AI 视频提示词黄金结构：把 8 要素变成可复用模板

导语

2026 年的 AI 视频工具已经跨越了”能不能用”的门槛，进入了”好不好用”的分水岭。同一个模型、同一段画面，新手写的提示词只能生成 5 秒勉强能看的素材，而熟练创作者用 80-150 词的提示词能稳定输出电影感镜头。这中间差的不是运气，是一套结构化的提示词思维框架。

OpenAI 的 Sora 2 官方提示词指南、字节跳动的即梦 Seedance 2.0 官方手册、快手可灵、谷歌 Veo 3 的公开文档，都在反复强调同一件事——优质的视频提示词遵循”主体、动作、场景、镜头、风格、光影、运镜、景别“8 要素结构。本文将这套 8 要素框架拆开，告诉你每个要素的写作要点、4 大主流平台的差异，以及如何把它们组合成可复用的母模板。

一、8 要素逐项拆解

1.1 主体（Subject）：画面里到底有什么

主体是观众第一眼看到的对象，是整个画面的”主角”。主体描述失之于笼统是新手最常犯的错——”一个女孩””一辆车”在 AI 看来等同于随机生成。

写作要点：

身份 + 数量 + 状态 + 外观特征
例：差 → “一个女孩”；优 → “25 岁中国女性，长直黑发，穿浅蓝色连衣裙”
例：差 → “一部手机”；优 → “旗舰智能手机，背面镜头模组清晰，金属机身，置于浅色木桌”

主体越具体，AI 越不容易生成错画面。这是 Sora 2 官方提示词指南反复强调的”grounded in time and space”原则——主体必须落地、可识别。

1.2 动作（Action）：让画面”动”起来

视频和图片最大的区别就是运动。Sora 2 官方建议把动作描述写成”小节拍”——”演员走四步到窗边，停顿，最后一秒拉开窗帘”比”演员走过房间”效果好十倍。

常见动作词汇：

人物类：缓步、回头、转身、低头、凝视、牵手、拥抱、离开
物体类：旋转、升起、落下、流动、闪烁、展开
环境类：风吹、雾起、雨落、光影移动

避坑： 一个提示词只描述一个主要动作。”她一边打电话一边走路一边看手表”这种复合动作会让 AI 困惑。Sora 2 官方明确指出，”A 走向 B 同时 A 打开 C”的复合指令大概率只完成一半。

1.3 场景（Scene）：环境决定真实感

场景是主体所处的时间、地点、天气、光线。它直接影响画面色调、道具、背景细节。

基础版：夜晚城市街道
进阶版：夜晚城市街道，霓虹灯牌，雨后路面反光，行人虚化，背景暖色与冷光交错

可灵 2.0 官方文档指出，场景描述越具体，视频越容易产生”沉浸感”和”电影感”。

1.4 镜头（Camera）：观看的视角

镜头决定了观众”站在哪里看”。同样的画面用不同镜头语言表达，观感完全不同。

静止机位 vs 运动机位
主观视角 vs 客观视角
跟随主体 vs 旁观者视角

1.5 风格（Style）：画面的视觉气质

风格词定义了”这部电影属于什么类型”。常见的风格词包括：

写实纪录片、电影感、商业广告质感
赛博朋克、国风美学、日系胶片
黑白电影、高级极简、未来科技感
温暖治愈、悬疑惊悚、史诗磅礴

Sora 2 官方建议使用 “directed by [导演名] aesthetic” 这种锚定词，可灵、即梦也支持”王家卫风格””是枝裕和色调”等中文导演风格词。

1.6 光影（Lighting）：画面的情绪来源

光影是 AI 视频的”灵魂”。同一人物站街边，暖光和冷光传达的情绪完全不同。

暖色台灯、冷色霓虹、柔和自然光
逆光轮廓、明暗对比强烈、柔和阴影
清晨柔光、夜晚低照度、高光反射、梦幻光晕

OpenAI Sora 2 提示词指南中写到：”光决定情绪如同动作和场景。描述光源的’质量’和’色彩锚点’，比简单写一个’明亮的房间’有效得多。”

1.7 运镜（Movement）：像不像专业拍摄

运镜词直接决定视频的”专业度”。

推：缓慢推进、推镜头从全景到特写
拉：缓慢拉远、从细节拉开
移：左右横移、环绕拍摄、低角度仰拍
跟：跟拍动作、固定机位、轻微手持感

即梦 Seedance 2.0 官方文档将”运镜方式”列为必填项，权重 90/100。

1.8 景别（Framing）：画面的”取景范围”

