视频提示词怎么写？AI润色与画面描述方法

一个做家纺的运营，第一次写视频提示词的时候，把图片提示词的习惯直接搬了过来。她写了一长串形容：浅色系、柔和光线、棉麻质感、温馨氛围、细节清晰、构图干净。生成的视频画面确实干净，但整段看下来几乎没动，像一张会呼吸的静图。

问题不在形容得不够多，而在于她写的全是「状态」，没有写「过程」。图片提示词描述的是一个瞬间，视频提示词需要描述一段时间里发生了什么：镜头怎么移动，画面里的东西怎么变化，节奏是快是慢。少了这一层，系统只能把静态画面拉长。

这是视频提示词和图片提示词最本质的差别。图片提示词回答「这一帧是什么样」，视频提示词还要回答「这一帧到下一帧之间发生了什么」。多出来的这部分，就是时间维度。

这篇讲三件事：视频提示词和图片提示词的差别具体在哪几个地方，时间维度可以从哪几个方向去描述，以及怎么用青虎AI 的视频提示词润色功能把粗略描述变成可用的提示词。这里不承诺任何生成效果，画面质量受参考图和模型能力影响，提示词能做的是把意图表达得更清楚。

图1：图片提示词描述一帧，视频提示词还要描述帧与帧之间发生了什么

一、问题拆解：为什么图片提示词搬到视频上就不灵

第一个原因是缺时间轴。图片提示词里的「柔和光线」是一个状态，它不说明光在整段视频里有没有变化。视频提示词需要说明的是这个过程：光是从窗外慢慢移进来，还是一直保持稳定；镜头是固定不动，还是缓缓推近。

第二个原因是缺动作。静态形容描述的是物体长什么样，没有说它在做什么。视频里如果主体始终不动，画面就缺少变化。写提示词时补上主体的动作，例如产品被拿起、包装被打开、液体被倒出，画面才会有动态。

第三个原因是缺节奏。同样一段内容，镜头切换的快慢会带来完全不同的观感。节奏是视频独有的维度，图片提示词里不存在这个概念。写视频提示词时，如果完全不提节奏，系统只能按默认方式处理，结果可能和你想要的感觉差很远。

第四个原因是缺结构。一条十几秒的视频通常由几个画面组成，每个画面承担什么信息，提示词里如果不作区分，生成的画面容易平均用力，每段都差不多。把画面分一下段，说明前段是什么、中段是什么、结尾是什么，画面的层次会更清楚。

四个原因指向同一件事：视频提示词需要多描述一层「变化」。补上这一层，同样的商品图，生成出来的画面会有明显不同的动感。

还有一个不那么直观的原因：视频生成对提示词的容错空间更小。图片生成里，一句描述不到位，画面可能只是某个局部不理想，整体还看得过去；视频里，缺少时间维度的描述会让整段画面都停在同一个状态上，影响的是从头到尾的观感。这也是为什么同样的提示词习惯，在图片上问题不明显，搬到视频上就暴露出来。

这四种缺漏还有一定的出现顺序。大多数人先意识到缺动作，再意识到缺运镜，节奏和结构往往要做得更多次才会注意到。如果刚开始写视频提示词，从主体动作这一项补起，改动的成本最低，画面的变化也最容易看出来。

二、判断维度：时间维度可以从四个方向描述

时间维度的描述不是越多越好，抓住几个关键方向就够。下面四个方向覆盖了大部分需要表达的动态信息。

六项里，前四项是视频独有的，也是图片提示词最容易漏掉的部分。后两项图片提示词里通常已经写过，搬到视频上时确认一下它们在整段时间里是否需要变化即可。

方向定了之后，还要注意描述的粒度。运镜写「推近」比写「镜头有变化」有用；主体动作写「手持产品，缓慢转动展示侧面」比写「展示产品」有用。粒度越接近可执行的动作，生成的画面越贴近设想。

还有一点要提前想清楚：这四个方向不是都要写满。一条几秒的短版本，能把运镜和主体动作说清楚就够了；一条十几秒的长版本，才需要考虑节奏和画面结构。提示词的详细程度要和视频时长匹配。

