个模型被训练成对不同词汇加权。
你会实际遇到的差异:
- Runway 奖励简洁的镜头语言,对动作括号语法(
camera: slow push-in)响应好。 - Kling 能消化更长的自然语言描述,主体运动是它的强项——把字数花在动作上。
- Sora / Veo 响应叙事语境——多一句”这个场景是干什么的”能提高连贯性。
逐项对照分析见同一段 Prompt,为什么 Runway、Kling、Sora 出来完全不一样。经验法则:结构不变,词汇弯腰。
最快的进阶方式:向已经成立的视频学习
空白页练习效率太低。两个能压缩学习曲线的习惯:
- 先提取,再研读。 拿你喜欢的视频——爆款片段、广告、转场——提取它的提示词。读一百条结构正确的提示词,比写二十条更快内化语法。先看AI 是怎么”看懂”一条视频的,了解分析器到底在读什么。
- 建风格库。 按情绪和用途归档提取出的提示词,而不是收藏链接。归档系统见视觉风格库方法。
视频 Prompt 工程之所以成为独立学科,原因就在这:提示词能力是你每张模型订阅的乘数。
七个悄悄毁掉好提示词的错误
- 堆质量标签(
8K、杰作、最佳质量)——图片模型时代的残留;视频模型把本该用于指挥的预算花在了它们身上。 - 没有镜头子句——最常见的遗漏。场景写了,拍摄方式没写。
- 双主体无主次——两个都重要,就说清谁动谁定。
- 重点埋后——关键指令放第 60 个字,权重不如放第 5 个字。
- 负面提示写成段——用于抑制具体瑕疵(文字、水印)有效,写成一段反而和正面描述抢注意力。
- 不写时长——用描述 30 秒序列的提示词去生成 5 秒片段,出来的就是赶、乱切。
- 不迭代——一次生成只是草稿。每次重试只改一个元素,你才知道是什么起了作用。
这份清单的完整版(包括 90% 的人都在犯的那一条),见用 AI 做视频的 7 个常见错误。
一个可复用的模板
复制这个,填空:
[镜头运动] 对着/围绕 [主体 + 动作],
[构图],[光线],[风格/调色],
[时长 + 节奏]。
填好的例子:
镜头围绕摆盘中的甜点缓慢推近,
主体居中蒸汽升起,左侧柔和窗光,
温暖的 35mm 胶片调色,
5 秒一镜到底。
十秒填完,七要素齐全——整个框架就这么回事。
常见问题
AI 视频提示词应该多长?
40–80 字:长到够覆盖七要素,短到不让任何要素被稀释。超过 100 字,多半在堆形容词——把没有方向感的删掉。
什么样的提示词在技术上算”好”?
三个特性:要素齐全(不让模型即兴)、方向写在开头(最高权重位)、用词匹配目标模型的方言。其余都是审美偏好。
负面提示对视频有用吗?
少量有用。用来抑制具体瑕疵(不要画面文字,不要水印)。一整段负面描述会和你的正面描述抢注意力。
中文成片也要用英文写提示词吗?
多数模型是的——训练数据以英文为主,即使画面语言要中文,英文提示词也更稳。把画面内语言作为明确指令补上(对白为中文,英文字幕)。
能让 AI 替我写提示词吗?
可以——把参考视频喂给视频转 Prompt 生成器,得到的是结构完整的草稿,你的工作从”写”变成”改”。见如何从视频中提取 Prompt。
怎么判断提示词好不好?
同一个提示词跑三次。输出稳定、有指向、镜头行为符合要求 = 好提示词。结果天差地别 = 模型在即兴,说明七要素里有东西缺失或被埋了。
作者:SocialToPrompt 内容团队。2026 年 10 月更新。到 socialtoprompt.com 用真实视频练习这套框架——免费注册积分即可提取提示词。
分享文章