目录
- 前言
- 整体原则和流程
- 生成和修改AI输出的提示词
- 获取首帧图，生成尾帧图
- 文、图生视频
- 小结
在这个短视频满布时间缝隙的时代，经常会看到小伙伴发问：
“这个AI视频怎么做到连贯自然的？”“这种优质视频的提示词怎么写的？”“是要用哪个模型才能生成如此质量吗？”
基于此，本人仔细盘了盘大佬视频，整理了一些方法和技巧。不过在分享心得之前，希望大家先明确使用爆款视频的整体原则和流程。
整体原则和流程
在实操之前，大家要始终记得以下原则，否则就容易陷在视频生成困境中无法自拔：
1.你只能模仿别人的视频生成类似的视频，而不能复刻。
因为鉴于各大AI模型以抽卡形式生成视频，连大佬原版的提示词，都无法保证每次生成一模一样的视频，更何况在大佬不愿分享提示词情况下，你用AI反推的提示词生成的视频呢！
2.反推提示词的目的是为了理论和实操学习，让自己的创意更好、更快呈现，而不是剽窃他人作品。
具体来讲，反推提示词的最大作用在于反推生成流程、通过案例练习掌握思维框架、提醒自己需要准备的工具和物料、丰富提示词库、搜集和套用模板，从而帮助自己高效创作。
这里事先声明，下面引用的作品仅作为解构的素材和验证使用，目的是引导大家学习、优化提示词的技巧，并非误导大家剽窃他人创意。
原则明确后，大家还需要明确临摹爆款作品（私下）的整个流程：
文生视频：
设计让AI反推的提示词-选择AI生成和修改提示词-生成视频-自己按照提示词给出的音效音乐指导配音、剪辑。
图生视频：
设计让AI反推的提示词-选择AI生成和修改提示词-获取首帧图、（生成尾帧图：可省略）-首尾帧/单帧生成视频（边生成边修改提示词，直到生成满意的为止）-获取尾帧图、（生成下一个尾帧图：可省略）-从“首尾帧/单帧生成视频”开始循环（直到所有视频段落都生成完毕）-自己按照提示词给出的音效音乐指导配音、剪辑。
本文只讲构成一轮循环的前四个步骤。为了能更好地理解文意，大家请边看这个提示词文档边浏览下文哦~
https://lh41ozy6wa.feishu.cn/wiki/JWTEwbDBqiZRCkkxywocxNLanLf
（ps:以下视频均由AI生成）
第一步：设计让AI反推的指令
指令框架同反推图片一样，需要按照“高级角色设定+任务简述+任务分步详述+输出格式”结构来设计。
与反推图片的区别在于，反推视频的分析要素中多了音景（音效和bgm），电影化镜头设计相比画面美学多了镜头类型、镜头焦段和运镜，提示词字数限制更宽泛了。
还有就是反推较长的视频，需要将视频分段，并生成每段视频的一套提示词。
比如以下基础指令：（主体、叙事、画面、音景占比较均衡）
5秒以内的视频：
1.在分析和逆推的过程中，你必须严格遵循以下四个维度作为你的分析框架和输出标准：
（1）主角塑造与叙事性动作: 识别镜头内容（人或物或环境），并分析其行为所承载的叙事意图。
（2）环境构建与材质细节: 解构画面的环境背景，深入分析其中环境背景构成的物体（指出它的材质和纹理）、时代/风格细节。
（3）风格锚点: 识别并定义出贯穿视频的“风格锚点 (Stylistic Anchor)”
（4）电影化镜头设计:从镜头类型、镜头焦段、光影、景别、构图、色彩色调、视角、运镜、画质等要素分别进行分析。整个镜头设计用短词语描述而非句子，分析和描述需详尽，描述词需专业。
（5）沉浸式音景: 分析视频的声音设计，包括环境音、具体音效以及音乐的使用策略（或“无音乐”的选择）。
2.请对1的具体分析进行概括（600-650字之间），并按照以下格式输出你的分析结果：
【视频概述】XXX。
【主角塑造与叙事性动作】: XXX。
【世界构建与材质细节】： XXX。
【电影化镜头设计】: 【镜头类型】XXX；【镜头焦段】XXX；【光影】XXX......