方向的组合方式也值得留意。运镜和主体动作放在一起写，画面会更有层次：镜头推近的同时产品被缓缓转动，比只写其中一项更能体现动态。节奏和画面结构则更像两条约束，它们不直接描述画面内容，而是规定这段内容以什么方式展开。把这几个方向按「内容」和「约束」分开看，写的时候不容易混在一起。

三、操作步骤：从填写表单到生成提示词

把提示词这一步做得稳一些，用青虎AI 的视频提示词润色可以走四步。它的思路是先用结构化表单把必要信息填齐，再由系统补全专业描述。

图2：提示词调整的成本低于视频生成，值得先把这一步做扎实

四步走完之后，手上会有一条结构化的提示词。它比原始描述多了运镜、光影、构图和节奏这几层内容，这些正是图片提示词里通常没有、而视频生成需要的部分。

四、图片提示词与视频提示词的对照

把两种提示词的差别并排放着看，补哪一层就清楚了。下表按维度对照，右边一列是视频提示词需要额外说明的部分。

表里出现三次「不存在这个概念」，这三行是两种提示词差别最大的地方。把图片提示词直接搬到视频上，缺的正是这三层。

补的时候不必写得很长。一条几秒的版本，加一句运镜和一句主体动作就已经明显不同；长一点的版本再补节奏和分段。提示词的长度不是目标，把时间维度说清楚才是。

图3：三个「不存在」的维度，正是视频提示词需要补上的部分

五、把时间维度写具体的几种做法

时间维度说起来抽象，落到写法上有一些具体的做法可以参考。下表把常见的写法和它解决的问题列出来。

表里第一行最实用。用「从什么到什么」的方式描述变化，几乎适用于所有需要动态的场景。例如包装从闭合到打开、光线从侧面移到正面、产品从远处推到近处，这类描述写进提示词，画面的动态就有着落了。

第三行也值得多说一句。给主体安排动作时，动作要符合商品的实际情况：能拿起来的商品可以手持，能打开的商品可以展示开合，不能拆的包装就不要写拆解。动作和商品不符，生成出来的画面容易失真。

还有一个细节：修改意见要写得具体。让系统调整时，说清楚是哪一段、往哪个方向调。例如说明是第二段的特写需要更突出，比笼统地说「改一下第二段」更容易得到想要的结果。

写完之后可以做一个简单的自检：把提示词读一遍，看看能不能回答三个问题。第一个问题，这几秒里镜头怎么动；第二个问题，画面里的主体在做什么；第三个问题，观众看完记住的是哪一个信息。三个问题都能答上来，说明时间维度和信息重点都写到了。如果有哪一个答不上来，就回到对应的方向补一句，比整体重写要省事。

六、四个常见的提示词误区

四个误区的共同点是低估了提示词这一层的作用。画面质量受参考图和模型能力影响，但意图表达得清不清楚，是提示词能控制的部分。把这一层写扎实，同样的参考图能得到更贴近设想的结果。

七、四个让提示词越写越顺的习惯

四个习惯都在做同一件事：把提示词当成可以积累的资产，而不是每次用完就丢的临时描述。积累到一定数量之后，你会发现同类商品的提示词结构其实很接近，改的只是商品名、卖点和几个关键画面描述。

八、三个真实场景的处理方式

三个场景的共性是：提示词的问题往往不是写得不够美，而是缺了某一层信息。补上缺的那一层，比把已有的描述改得更华丽有效得多。这也是为什么先润色再生成值得坚持：判断缺哪一层，比反复看生成的画面去猜要快。

图4：提示词按商品归档，同类商品下次可以直接复用

九、总结：视频提示词要多写一层时间

十、常见问题解答

回到开头那位运营的经历：她写的是状态，缺的是过程。补上运镜和动作这两句之后，同样的商品图，画面明显动了起来。

提示词这件事的好处在于，它的投入是可以积累的。一款商品写清楚了，同类商品的提示词结构可以复用；一次把七个字段填完整，产品库里就多了一条可以直接调用的记录。做得越久，从零开始写提示词的次数就越少。

如果只记一件事，那就记这一件：写视频提示词时，先问自己画面里的东西在这几秒里发生了什么变化。这个问题答得出来，运镜、动作和节奏都会跟着补上；答不出来，写再多的形容词，画面也只会停在那一帧上。