10 个文本转视频提示，用于更强大的 AI 短片

增加更多细节并非改进文本到视频提示词的最佳方法。一旦你指定了主题、动作、构图和光照，额外的指令可能会引入相互冲突的要求：镜头在角色转身时环绕，天气变化，以及产品在开场构图尚未稳定之前就变形。

这并不意味着模型局限性会随着提示词写得更好而消失。某些动作仍然不可靠，并且再多的电影化形容词也无法保证稳定的手部、准确的物理效果或跨镜头的人脸匹配。但你可以通过选择适合任务的提示词格式，让失败更容易诊断。

一个展示广阔视野的开场镜头需要连贯的地理环境和克制的镜头运动。一个产品预告片需要稳定的几何形状和受控的反射。一个对话场景要求可读的表情、清晰可懂的语音以及与音频同步的嘴部动作。

将提示词视为一个镜头简报，而非一个微型剧本。描述观众必须看到什么，然后为模型执行留出空间。

下面可复用的格式将这些要求区分开来。每个都包含可调整的措辞、一个生产用例，以及当结果看起来吸引人但不起作用时的一种迭代方法。

只要你的界面允许，就将技术设置与描述性语言分开。通过控件设置长宽比、时长、分辨率、音频和种子，然后使用提示词来描述镜头。否则，你可能会花费大量时间才发现系统忽略了埋藏在文字中的设置。

目录

• 1. 电影开场镜头（航拍或风景）
  • 先确定地理位置，再增加戏剧性
• 2. 产品展示广告或品牌标志揭示
  • 营造氛围，保留品牌资产
• 3. 角色对话场景，带同步音频
• 4. 动漫或风格化动画场景
  • 测试动作时保持风格不变
• 5. 自然或城市过程的延时摄影
  • 描述状态而非精确时间戳
• 6. 科学或过程可视化
  • 在润色前审查机制
• 7. 竖屏短视频 (9:16)
  • 测试吸睛点，无需更改整个广告
• 8. 食物或饮料特写慢动作
  • 选择一个你可以检查的动作
• 9. 音乐视频或抽象动态可视化
  • 在剪辑中建立节奏
• 10. 黑色电影或戏剧性灯光场景
  • 将身份和灯光结合起来
• 提示格式一览
• 将这些文本转视频提示付诸实践
  • 带着具体问题进行迭代
  • 将结果视为素材进行评判

1. 电影定场镜头 (航拍或风景)

从地理位置开始，而非奇观。纪录片开场或旅行蒙太奇需要一个观众能理解的地点，具有清晰的前景、背景和行进方向。

可复用格式

[场景]的广阔航拍视角，[前景特征]引向[背景特征]。摄像机以恒定高度缓慢向前滑行。[时间与天气]，[光照]，自然电影色彩。

对于旅行开场，可以尝试：

崎岖海岸线的广阔航拍视角，一条蜿蜒的沿海公路通向远处的悬崖。摄像机在水面上方缓慢向前滑行。午后阳光，轻微海雾，柔和的蓝色水面，自然电影色彩。

在增加戏剧性之前修正地理位置

在整个片段中观察海岸线和道路。如果它们的形状发生变化，即使开场画面看起来很棒，该镜头也无法作为定场镜头。

• 简化运动： 用向前滑行取代环绕或下降式揭示。
• 分离光照测试： 比较温暖的阳光与阴天漫射光，同时不改变场景。
• 检查远景细节： 建筑物、船只和道路标记可能会合并或意外出现。

这种格式非常适用于虚构地点、氛围电影和概念素材。它不能很好地替代纪录片证据或精确的房地产位置镜头。当特定房产很重要时，应从授权的位置图像开始，而不是仅仅依靠文本来重建它。

2. 产品展示广告或品牌标志揭示

一张优质的产品照片通常取决于克制：稳定的轮廓、精心设计的亮点以及不与物体争夺注意力的背景。复杂的变换会使所有这些都难以保留。

产品提示词

工作室特写：一个封闭的哑光黑色无线耳机盒放在一个浅色反光表面上。盒子缓慢旋转，相机保持固定。柔和的顶灯照明和一道窄窄的轮廓光勾勒出其弯曲的边缘。干净的背景，克制的广告美学。

标志背景变体

柔和的琥珀色光粒子聚集在一个深木炭色背景的边缘。中心保持清晰且视觉上安静。轻柔的运动，微妙的光泽，精致的品牌宣传片美学。

营造氛围，保留品牌资产

将这些用于营销活动概念、代理商提案影片或真实产品照片的背景。不要要求生成的标志揭示重现已批准的文字、包装声明或法律文本。在你的编辑器中添加这些资产。

材料描述比一堆奢华形容词更重要。拉丝铝、半透明塑料和磨砂玻璃各自暗示着不同的反射效果。

如果产品在旋转过程中改变形状，请停止旋转。尝试使用一个带有移动高光的静止物体，或者通过图像转视频来动画化一张已批准的产品图片。发布前，检查接缝、铰链、反射和任何可见标记。一个看似合理的产品不一定是你销售的产品。