【技术规格】：XXX
5秒以上的需要AI分段的视频：
请你扮演一位专业的电影分析师和顶尖的AI提示词工程师。你的核心任务是，基于我刚刚上传的视频文件，对其进行分镜解构，并为每个关键分镜逆向推导出其对应的、能够生成该画面的AI视频提示词。具体要求如下：
1.在分析和逆推的过程中，你必须严格遵循以下五个维度作为你的分析框架和输出标准：
（1）主角塑造与叙事性动作: 识别镜头中的“主角”（人或物）。其中对于人物和物体，需描述具体形象特点，并进行详细分析其动作变化情况，分析其行为所承载的叙事意图。
（2）环境构建与材质细节: 解构画面的环境背景，深入分析其中环境背景构成的物体（指出它的材质和纹理）、时代/风格细节。
（3）风格锚点: 识别并定义出贯穿视频的“风格锚点 (Stylistic Anchor)”
（4）电影化镜头设计:从镜头类型、镜头焦段、光影、景别、构图、色彩色调、视角、运镜、画质等要素分别进行分析。其中构图是核心，尤其需要严谨、深入分析。整个镜头设计用短词语描述而非句子，分析和描述需详尽，描述词需专业。
（5）沉浸式音景: 分析视频的声音设计，包括环境音、具体音效以及音乐的使用策略（或“无音乐”的选择）。
2.整合与输出: 根据视频文件中的镜头设计各要素的特点，合理划分视频段落。将以上分析结果，为每个视频段落整合并输出成一个单一、高密度的文字段落，并附上必要的技术规格。
3.请按照以下格式输出你的分析结果：
【视频概述】: 首先，对视频的叙事内容、核心“风格锚点”和音景设计进行一个简要的总体分析。
【视频段落提示词逆推】: 然后，按顺序以“段落1 (时间段)”、“段落2 (时间段)”……的格式，为视频中的每个关键镜头提供你逆向推导出的提示词。
当然你可以像反推图片一样，针对不同题材的视频，设计几套不同的反推指令。比如动作类、打斗类的视频就详细描述主体动作要求，对话聊天类的视频就详细描述主体的形象、表情和动作，简写环境要求。
第二步：生成和修改AI输出的提示词
能上传视频的AI工具就有限了。
国内常用的聊天模型（豆包、deepseek、hunyuan、kimi等）全军覆没，国外的Gemini、chatgpt、Google AI Studio倒是都可行。
因上篇反推图片测试出Gemini反馈的画面美学提示词很细腻，画面美学在电影化镜头设计要素中占主导，主体、动作解析也不拉胯，所以还是推荐大家优先使用Gemini。
实测下来确实也是Gemini操作更方便、效果更好。
chatgpt不经提示画面解析很抽象，打斗、动作类等快速变化的视频连场景、风格大类都解析错误，比如古风武打解析为工业仓库内搏斗，并且还解析不了音景。Google AI Studio区域和语言双受限，输出的英文变成中文可能超限。
（左为gpt反推，右为gemini反推）
不过Gemini在解构视频时，尤其当没有突出的一个主体时，它对主体、构图、景别等重要要素可能解构错误，字数也可能超出要求的范围。
我使用上面基础版指令让它拆解打斗类视频时发现，它对动作拆解可能不详细，也可能不会按照要求将每5s的视频段落作为1个单位来拆解。
此时，上一步针对不同题材设计出不同的反推指令，就能发挥作用规避这些问题。
当然，更为保险的做法还是在Gemini生成提示词后优化修改。
优化提示词就是根据视频题材和叙事内容判断重点，对重要部分逐句阅读、修改。一般情况下，你需要先生成视频、验证后接着修改提示词，即优化提示词贯穿生成视频这一环节的始终。
第三步：获取首帧图，生成尾帧图
这一步仅分析图生视频所涉及的图生图技巧。
首帧图可据自己需要从以下方法中择其一获取：
1.截图参考视频作为首帧图
前提是你有清晰的参考视频，你一丝一毫都不想修改。
2.截图参考视频-图生图/变清晰
若想加入自己想法，进行局部修改，或者需要将图片变清晰，这个方法比较适合。
3.根据优化后的提示词文生图
这个更适合需要融入自己想法较多、能接受视频画面差异点多的小伙伴。若还是想更趋近参考视频，请绕开此方法。