景别决定了主体在画面中的大小。

远景：环境为主，人物很小
全景：完整人物 + 环境
中景：膝盖以上，人物动作清晰
近景：胸部以上，表情清晰
特写：面部或细节

Sora 2 提示词模板中常见”slow push from wide to medium”的组合写法。

二、4 大主流平台对 8 要素的侧重

平台	主体/动作	场景/光影	镜头/运镜	风格	音频	中文支持	8 要素侧重
Sora 2	极强，物理真实	强，光影控制细腻	极强，长镜头	电影感强	原生音频	弱	物理 + 镜头
即梦 Seedance 2.0	强，动作流畅	中等	强，分时段提示词	中文分镜	原生音频	极强	中文 + 分镜
可灵 Kling 2.0	强，中国面孔	强，古装精准	中等	国风/现代	弱	强	主体 + 场景
Veo 3	强，表情自然	强，电影感	强	电影感	极强，自带对话	中等	对话 + 音频

平台选择指南：

想要电影感长镜头 + 物理真实：选 Sora 2
想要中文分镜 + 多镜头叙事：选即梦 Seedance 2.0
想要中国面孔 + 古装 + 国风：选可灵 2.0
想要对话场景 + 自动音频：选 Veo 3

三、8 要素实战模板

3.1 都市甜宠开场（适配可灵 / Sora）

[25 岁中国女性，长直黑发，穿浅蓝色连衣裙]，坐在咖啡馆靠窗位置，
[低头看手机，嘴角微扬]，下午金色阳光从窗户洒入，暖色木质装修，
[中景开始，缓慢推镜头到近景特写]，[电影感，浅景深，温暖色调]，
[逆光轮廓光，自然光主导]，[1 倍速平滑推进]，[中景→近景]。

3.2 古装对话场景（适配即梦 / 可灵）

[穿红色汉服的 30 岁女性，长发盘起] 与 [穿青衫的 28 岁男性]，
在古色古香的庭院中相视而坐，[女子缓缓抬头，眼中有泪光]，
[远处有古琴声，风吹竹叶沙沙]，黄昏金色侧光，逆光勾出人物轮廓，
[中景双人镜头，轻微手持感]，[国风电影质感，王家卫色调]，
[暖黄侧光]，[固定机位微摇]，[中景景别]。

3.3 产品测评开场（适配即梦 / Sora）

[某品牌旗舰智能手机，背面镜头模组清晰]，[屏幕缓慢亮起，
显示细腻 UI 界面]，[手从画面外拿起手机]，[产品边缘清晰，
反光自然]，[现代科技风格，简洁白色背景]，[柔和顶光，
产品高光]，[360 度旋转展示]，[特写→全景拉远]。

3.4 科技未来概念（适配 Sora / Veo 3）

[一束蓝紫色数字光线在黑色空间流动]，[逐渐形成抽象的智能芯片轮廓]，
[边缘有细腻辉光]，未来艺术风格，深色背景，高对比光影，
[镜头缓慢环绕主体 360 度]，[深空色调]，[单点冷光主导]，
[一镜到底]，[特写→中景拉远]。

四、常见错误与避坑

4.1 复合动作陷阱

“她一边打电话一边走路一边看手表”——AI 只能完成一个动作。解决办法：拆成多个镜头分别生成，剪辑时拼接。

4.2 抽象描述陷阱

“美丽的女人”——什么是美丽？AI 会按训练数据中的”平均”来生成，得到的永远是”AI 味”面孔。解决办法：特征 + 数值，如”25 岁、鹅蛋脸、柳叶眉”。

4.3 时长预期陷阱

5 秒视频硬塞 30 秒的剧情。解决办法：5 秒只写一个动作，10 秒可写动作+反应，15 秒以上必须用分时段提示词。

4.4 负面提示词缺失

不写”不要什么”，AI 就会按默认概率生成水印、模糊、变形。解决办法：明确写”no text, no watermark, no blur, no deformed hands”。

4.5 平台混用陷阱

把 Sora 的”电影感长镜头”提示词直接复制到可灵上，可灵会按”图生视频”模式理解，结果差距很大。解决办法：每平台单独写提示词，参考各平台官方模板。

信息核实

OpenAI Sora 2 官方提示词指南（中文译本）：https://developers.openai.com/cookbook/examples/sora/sora2_prompting_guide/
550W AI 实验室《AI 视频生成提示词大全：可灵/Sora/即梦/Veo3 Prompt 写法与模板》：https://www.550wai.cn/blog/ai-video-prompt-engineering.html
即梦 Seedance 2.0 核心使用方法完全指南（CSDN）：https://blog.csdn.net/qq_73472828/article/details/160726102
今日头条 / 橙子数码馆《全网难找的即梦 AI 视频生成公式》：http://m.toutiao.com/group/7664623758832960036/
VideoToPrompt《如何逆向解析 AI 视频提示词》：https://www.videotoprompt.app/zh/posts/how-to-reverse-engineer-ai-video-prompts