提示词就是新剧本:AI 如何重写了视频写作(2026)
一百年来,”视频写作”只有一种形态:一份由人来表演的文档——场景标题、动作行、台词,导演自律的话再加一份分镜清单。2026 年,出现了第二种视频写作:一份由机器来执行的文档。AI 视频提示词借用了剧本的骨架(发生什么、按什么顺序),又吸收了导演分镜单(怎么取景、怎么打光、什么节奏),把两者熔成一个物件,交给模型直接渲染。它不是咒语,也不是搜索查询。它是新的创作原语——一份可执行的创意文档。
要点速览: - 提示词是剧本与导演指令的混合体:把编剧、导演、摄影三个角色压缩进同一份文档,围绕七要素组织——主体、运动、运镜、构图、灯光、风格、节奏。 - 视频写作走过三个时代:剧本 → 分镜/分镜单 → 提示词。每一步都让创作意图离最终画面更近,”我写的”和”你看到的”之间的翻译损耗更小。 - 提示词的行为像代码:可以编译(渲染)、可以调试(一次改一个要素)、可以分支(做变体)。所以”提示词工程”更接近导演工作,而不是文案写作。 - 历史对照是默片到有声片的转变:有声片来了,学会写台词的字幕作者成了片场最值钱的人。适应者没有失去手艺——他们得到了新乐器。 - 技能树正从”文笔流畅”转向参数化思考:你不再描述一个场景,而是精确规定它——并学习每种模型的方言,把规定说得漂亮。
视频写作是怎么从剧本走到提示词的?
每一代视频写作,都由”写下来的那页纸能控制多少最终画面”来定义。
| 时代 | 写作产物 | 谁来翻译 | 翻译损耗 |
|---|---|---|---|
| 经典影视 | 剧本(台词+动作) | 导演、摄影指导、剪辑 | 巨大——一页纸要经过几十个人的解读 |
| 广告/MV | 剧本+分镜+镜头清单 | 制作团队 | 中等——画面画出来了,执行仍是手工 |
| 早期生成(2023–2024) | 一句话提示词 | 模型的想象力 | 失控——意图和输出几乎不相关 |
| 提示词时代(2025–2026) | 结构化提示词:七要素+模型方言 | 模型直接渲染 | 小——而且这个差距可以调试 |
方向非常清楚:写下来的文档不断吸收下游的角色。先吸收了分镜(你描述画面,而不是画出画面),再吸收了镜头单(运镜和节奏变成文字),现在又开始吸收选角、灯光设计和剪辑节奏的一部分。当创作意图与执行说明塌缩到同一页纸上,剩下的那个东西就是提示词。
提示词到底是什么——如果不是搜索查询?
最常见的误解是把提示词当作”向 AI 要一个视频”,像向搜索引擎要一个网页。现实是:提示词是一份可执行的创意文档——更接近带机位指示的拍摄剧本,而不是一句请求。
三个性质让它”可执行”:
- 它能编译。喂给模型就得到渲染结果。语法错了不会报错——而是安静地渲染出错误的东西,这正是提示词调试(症状 → 要素 → 每次渲染只修一处)是一门真功夫的原因(提示词调试指南)。
- 它能分支。一条提示词长成一棵变体树:只改灯光那一句,其余不动,对比结果。这是生成时代的”多保一条”。
- 它有方言。同样的结构对不同模型要用不同说法——可灵要先写运动,海螺偏向材质质感,Veo 有音频块的空间(同一提示词在可灵、Runway、Sora 上为何渲染不同)。提示词是用*模型方言*写的,不是用纯正英文写的。
方言之下是一套稳定的语法——七要素。主体:谁或什么。运动:物理上发生了什么。运镜:镜头怎么动。构图:东西在画面哪里。灯光:什么光、什么情绪。风格:视觉语域。节奏:步调与时长。这套语法就是新的格式标准,就像场景标题和括号提示之于剧本。
剧本变成提示词,长什么样?
感受这个转变最快的方法,是把同一个场景翻译两遍。先看剧本版:
INT. TRAIN STATION - NIGHT
Rain hammers the glass roof. MAYA (30s, soaked coat) scans
the empty platform. A train's headlight sweeps across her
face. She sees someone step out of the shadows.
MAYA
You came.
He doesn't answer. The train roars through without stopping.
同一拍戏,写成结构化提示词:
Subject: a woman in her 30s in a soaked wool coat, standing alone
on an empty train platform at night; a figure emerges from shadows
at the far end.
Motion: rain hammering a glass roof; the woman scanning left to
right; the figure stepping slowly out of darkness; a train roaring
past without stopping, its light sweeping across her face.
Camera: slow dolly-in on the woman, then a slight pan to the
figure; handheld micro-shake.
Composition: wide platform framing, woman on the left third,
figure small at the right edge; negative space between them.
Lighting: cold sodium-vapor practicals, hard headlight sweep,
wet reflections on concrete.
Style: neo-noir realism, desaturated blue-teal grade, fine
film grain.
Timing: 8 seconds, slow build, single sustained take, cut on
the train's arrival sound.
