写 AI 短剧视频提示词前，先把这八格填满

猫斯卡编辑部 ｜ 最后更新日期 2026 年 8 月 1 日

AI 视频翻车，很多时候不是模型不行，而是提示词里有信息空位。你不写主体在做什么，模型就替你编；你不写约束，它就自由发挥。把八格填满，是把生成从抽奖变成施工的第一步。

把提示词当成一张分镜表，而不是一段散文

很多新人写视频提示词，习惯写成一段气氛描写：「雨夜，女主站在窗前，神情复杂，镜头缓缓推进，电影感十足。」读起来像小说，但模型拿到这种句子会面临大量未填空位——女主穿什么、窗前是什么窗、推进多快、什么叫电影感、要不要避免脸崩，全部要它自己猜。

视频提示词是一张分镜表，不是一段散文。 它的任务不是抒情，而是把这一场镜头必须确定的信息，一格一格交代清楚。

我们建议在落笔前，先在脑子里（或草稿纸上）画出下面这张八格表，每写一场都过一遍。

八格清单：每场开拍前必填

这八格没有先后高低之分，但有一条原则：有参考图的格，文字就不要再描写。 比如人物已经绑了定妆图，第一格「精准主体」只写身份和当下状态（「林晚，右脸有擦伤」），不要重复写她穿什么颜色的裙子——那是定妆图的活，文字再写一遍反而会和图打架，导致换装。

逐格拆解：每格该写什么、不该写什么

1. 精准主体：写身份与状态，不写外貌说明书

主体格要让模型一眼认出「这是谁」。正确写法是点出角色身份、当下的可见状态（伤痕、淋湿、疲惫），而不是把五官、发型、服装再描述一遍。

• ✅ 「林晚，警服领口微敞，右颊有一道新擦伤」
• ❌ 「二十多岁女性，瓜子脸，大眼睛，黑色长发，身穿蓝色警服，脚踩黑色皮靴」（如果已经绑了定妆图，这段纯属帮倒忙）

群演和泛指角色（「路人甲」「围观群众」）不要塞进主角格，他们会挤占定妆槽位，应该单独标注为背景元素。

2. 动作细节：用低缓连续动作，少用高爆发

AI 视频模型对大幅度、高速度动作的处理普遍不稳定。动作格要把动作拆细、程度量化，并优先选择可连续完成的动作。

• ✅ 「她缓缓抬手，指尖触到玻璃窗，停住」
• ❌ 「她猛地转身，一脚踹翻桌子，飞身跃起」（三个高爆发动作叠在一镜里，崩坏概率极高）

如果剧本确实需要打斗、奔跑这类大动作，应该靠剪辑拆成多个场块分别生成，而不是指望一条提示词搞定。

3. 场景环境：从剧本结构里解析，不要手填

场景应该来自剧本的「内/外 | 地点 | 日夜」结构，而不是临场编。这一格写清楚空间属性和关键陈设即可，不必把整个房间描写一遍。

一条容易被忽略的纪律：场景参考图严禁出现人物。 空镜就是空镜，一旦场景图里有人，模型会把那个人也当成主体参考，导致鬼影或多余角色。

4. 光影色调：写光源，不写形容词

「电影感」「高级感」这类词对模型是无效指令。光影格要写具体的光源方向和色温。

• ✅ 「单侧窗光从画面左侧打入，冷色调，面部右侧处于阴影中」
• ❌ 「光影绝美，氛围感拉满，电影质感」

光影也是维持全剧统一的重要锚点，建议在画风手册阶段就定下几套常用光位，拍摄时直接调用。

5. 镜头运镜：一镜一运镜

这是新手翻车最密集的一格。铁律是一个镜头只给一种运镜方式，不要在同一条提示词里写「推近同时环绕再上摇」。

另一条铁律：用镜头序号，不用绝对秒数。 写「镜头 1：中景，固定」「镜头 2：特写，缓慢推近」，不要写「0–3 秒推近，3–5 秒拉远」。秒数指令在大多数模型里不会被精确执行，反而会干扰时序理解。

