视频 Prompt 工程完全指南(2026)
视频 Prompt 工程是这样一门手艺:通过刻意选择用词和结构,让 AI 视频模型精确渲染你意图中的镜头——控制主体、运动、镜头、构图、光线、风格与节奏。 它坐在创作方向和模型素养之间:既要知道画面该做什么,也要知道每个模型怎么解析语言。本篇讲原则、工作流和词汇表。
核心要点
- 视频 Prompt 工程 = 结构化描述 + 模型素养:七要素、按权重排序、用目标模型的方言表述。
- 与图片提示词不同,视频提示词必须管理时间:时长、节奏、镜头在时长内的行为。
- 最快的技能加速器是从已经成立的视频里提取提示词——读对的结构,胜过瞎写。
- 同一段提示词在 Runway、Kling、Sora 产出肉眼不同的视频;适配是手艺的一部分,不是旁门左道。
- 核心循环:指定 → 生成 → 诊断一个元素 → 修一个元素 → 重新生成。
视频 Prompt 工程是什么(不是什么)
一个可实践的精确定义:
视频 Prompt 工程,是把你脑中(或参考视频里)看得见的镜头,翻译成生成式视频模型能稳定渲染的文本。
三个推论,把它和”写句话、点生成”的民间认知区分开:
- 是工程,不是咒语。 质量来自完整、有序的规格说明——不是魔法词。
8K 杰作什么都不加;缓慢推近,地平线固定改变一切。 - 管理时间。 图片提示词描述状态;视频提示词描述时间线:什么先发生、持续多久、镜头何时相对动作移动。
- 模型相对。 每段提示词都是为某种方言写的。跨模型可移植的是结构层,不是词层。
科学背景——模型为什么这样解析提示词——见AI 是怎么”看懂”一条视频的;什么可以借鉴的边界,见借鉴与抄袭。
核心原则
1. 结构胜过词汇
每段视频提示词回答七个问题——主体、运动、镜头、构图、光线、风格、节奏——大致按此顺序。模型不会跳过缺失的要素,而是即兴补全,而即兴就是大路货。带示例的完整拆解见七要素框架。
2. 权重看位置
模型对提示词开头的读取重于结尾。你最高优先级的指令——电影感结果通常是运镜——放最前面,不要埋在第四句。前 20 个字按这个原则分配预算。
3. 指挥,不要赞叹
每个子句都应该是渲染器可执行的指令。”震撼美景”执行不了任何东西;”谷底积雾,阳光从左侧破云”执行一张具体的画面。一句话如果能出现在影评里,删掉它。
4. 一个运动层级
每条片段:一个主体主动作,最多一个次动作,镜头是独立轴,背景基本稳定。平级竞争的运动会产出那种一眼 AI 的、犹疑不定的抖动画面。
5. 方言不同,结构可移植
结构跨模型迁移,措辞不迁移。实证——同一段提示词、三条不同的视频——见同一段 Prompt 为什么在 Runway、Kling、Sora 完全不一样。法则:七要素不动,逐模型换说法。
三种工作流
工作流 A:从零写(空白页)
你脑子里有想法。套七要素框架,把关键指令前置,生成,然后跑诊断循环(见下)。适合:原创概念、脚本化内容。学得慢——练习期请搭配工作流 B。
工作流 B:从参考视频提取(加速器)
你有一条已经成立的片子。提取它的结构成提示词,换主体、换方言,生成。这条工作流把几个月的试错压缩成几天:你每天读的是结构正确的提示词,而不是猜。
- 把公开视频链接粘进视频转 Prompt 生成器 → 20–40 秒得到结构化提示词。
- 换主体,骨架保留。
- 按目标模型重新表述。
- 生成并与参考对比。
完整走查见如何从视频中提取 Prompt。从爆款片段到成片的全流程见2026 病毒视频转 AI 提示词工作流。
工作流 C:图片锚定(画面先行,运动其次)
用静图锁死构图,把整段提示词花在运动上。这是另一套方言、自己的公式:图生视频 Prompt 指南。
诊断循环(专业迭代法)
单发提示词是赌博,循环才是工程。每次生成之后,精确诊断一个出问题的元素,只修那个子句:
| 症状 | 失灵要素 | 定点修复 |