我们为了能把控视视频走向，一般会采用首尾帧或多帧的方式生成视频，其中多帧目前是可灵1.6和即梦3.0能使用，首尾帧目前海螺和可灵的最新视频模型无法使用。
当然，若你不太在乎视频走向，或者只是生成简单视频，你也可以不用生成尾帧图。之后若需使用，直接截图用首帧生成的视频即可。
第四步：文、图生视频
文生视频和图生视频在当前这步，除了刚开始前者输入提示词、后者输入提示词+上传图片的不同之外，就都只剩下“生成视频-优化提示词”的循环。
视频生成的AI工具，常见的有国外的Veo3、midjourney，国内的即梦、豆包、海螺、可灵、通义万相、夸克造点。
此处我选用的即梦、海螺、可灵完成本次任务，接下来也仅对这仨的生成效果与特点进行分析。大家可以阅读完本文后用提示词试试其他工具。
以下是这三个工具的特点：
1.海螺
- 文生视频、单图生视频能用最新海螺2.3模型（minimax），首尾帧视频最新模型只能用海螺2.0，没有多帧图生视频的功能；
- 它的后台能自动优化提示词，且提示词简单一些（结构全，词精简），优化后生成的视频效果更好；提示词越长，优化作用越弱，视频生成效果就越依赖原本的提示词；
- 提示词输入量上限为2000字，三个工具中最高，可以选择运镜类型，且一个视频可以选择多个运镜，生成的最短时长是6s。
- 即便是非会员耗时也最短，6s视频/个10分钟之内即可生成。
- 打斗类、动作类的视频生成优势突出。
2.即梦
- 不能文生视频，首尾帧无法选择运镜；
- 有语言盲区，不像生图的4.0模型语义理解强，比如和速度、距离相关的语言；
- 图生视频提示词要求500字以内。
3.可灵
- 文生视频可用最新模型可灵2.5Turbo（可以选部分镜头语言），首尾帧能使用的最新模型为2.1，都只能选择一个运镜；
- 提示词最多可输入700字，能配音效和bgm；
- 耗时超多，尤其是非会员。它根据IP识别账号，不能同时开两个网站同时生成，加速必须买会员。非会员5s的视频，耗时2小时可以看作是起步时间。
无论是操作便捷度还是生成效果，海螺都是最好的。
大家可看看视频结果对比：
1.鱼游树洞：（文生视频）
（原版视频：由AI生成）
（短版提示词-海螺2.3生成）
（短版提示词-可灵2.5Turbo生成）
（长版提示词-海螺2.3生成）
（长版提示词-可灵2.5Turbo生成）
2.武打视频（首尾帧生视频，因个人喜好，换了验证视频中的黑衣人形象）
（原版：来源于小红书博主“木小星星”。因录屏原因，此处视频较模糊，大家可看小红书原视频）
（段落2-提示词修改版-海螺2.0生成）
（段落2-提示词修改版-即梦视频3.0pro生成）
（段落2-提示词修改版-可灵视频2.1生成）
鱼游树洞的视频中，海螺2.3生成的（短版提示词）和可灵生成的视频效果都不错。
武打的视频中，只有海螺生成的视频符合逻辑、有激烈打斗氛围。而即梦的追逐像朋友小跑，不符合场景和身份，还有角色直接腾空未借力，还没开打竹叶就落了的问题；可灵打斗比较燃，但是中途角色会变来变去。
当你将所有视频段落的短视频生成完成之后，就可以按照提示词给出的音效音乐进行配音和剪辑了。
小结
经过反推图片、反推视频的分析，我们发现：
1.使用Gemini的反推结果会更好;
2.反推视频需要生成视频验证，并且在验证中优化提示词；
3.验证并辅助提示词优化的AI工具中，海螺是个不错的选择；
4.无论怎样优化提示词，你都无法生成和参考视频一模一样的视频；
5.在“优化提示词-重新生成提示词”的循环中，自己直接改剧情会更省时省事。
制作一个几十秒及以上的AI视频其实是一个比较漫长的过程。
为了提效，我们需要收集、管理及熟练掌握提示词模板，需要建立提示词库、熟悉各大视频创作工具的特点，有时候会卡在5s的视频段落中出不去。
所以，无须执着于生成和大佬一模一样的爆款视频。抓住生产流程和提示词结构的“形”，注入自己独特剧情之“魂”，才是我们要走的路。
好了，今天的分享就到这里了。若你对反推提示词和验证提示词的生图工具也有体验和感悟，欢迎在评论区分享和讨论，也欢迎大家入群交流哦~
AI 速览
