这次我们来看一个关于AI视频生成提示词（Prompt）的实战指南。很多朋友在接触AI视频生成工具时，最大的困惑就是：提示词到底怎么写？为什么别人生成的视频那么生动，而自己写的提示词效果平平？这篇文章不讲复杂理论，直接通过两个具体的案例拆解，让你快速掌握从“主体+场景+运动”的基础公式，到包含声音、运镜、多镜头叙事的高级写法。无论你是使用阿里云万相、Stable Video Diffusion，还是其他主流AI视频模型，这套结构化提示词方法都能直接套用，显著提升视频生成的质量和可控性。本文的核心是“授人以渔”。我们将基于阿里云万相模型的官方文档，提炼出一套通用的提示词工程框架，并通过两个从简单到复杂的案例，手把手教你如何构思和撰写。你会学到如何描述画面、控制镜头、添加声音，甚至编写多镜头剧本。对于想要提升AI视频创作效率、追求更精准效果的内容创作者、短视频运营和AI技术爱好者来说，这篇文章提供了可直接复用的“公式”和“词典”。1. 核心能力速览：AI视频提示词能做什么？在深入案例之前，我们先快速了解一套优秀的AI视频提示词能实现哪些维度的控制。这决定了你最终作品的精细度和专业度。能力项说明与价值画面构成精准定义视频的主体（谁/什么）、场景（在哪里）、运动（在做什么）。这是最基础也是最重要的三层结构。美学控制控制视频的光源（日光、火光）、光线类型（柔光、硬光）、时间段（白天、夜晚）、景别（特写、全景）、构图（中心、过肩）、镜头焦段（长焦、广角）、机位角度（俯拍、航拍）等，直接影响视频的影视感。动态与运镜描述人物/物体的运动（跑步、跳舞），以及镜头的运动（推拉、摇移、环绕），让画面“动”起来，更具动感和叙事性。风格化指定视频的视觉风格，如3D卡通、像素风、黏土动画、黑白电影等，快速统一画面基调。声音设计为视频生成匹配的人声（台词、情绪、音色）、音效（脚步声、撞击声）和背景音乐（BGM），实现真正的“声画同步”。多镜头叙事通过分镜脚本式的提示词，控制多个镜头的顺序、时长和内容，生成具有故事性的短视频或短剧。参考生视频上传参考图或视频，让AI学习其中的人物、物体或场景风格，在新视频中保持一致性，实现角色换装、场景迁移等效果。掌握了这些控制维度，你就从“抽卡”变成了“导演”。下面，我们通过两个具体案例，看看如何将这些维度组合运用。2. 案例一：基础公式实战——冬日小猫玩雪球第一个案例，我们使用最基础的“主体 + 场景 + 运动”公式，将一个简单的想法“小猫在雪地里玩雪球”丰富成一个生动的视频描述。原始想法：小猫在雪地里玩雪球优化后的提示词：一只毛茸茸的小奶猫在冬日清晨的雪地庭院里玩雪球，它用前爪滚起一个雪球，笨拙地推着前进，雪球突然裂开，它惊跳后退，打了个喷嚏又好奇凑近，最后用脑袋顶着雪球翻滚嬉戏。音效包括爪子踩雪的“咯吱”声、雪球滚动的“沙沙”声、破裂的“咔啦”声、小猫“阿嚏！”的喷嚏和积雪掉落的“簌簌”声，背景是轻快温馨的童谣风格钢琴配乐，营造出温暖可爱的冬日童趣氛围。拆解分析：主体 (Subject):一只毛茸茸的小奶猫。增加了“毛茸茸的”、“小奶”等细节形容词，让形象更具体、更可爱。场景 (Scene):在冬日清晨的雪地庭院里。将“雪地”扩展为“冬日清晨的雪地庭院”，加入了时间（清晨）和具体环境（庭院），画面感立刻增强。运动 (Motion):玩雪球被分解为一系列连贯动作：滚起雪球-推着前进-雪球裂开-惊跳后退-打喷嚏-好奇凑近-用脑袋顶着翻滚。这一连串动作构成了一个微型故事，视频的动态性和趣味性大幅提升。声音描述 (Sound): 这是进阶内容，但加上后效果拔群。我们明确了：音效：爪子踩雪声、雪球滚动声、破裂声、喷嚏声、积雪掉落声。这些拟声词让画面“听得见”。背景音乐：轻快温馨的童谣风格钢琴曲。这设定了视频的整体情绪基调。这个案例的启示：不要只给AI一个名词或短语。把它当作一个需要详细指导的“摄影师”或“动画师”。告诉它“谁，在哪里，正在做什么，怎么做，周围环境如何，听起来怎么样”。描述越细致，AI