3. 角色对话场景带同步音频

当台词是场景核心时，使用此格式：叙事反应、解释性介绍，或直接面向镜头的社交钩子。在将对话写入请求之前，请确认所选模型和 endpoint 支持生成音频。

可复用格式

[角色] 在 [场景] 中的中景特写。角色以 [声音描述] 的方式，带着 [情感] 说出 [简短台词]。微妙的面部动作，稳定的镜头，[灯光]。[安静的环境音]，声音清晰地置于前景。

一个咖啡馆场景可以这样描述：

一个疲惫的旅行者坐在被雨水打湿的咖啡馆窗边，中景特写。她用低沉、克制的声音说她知道他会回来，话语中带着一丝解脱。温暖的室内光线，稳定的镜头，柔和的雨声环境。

在模型的对话字段或支持的对话语法中输入确切的台词（如果可用）。

音频优先： 如果观众必须理解台词，简化周围发生的一切。

在测试语音时，让角色保持坐姿或站立不动。走路、转身、操作道具和同时说话会增加可见不匹配的机会。

分别评估声音、唇部动作、表情和背景音。好的声音表现无法挽救游离的表情，准确的唇部动作也无法挽救难以理解的台词。如果语音仍然不可靠，生成一个无声表演，并使用专门的唇形同步工作流程添加录制好的对话。这会增加编辑工作，但能让你对发音和表达有更强的控制。

4. 动漫或风格化动画场景

风格化为你提供了简化细节的空间，但这并不能成为动作不一致的借口。一个角色的外套变色或双脚在路面上滑动，仍然会破坏镜头。

对于动画社交系列，构建一个可重用的风格块：

手绘动漫美学，清晰的赛璐珞着色，精致的轮廓，柔和的粉彩调色板，带有轻微纹理的背景。

然后附加场景：

一位穿着黄色雨衣的年轻女子沿着一条宁静的樱花小路行走。一个侧向跟踪的摄像机以步行速度跟随她。花瓣在背景中飘落。她的雨衣始终保持黄色。

在测试动作时保持风格固定

在整个项目中重复使用未更改的风格块。在将行走、抬头或暂停组合成更长的序列之前，分别进行测试。

构图控制值得单独审查：T2V-CompBench 评估七种不同的能力，包括一致的属性绑定、空间关系和对象交互。对于这个场景，这意味着检查外套颜色和角色的位置，而不仅仅是判断艺术作品是否吸引人。

如果身份在剧集之间很重要，请使用带有图像到视频的批准参考帧。文本描述可以建立一个通用的角色概念，但它们不是可靠的角色设定表。在早期的动作测试中，不要加入复杂的织物图案和配饰，只有当它们对设计至关重要时才添加。

5. 自然或城市进程的延时摄影

一个令人信服的延时摄影需要一个稳定的背景，观众可以从中观察到变化。固定相机，让云朵、光线、交通或植物移动。

可复用格式

• [场景]的固定广角视图。延时摄影从[起始条件]进展到[结束条件]。[变化元素]移动，而[稳定地标]保持其形状和位置。三脚架稳定构图，连续过渡。*

用于纪录片过渡：

• 沙漠峡谷的固定广角视图。延时摄影从明亮的下午进展到温暖的日落。云朵划过天空，阴影在岩石上拉长。峡谷壁保持其形状和位置。连续光线过渡，三脚架稳定构图。*

描述状态而非精确时间戳

精确的时间语言并非可靠的控制机制。在temporal-control study中描述的Wan 2.1实验中，添加明确的时间语言略微降低了时间准确性，从65%降至64%。

相反，请给模型一个清晰的起始状态、可见的变化和结束状态。如果过渡发生得过于突然，请在延长片段之前简化所请求的变化。

• 对于氛围感镜头： 云朵和变化的光线可以在没有额外动作的情况下支撑整个镜头。
• 对于背景循环： 优先选择具有相似起始和结束构图的重复运动。
• 对于不可逆变化： 将开花、融化和建造视为序列，而不是自动可循环的片段。