复杂场景可以走三段论结构：

1. 总体设定（场景、主体、画风）
2. 镜头 1 / 镜头 2 / 镜头 3（各自独立的景别与运镜）
3. 约束包（画质、稳定、禁忌）

简单场景一段式写完即可，不必硬凑三段。

6. 视觉风格：全链路共用一条风格路径

画风不是视频阶段才决定的事。人物立绘、场景立绘、道具立绘、视频提示词必须共用同一条风格路径，否则会出现「人物是日漫、视频变写实」的断层。

选定画风后，这一格只需要注入该画风对应的视频风格标签，不要在提示词里临时改画风。

7. 画质要求：用兜底包，不要靠运气

画质格应该有一套固定的兜底描述，每场都带，包括：清晰度要求、面部稳定、无水印无 Logo。这不是创意部分，是保险。

多人场景还要额外加「避免双胞胎/分身」的兜底——模型在处理多张相似面孔时，经常把一个人渲染成两个。

8. 约束条件：写明「不能出现什么」

约束格是负面清单。常见的包括：不出现剧本外的人物、不出现现代穿帮物品（古装戏）、不出现文字水印、不改变人物服装。

这一格还有一个合规功能：提示词交付前应剥离具体影视作品或 IP 名称，只保留技法与美学描述，降低下游的版权拦截风险。想致敬某部片子的光影，可以描述光位本身，不要直接写片名。

台词、音效、BGM 的符号规范

八格之外，提示词里如果涉及声音元素，要用统一符号，避免模型把台词当成画面描写：

• 台词用花括号：{你到底是谁？}
• 音效用尖括号：<雷声>
• BGM 用圆括号：（低沉弦乐渐起）

这套符号不是装饰，它帮模型区分「这是要生成的声音」和「这是画面描述」，混写会导致口型对不上或音效丢失。

一个填空式模板

下面这个模板可以直接拿去用，每场开拍前把空格填上：

【主体】＿＿＿（角色身份 + 当下可见状态）

【动作】＿＿＿（低缓连续，量化幅度）

【场景】＿＿＿（内外/地点/日夜 + 关键陈设）

【光影】＿＿＿（光源方向 + 色温 + 明暗）

【运镜】＿＿＿（景别 + 单一运镜；复杂场用镜头序号）

【画风】＿＿＿（调用已选定的画风标签）

【画质】清晰、面部稳定、无水印无 Logo（多人加防分身）

【约束】不出现＿＿＿；不改变＿＿＿

【声音】台词 {}、音效 <>、BGM （）

简单场景填成一段；复杂场景按三段论展开。

几条容易被忽略的边界

• 提示词生成时只给本场素材，不要把别的场次的角色、道具、场景混进来，串戏往往就是这么来的。
• 本场剧本正文是最高优先级撰写依据，提示词为剧本服务，不是反过来。
• 生成参数宜保守，取稳定可控，而不是天马行空。
• 约 10 秒一个场块是工程启发式，不是时间码精剪；超长场会再拆，但精剪与串场仍需后续剪辑环节完成。
• 参考图不是强制门禁，缺图可以跳过走纯文字路径，但质量通常更差——专业流程应该先定妆再开拍。

说到底，系统在教模型用分镜表语言说话，而不是写小说。 八格填满，不是为了束缚创意，而是把创意里那些不需要每次重新发明的部分固定下来，让导演的精力留在真正该判断的地方。

---

关于猫斯卡（Maosika）：猫斯卡是 AI 竖屏短剧生产操作系统，把从创意评估、剧本写作、角色定妆、分场切块到多模态出片的专业流程固化为可验收的生产链。每一环都有可看、可改、可回退的中间产物，人在关键节点做确认与审美判断，机器负责把确认过的方向落到每一集、每一场。

关于猫斯卡 ｜ 猫斯卡 · 专业AI视频自动生产系统。把创意评估、剧本写作、人物场景道具定妆、镜头提示词与出片串成一条可审、可改、可回退的生产链。官网：www.maosika.com