|---|---|---|
| 镜头不听指挥 | 镜头(及位置) | 镜头子句挪到提示词最前 |
| 动作收得太早/太赶 | 节奏 | 显式写时长:6 秒片段 |
| 场景跑色调 | 风格 | 加延续子句:全程保持调色 |
| 两个动作打架 | 运动层级 | 次要动作降级为背景 |
| 输出很空泛 | 主体 | 把模糊名词换成具体、有舞台感的名词 |
| 画面会动但没运动 | 运动 | 把形容词换成动词:荡起、漫过、弹起 |
每次生成改一件事。同时改两处,你就无从知道是哪个改动起了作用——而模型输出本身足够嘈杂,单变量纪律是唯一收敛之道。
提示词词汇表
在当代模型上稳定执行的术语:
| 词汇类 | 例子 | 控制什么 |
|---|---|---|
| 镜头运动 | 推近、拉远、左摇、上摇、环绕、轨道、跟踪、固定机位、手持 | 镜头轴 |
| 景别 | 大特写、中景、全景定场、过肩 | 画框 |
| 运动动词 | 荡起、漫过、弹起、滑行、摇曳、甩、落定 | 主体行为 |
| 光线 | 逆光、正午硬光、柔和窗光、轮廓光、仅实用光源 | 照明 |
| 调色/风格 | 35mm 胶片颗粒、低饱和青橙、高对比黑白、动画赛璐璐上色 | 审美 |
| 节奏 | 一镜到底、卡点切换、慢动作、延时、无缝循环 | 时间结构 |
词汇纪律:同一意图在所有提示词里复用同一个词。如果*推近*有时指慢速轨道、有时指快速变焦,你自己的库就不可读了——视觉风格库方法把一致的打标法固化了下来。
至于各模型的方言现状:Runway 吃镜头优先的简洁;Kling 吃自然语言的动作细节;Veo 和 Sora 吃一句叙事语境;Seedance(方言与参考视频转换)、Wan、Hailuo、Vidu、PixVerse 各有家风,值得拿同一段参考提示词逐一实测。
刻意练技能
- 先读再写。 从你所在细分里提取 20 条提示词。规律很快浮出来。
- 建测试电池。 三条固定的参考片(快剪、慢镜电影感、产品广告),任何提示词模板改动后都重跑——永远同样三条。
- 收藏失败。 “模型误读了什么、为什么”的日志,比高光合集值钱。
- 保持更新。 模型方言随版本漂移;每季度拿测试电池复测一次模板才靠谱。
系统化学习路径存在——prompt engineering 课程教相邻技能——但对这门具体手艺而言,上面的参考视频循环比任何教学大纲复利都快。
常见问题
什么是视频 Prompt 工程?
让 AI 视频模型渲染特定意图镜头的写作纪律——通过结构化、模型感知的语言控制主体、运动、镜头、构图、光线、风格与节奏。它把创作方向(知道要什么镜头)和技术模型素养(知道什么能执行)合在一起。
和图片提示词工程有什么区别?
图片提示词描述一个状态;视频提示词描述一条时间线。视频多出图片提示词没有的维度:时长、节奏、随时间变化的镜头行为、运动层级、剪辑结构——而且相对要控制的东西,提示词预算少得多。
需要编程或数学吗?
不需要。这是语言工作:精确的规格说明和迭代纪律。这里的”工程”指受控循环——一个假设、一次修改、一次测量——不是代码。
从哪个模型学起?
你每周都会用的那个。方言有别,但结构通用——先在一个模型上掌握七要素,再移植。换模型时最快的定向材料是跨模型对比。
多久能写好?
配合提取工作流(B),几天就有实用能力:你改的是正确结构,不是发明结构。空白页的流利度更慢——通常需要几周带诊断循环的刻意练习。
模型变强会让视频 Prompt 工程过时吗?
每一代模型都更忠实执行指令,这抬高的是好提示词的天花板——规格说明不会消失。简化的是语法,留下来的是方向:准确知道镜头必须做什么。
作者:SocialToPrompt 内容团队。2026 年 10 月更新。把指南用起来——socialtoprompt.com 上提取、适配、生成、迭代,免费注册积分起步。
分享文章