在你的编辑器中修剪不稳定的开头和结尾。速度调整可以改善节奏，但它无法修复弯曲的建筑物或失去结构的鲜花。

6. 科学或流程可视化

看起来很专业的画面也可能完全错误。使用文本生成的视频来传达经过审阅的概念，而不是用来确定概念是否科学准确。

对于一个过滤过程的解释，请保持机制可见，并缩小其适用范围：

流程提示

水流穿过多孔过滤层的示意性剖面动画。水从左侧进入，穿过材料，从右侧流出。较大的悬浮颗粒留在入口侧。固定侧视图，组件之间清晰分离，中性背景，无嵌入式标签。

这段提供的视频可以作为流程简介的观看参考：

在润色之前审查机制

对于一个教育模块，在判断动画的灯光或纹理之前，请将其与批准的图表进行比较。检查流向、组件边界以及所描绘的机制是否与解释相符。

• 隔离步骤： 展示传输、分离或释放，而不是一次性要求整个系统。
• 之后添加标签： 在编辑器中放置箭头、术语和解释性文本。
• 提高准确性要求： 当几何形状和行为必须精确时，使用受控动画或模拟。

示意性风格有助于观众区分简化解释和观察性画面。它并不能让不正确的流程变得可接受。

如果粒子越过了错误的边界，不要继续使用更具装饰性的语言来重新生成。改变视觉结构，使用参考图，或者在动画软件中明确地构建该运动。

7. 竖屏短视频 (9:16)

从有趣的动作已经可见处开始。缓慢地靠近咖啡杯可能适合品牌宣传片，但这会浪费移动端短视频的开头。

短视频提示词

竖屏构图。特写镜头，蒸汽牛奶已倒入深色意式浓缩咖啡中，形成心形图案。咖啡杯占据画面中心，上方留有整洁空间，用于添加标题。温暖的咖啡馆灯光，固定机位，诱人的自然色彩。

在生成控制中也要设置竖屏宽高比。仅凭描述性文字可能无法改变输出尺寸。

测试短视频开头，无需更改整个广告

对于咖啡馆促销，可以将正在形成的拿铁艺术与围绕升腾蒸汽或成品咖啡杯滑入画面的替代开头进行比较。保持字幕、优惠和剪辑一致，以便解读观众反应。

在自动化批量处理之前，使用视频 API 定价比较来规划探索替代方案的成本，而不是只为最终片段做预算。

为界面叠加层、字幕和行动号召预留空间。在实际手机上检查裁剪效果，尤其当手或倾倒容器靠近画面边缘时。

生成的倾倒画面可能看起来很逼真，直到液面高度变得不合理。如果发生这种情况，请使用最精彩的部分作为简短的开头，并剪接到真实素材。不要将一个吸引人的片段拉长成完整的演示。

8. 慢动作食物或饮料特写

食材应表现出其固有的特性。蜂蜜会拉丝，气泡水会散成水滴，而浓稠的巧克力则会以不同于前两者的方式折叠。在描述氛围之前，先明确材质和动作。

可复用格式

• [食材] [特定动作] 到或进入 [表面或容器] 的微距特写。慢动作呈现，[光照方向]，[背景]，固定机位，细节纹理。*

适用于甜点推广：

• 浓稠的黑巧克力以连续的丝带状倾泻覆盖在一勺香草冰淇淋上的微距特写。慢动作呈现，暖色侧光，深棕色背景，固定机位，巧克力光泽纹理和冰淇淋柔软细节。*

漂亮的飞溅是很有用的广告图像。但这并不能证明模型理解流体物理学。

选择可检查的动作

从连续的倾倒或滴落开始，而不是直接要求爆炸式飞溅、水果破碎或餐具互动。背光可以将半透明液体与深色背景分离，而侧光则使较稠的食材更容易辨认。

检查液体的来源，容器是否合理地被填充，以及水滴是否不自然地重新连接。还要检查食物本身：一个反复改变形状的冰淇淋勺可能会分散人们对原本出色的倾倒动作的注意力。

如果动作失败，减少摄像机移动并移除蒸汽等次要效果。对于品牌作品，将真实包装合成到最终编辑中，而不是依赖生成的标签。

这种格式适用于激发食欲的插页和营销概念。当视频必须准确展示准备过程、份量或产品性能时，请使用真实素材。

9. 音乐视频或抽象动态视觉效果

抽象素材赋予你更多自由，因为观众不需要字面意义上的地理位置或一致的面孔。你仍然需要视觉上的严谨性，尤其是在将片段组合成一个连贯的作品时。

视觉效果提示词

半透明的几何丝带围绕着一个中央发光球体折叠，以炭黑色背景为衬。深紫色和电青色调色板，光滑的表面，平滑连续的变形，固定正面视角。宽广、内敛的电子音乐氛围。

对于环境音乐，将光滑的几何形状替换为柔和的渐变和漂浮的光线。对于更激烈的乐段，锐化形状并增加对比度，而不是引入不相关的视觉风格。

在剪辑中构建节奏

除非工作流程明确接受并根据音乐进行条件处理，否则要求与节拍同步的运动将无法建立可靠的同步。生成可用的运动，然后根据实际音轨在 DaVinci Resolve 或 Adobe Premiere Pro 中放置剪切、速度变化和重音。