剧本把画面留给上百个人类决定。提示词预先做完这些决定——而这正是要点。注意消失了什么:台词(长对白的口型同步仍是模型的短板)、内心活动、背景故事。注意出现了什么:构图的数学、光的色温、以秒计的时长。提示词是一份已经替导演和摄影指导想过一遍的剧本。
再看一个日常量产用的紧凑例子——产品亮相被压缩成七要素:
Subject: matte black wireless headphone on a rotating stone slab.
Motion: slow rotation, dust motes drifting, a thin ribbon of
steam curling upward.
Camera: macro lens, slow 30° orbit, shallow depth of field.
Composition: product centered low, dark negative space above.
Lighting: single hard key from upper left, cool rim light.
Style: premium minimalism, matte textures, subtle grain.
Timing: 5 seconds, seamless loop.
这就是职业创作者每天产出几十条的东西——也正因如此,提取工作流才重要:看到一段*结构*成立的片子,你可以反推它的七要素,改写成自己的场景。借骨架,不偷像素(反推视频提示词)。
默片的转变教会了我们什么?
1920 年代末有声片到来时,一整门手艺——默片字幕写作——一夜之间显得过时。默片字幕是一层翻译:把情绪和剧情压缩进画面之间的文字卡片。声音去掉了这一层。
但写作没有死,而是裂变了。把台词当作”只是字幕”的作者被录音技术淘汰。懂*节奏、潜台词、说话方式*的作者成了好莱坞最值钱的人——因为声音放大了一句写下来的话能做的事。手艺靠吸收新能力活了下来。
提示词的转变押着同样的韵。我们这个时代的”字幕”,是 2023 年那种粗糙的一句话提示词——人类意图与机器输出之间的一层翻译,随着每一代模型变得更薄。赢的人不是拒绝新层的人(”真正的编剧写剧本”),也不是崇拜新层的人(”是模型在写作”),而是把提示词当作同一门手艺的新乐器的人:把意图组织起来、规定得足够精确,让机器第一遍渲染就能演对。
这个对照也在警告我们:有声片杀死的是*风格*,不是写作。默片时代的技法(纯视觉叙事、肢体节奏)没有消失——它们成了跨越有声片的卓别林和基顿的超能力。同理,编剧的基本功——节拍、张力、递进、反转——原样迁移到提示词里。变的只是记谱法。
编剧和导演该怎么重建技能树?
如果提示词是新剧本,那么可迁移技能和该淘汰的东西,和多数人想象的不一样。
保留(原样迁移): - 故事感:节拍、递进、转折——只要你规定清楚,模型会忠实渲染结构 - 视觉想象力:知道一个镜头*应该*长什么样,现在占工作的八成 - 克制:提示词奖励好剧本奖励的同一种压缩——每个从句都要挣到自己的位置
新增(新的读写能力): - 要素素养——用主体/运动/运镜/构图/灯光/风格/节奏思考,而不是用散文段落思考(七要素方法论) - 方言意识——同一个场景为不同模型改写 - 调试纪律——每次渲染只改一个要素,先诊断症状,而不是整篇重写 - 多镜头结构——在提示词层面规划镜头切换与连续性,而不只是单个主镜头(多镜头提示词)
放弃(只是翻译的残留物): - 靠人类摄影指导脑补才能成立的模糊抒情 - 对渲染结果没有任何影响的格式仪式 - 描述*情绪*的习惯——而你本可以规定产生情绪的光、节奏和取景
常见误解 vs 现实:”提示词会让写作技能变得不值钱。”实际上,每一次降低制作成本的创作转型都走向了反面——摄影没有杀死绘画,采样没有杀死音乐功力,桌面出版没有杀死设计。执行变便宜时,规定(specification)变昂贵。过去藏在”现场再说”里的判断,现在必须写下来,而把判断写下来,正是写作者的工作。
FAQ
提示词和剧本是一回事吗? 不是。剧本为人类表演者描述发生什么,把调度留白;提示词规定发生什么*以及*如何被渲染——主体、运动、运镜、构图、灯光、风格、节奏——交给模型执行。它更像剧本、镜头单和灯光方案的合体。
AI 提示词会取代编剧吗? 它取代的是*翻译工作*,不是故事感。能把场景参数化写清楚的作者变得更值钱,因为他们的意图可以一路存活到渲染。只产出”等别人来解读”的散文的人会掉队。
什么样的 AI 视频提示词真的有效? 结构胜过形容词。一个清晰的主体、物理性的运动动词、每个镜头一个运镜、一套灯光方案、一个锚定的风格、明确的时长。然后一次只调一个要素,而不是全部重写。
每种模型都要单独学吗? 语法(七要素)是共通的,词汇不是。多数写作者深入掌握一两种模型方言——可灵的运动先行、海螺的材质质感、Veo 的音频感知——再把结构迁移给其余模型。
编剧怎么练习提示词写作? 把写过的场景翻译成七要素提示词,就像本文做的那样。再把欣赏的成片提取出七要素,改写成自己的场景。结构可以复用,身份不能。
提示词就是新剧本——而和所有剧本改写一样:初稿解决结构,二稿解决风格:SocialToPrompt 把任何参考片变成结构化初稿,供你用自己的声音改写。
分享文章