AI 文字转视频：写一个镜头，得到一段片子

文字转视频是最快看到想法动起来的方式。不用拍照、不用器材、不用场地。你写一个场景，选长度，模型给你一段片子。难点不在按钮，而在于写清楚「一个镜头」，而不是许愿。

本文讲 Animate AI 视频工作台 里能用的提示词结构，示例可以直接复制修改。

提示词是分镜，不是情绪板

大多数弱提示词都在描述感受：「一条关于咖啡的唯美电影感视频」。模型不知道机位在哪、什么在动、什么不能动。有用的提示词回答四个问题：

1. 机位在哪？ 远景、中景、特写、低角度、俯拍。
2. 什么在动？ 人、物、光、天气，还是镜头本身。
3. 光是什么样？ 时间、方向、软硬。
4. 不能出现什么？ 多余的人、文字、logo、切镜。

用白话把这四条写出来。除非镜头参数真的影响画面，否则不要写。

试一个文生视频预设

上面的实验台包含电影感全景、产品揭示和日常循环三个方向。改完复制提示词，或者直接带提示词打开工作台。

五行模板

按这个结构填：

[景别 + 镜头运动]：[主体]在[地点]，[时间]。
[一个动作]：[主体]做了[一件事]。
[光]：[方向]光，[软硬]，[色温]。
[风格]：写实 / 电影感 / 插画感，[一个质感细节]。
[排除项]：不切镜，无文字，无 logo，无多余人物。

填完是这样：

中景跟随镜头：一位骑行者在雨后的城市街道骑行，时间是黄昏。镜头以步行速度跟随。路灯在湿沥青上反光，冷蓝色环境光配暖色实景灯。写实风格，浅景深。不切镜，无文字，无 logo，无多余人物。

一个有主体、一个动作、一个镜头运动、一个明确的光线。它比一整段形容词更容易得到能用的结果。

景别与用途

• 远景： 交代地点、尺度、氛围。适合开场。
• 中景： 腰部以上。适合手势和表情。
• 特写： 细节、质感、情绪。适合产品和脸。
• 俯拍： 平铺、美食、地图、过程。
• 低角度： 权威感、高度、戏剧性。
• 第一人称： 沉浸感强，但手很容易出错。

只选一个。一条片子里中途换景别，通常会看起来像坏了。

真正会改变画面的光线词

不要写「唯美」「高级」。写光从哪来、往哪打。

运动：一个动词胜过五个

片子需要明确的运动。选一个：

• 有人朝镜头走来。
• 杯口冒热气。
• 窗帘被风吹动。
• 镜头缓慢推近。
• 雨打在窗上。
• 产品在台座上旋转。

属于同一场景的两三个运动可以共存。五个互不相干的运动会糊成一团。

文生视频不擅长的部分

花积分之前先认清边界：

• 长对白。 这个页面没有可靠的对口型流程。
• 精确的品牌字体。 文字会变形，后期加。
• 复杂编舞。 多人动作会漂。
• 跨镜头连续性。 每次生成都是独立的。想保持同一个角色，用参考图生视频。
• 没有授权的真人。 不要生成未经允许的真人形象。

三条验收

发布前看三遍：

1. 第一遍： 运动看起来真实吗？
2. 第二遍： 只看手、脸和文字。
3. 第三遍： 静音，在手机大小的窗口里看。

任何一遍不过，改提示词重跑。只在桌面大屏好看的片子，在信息流里通常不行。

常见问题

需要上传图片吗？

不需要。文生视频只从提示词开始。如果你已经有照片，图生视频 通常更可控，因为第一帧是固定的。

片子有多长？

工作台生成的是以秒计的短片，不是几分钟的长视频。短片更好控制，迭代成本也更低。

可以生成真人吗？

只有在该本人同意且当地法律允许的前提下才可以。冒充他人、未经同意使用肖像，按 可接受使用政策 禁止。

为什么提示词有一部分没生效？

长提示词会互相抢注意力。砍到「一个主体、一个动作、一个镜头运动、一个光」，再一行一行加回来。

生成完下一步做什么？

用 免费浏览器工具 裁剪、转 GIF 或抽封面，然后在剪辑软件里加字幕和品牌。

从 AI 视频生成器 开始，直接加载上面实验台里的预设即可。