• 保持调色方案一致： 在所有片段中重复使用相同的颜色和表面描述。
• 预留文本空间： 如果歌词或发布信息将出现，请留出安静区域。
• 控制强度： 避免意外闪烁，并在发布前检查快速对比度变化。

如果结果缺乏明确形状，请指定一个中心形式和可重复的运动：围绕、折叠、膨胀或流动。如果感觉过于机械，请在保持构图固定的同时，放松变形。

这种格式特别适用于舞台背景、发布预告片和歌词视频底板，因为你可以组合出有力的片段，而无需假装它们构成一个字面意义上的连续场景。

10. 黑色电影或戏剧性灯光场景

灯光可以在没有复杂动作的情况下，支撑起一个富有戏剧性的镜头。一个在强光下的静止角色，通常比在拥挤、被雨水浸湿的街道上追逐，更能带来有效的紧张感。

黑色电影提示词

夜晚，潮湿空旷的街道上的黑白侦探场景。一名身穿深色大衣的侦探站在一盏稳定的路灯下。强烈的顶灯在人行道上形成一片明亮的光池，并在其外围投下深邃的阴影。摄像机缓慢推近。细雨映着灯光；侦探一动不动。

保持身份和灯光的一致性

这可用于短片情绪测试、游戏电影宣传或戏剧性预告片插入。在早期测试中保持灯光稳定。闪烁的灯光、移动的阴影、雨水和摄像机运动结合在一起，会使识别不稳定因素变得更加困难。

视频生成方法和挑战调查将时间连贯性、语义对齐和纹理一致性确定为持续存在的问题。对于一个序列，请检查跨镜头边界的面部、大衣、灯光方向和动作状态。

如果您正在围绕参考帧构建工作流，统一文本、图像和视频 API 指南提供了连接这些阶段的集成上下文。

当身份出现漂移时，从独立的文本生成切换到带有锁定参考的图像到视频生成。雨水和黑暗可以柔化分散注意力的背景细节，但它们无法修复一张不断变化的脸。首先匹配角色，然后完善氛围。

提示格式一览

使用此表格将提示格式与其用途和可能的弱点进行匹配。片段长度是实用的起始点：确保每个镜头都集中在一个清晰的动作上，然后根据您的剪辑节奏进行调整。

将这些文本转视频提示投入使用

选择与交付物匹配的格式，而不是最令人印象深刻的演示。产品发布需要可识别的几何形状和预留的品牌空间。教育动画需要正确的机制。叙事插入需要稳定的表现，以衔接周围的镜头。

编写最简单的提示来传达这些要求，然后生成模型能展现出这种控制的种子变体。不要从一次孤立的失败来评判整个系统，但也不要一直购买过度加载镜头的变体。围绕同一动作的重复失败是改变工作流程的原因。

带着具体问题进行迭代

修改提示以回答一个制作问题：固定摄像机能否保留产品？侧光能否展现纹理？移除手势能否改善对话表现？

在测试措辞时，尽可能保持模型、设置和种子不变。一旦镜头表现符合预期，探索种子变体以找到更强的构图。种子是兼容设置中的比较辅助工具，而不是跨模型的可移植身份控制。

对于应用团队，将描述性字段与技术参数分开存储。主题、动作、环境、摄像机和风格应保持可编辑，而无需重写整个请求。将最终提示与模型标识符、设置、任务状态和选定输出一起保存，以便您可以重现工作流程并调查回归问题。

将结果视为素材进行评判

在检查单个帧之前，以正常播放速度观看。然后检查关键时刻：物体之间的接触、说话的嘴巴、产品转动或角色穿过画面。即使光线极佳，也要拒绝那些未能达到实际要求的片段。

在整个项目中重复使用成功的灯光、摄像机和风格模块。也要记录失败模式，例如不稳定的文字、不可靠的倾倒或转弯时的身份漂移。这些笔记可以帮助您决定何时切换到参考图像、受控动画、合成或真实素材。

为了运行这些工作流程，UberLLM 的推理市场通过与 OpenAI 兼容的 API 将请求路由到可用的视频模型。我们推荐 Kling 3.0 Standard 作为起始模型；视频作业会返回一个任务，您可以轮询或通过 webhook 接收，并且响应会在生成开始前说明最高费用。一个 720p、五秒钟的无声 Kling 3.0 Standard 文本转视频片段费用为 $0.32，而 kie.ai 上为 $0.35，并且失败的生成不收费。

实际目标不是最长的提示或最精美的片段。它是可用的素材，具有从简报到结果的可重复路径。

---

UberLLM 将基于提示的视频生成与异步任务跟踪和支持的媒体工作流程中的预付余额连接起来。访问 UberLLM] 以测试本指南中的格式，比较输出，并集成适合您应用程序的工作流程。