视频教程(案例与下文不一致但是思路一致)
上一课,我们学习了图片提示词的四个要素:时间、主体、场景、风格。现在,我们已经能比较清楚地描述一张静态图片。
目前的AI视频模型已经能够让图片自然地动起来。即使只输入“让它动起来”,模型通常也能生成一段流畅的视频。不过,角色具体做什么、动作有多快、镜头是否移动,仍然会由模型自行决定。生成结果可能没有明显错误,却只是普通地眨眼或轻微晃动,没有准确表现创作者想要的性格、情绪和故事。
视频提示词要回答一个新问题:这几秒钟里,什么发生了变化?
这节课,我们使用一个简单、容易理解的案例:一位动画导演准备制作一段轻喜剧CG短片。主角不是人类,而是一只胖乎乎的拟人橘猫。它像人一样坐在客厅沙发上,性格懒散、表情有点不耐烦。整体采用写实材质与夸张表情结合的电影动画CG风格。我们会从最简单的一句提示词开始,逐步加入主体动作、镜头、环境和节奏。
本节课只需要记住另外8个字:
主体、动作、效果、节奏。
学完以后,你应该能:
给已有图片写一段清楚的图生视频提示词;
分清主体运动、镜头运动和环境变化;
用普通话描述推、拉、摇、移等常见运镜;
控制画面的稳定性、焦点、速度与声音;
用切镜和景别安排一段短视频的节奏;
把图片提示词与视频提示词组合成文生视频提示词;
借助参考图提高CG角色外观的一致性。
这是一节写提示词的课。如果你还不熟悉 FlowPix 中的视频生成入口、首帧、尾帧等基本操作,可以先回看第一单元的《AI视频生成教程》。
开始前:准备一张图片
请先在 FlowPix 中准备本节课使用的起始图。画面设定是:清晨,一只胖乎乎的拟人橘猫靠坐在深绿色沙发上,面前的茶几放着电视遥控器,客厅简洁明亮。
这张图片就是本节课的起始画面。在图生视频中,AI 不需要重新猜橘猫和客厅长什么样,它主要负责让已有画面发生变化。
直接使用下面的提示词,生成一张16:9横版图片(建议使用seedream5.0pro去生成图片):
清晨,一只胖乎乎的原创拟人橘猫像人一样靠坐在深绿色布艺沙发上。它有浅橙色短毛、奶油色嘴部和肚皮、额头三道深橙色条纹、琥珀色半眯眼睛、圆润脸颊和深橙色尾尖,表情懒散又有一点不耐烦。右爪搭在沙发扶手上,左爪放在肚子上,双腿自然伸向前方。面前是一张简单的圆形木茶几,桌上只有黑色电视遥控器。背景是米白色墙面、落地窗和浅色窗帘,柔和晨光从左侧照进来。电影动画级写实3D CG,真实细腻毛发,柔软布料和木材质感,夸张但自然的拟人表情,暖橙色、深绿色与米白色的克制配色,中景,橘猫清晰,背景轻微虚化,16:9横版。角色为原创设计,不照搬任何现成动画角色,不出现人类、文字、标志和水印。


生成多张图片后,选择橘猫的脸、两只前爪、双腿和尾巴都清楚,角色特征与客厅布局最符合提示词的一张。起始图会决定视频中的角色和构图,因此应先把静态画面确定好,再进入视频生成。
为了看清每次修改带来的变化,前几轮尽量保持同一张起始图、同一个模型和相同的时长设置。
词典:先认识几个词
图生视频:给 AI 一张或多张图片,让它以图片为依据生成视频。
文生视频:不给起始图片,直接用文字描述画面与变化,让 AI 生成视频。
主体:视频中最希望观众关注的人或物。
动作:主体在这几秒内做了什么。没有动作,也可以明确写“保持不动”。
镜头:观众看到画面的视角。镜头运动,是观看位置或方向在变化,不等于主体在移动。
景别:主体在画面中占多大。远景能看见更多环境;特写更靠近脸、手或某个物件。
切镜:从一个画面直接换到另一个画面。例如从橘猫坐在沙发上的全景,切到它半眯眼睛的近景。
节奏:画面变化的先后、快慢和停顿。视频不是动作越多越好,而是变化发生在合适的时候。
一、先做最简单的视频:主体+动作+效果
视频提示词的前6个字是:主体、动作、效果。
我们先用一句最简单的话,让图片中的橘猫动起来:
拟人橘猫缓慢转头看向镜头,抬起一边眉毛,懒洋洋地挥一下右爪。固定镜头。
把这段话输入视频生成节点,生成约5秒视频。

这句话包含三个部分:
主体:拟人橘猫。说明谁要动。
动作:转头、挑眉、挥爪。说明它做什么。
效果:固定镜头。说明观看位置不移动。
生成后播放两遍。第一遍看整体是否自然,第二遍观察:橘猫有没有按顺序转头、挑眉和挥爪,坐姿是否保持不变,镜头是否真的固定。
如果橘猫直接站起来或走开,而不是坐在原地挥爪,就把位置要求写清楚:
拟人橘猫始终靠坐在沙发上,身体不离开坐垫。它只缓慢转头看向镜头,抬起一边眉毛,再用右爪懒洋洋地挥一下。固定镜头。
这不是“越写越复杂”,而是在修正一个明确的问题。每次修改都应对应你实际看到的错误。
二、把动作写清楚:不要只写“它很不耐烦”
不耐烦”“得意”“疲惫”是情绪,但 AI 不一定知道一只拟人橘猫应该怎样表现。最好把情绪翻译成看得见的眼神、眉毛、耳朵、嘴角、尾巴和身体姿态。
更好用的办法是把情绪翻译成看得见的表情和肢体动作。
例如,不要只写:
橘猫很不耐烦。
可以写成:
橘猫半眯着眼睛看向闹钟,慢慢抬起一边眉毛,嘴角向下,耳朵略微向两侧展开,尾巴在沙发边缘轻轻拍了一下。

如果想表达“困倦又不想起床”,可以写:
橘猫打了一个长长的哈欠,眼睛只睁开一半,身体继续陷在沙发靠垫里;它抬起右爪想拿遥控器,又懒洋洋地放了回去。

如果需要角色说话,也要写清楚是谁说、说什么、怎么说。例如:
橘猫看了一眼桌上的闹钟,用低沉、困倦、略带抱怨的声音说:“怎么又到早上了?”说完翻了一个白眼,继续靠回沙发。

不过,模型能否稳定生成准确中文台词、口型和声音,取决于当前使用的视频模型及其音频能力。第一次练习建议先把无声动作做好;需要准确对白时,再单独测试语音或后期配音。
画面里有两个人或多个物体,怎么写?
写清楚谁做什么,谁保持什么状态。
例如:
拟人橘猫靠坐在沙发上,缓慢伸出右爪去拿遥控器;一只灰色小老鼠从茶几后面探出头,左右看了一眼。橘猫保持坐姿,小老鼠留在茶几旁,两个主体不交换位置。固定镜头。

如果只说“他们开始活动”,AI 就要猜每个人做什么,也更容易让动作混在一起。
三、主角不动,视频还能有变化吗?
现在假设导演提出一个新的画面要求:
“这只橘猫最大的特点就是懒。它不应该在客厅里跑来跑去,最好一直坐在沙发上,只靠表情和小动作制造笑点。”
根据这个要求,可以这样写提示词:
拟人橘猫靠坐在沙发上,只有眼睛缓慢看向桌上的遥控器。固定镜头。
生成后,你可能会发现:这段视频几乎像一张静止图片,虽然没有明显错误,但也没什么看点。
问题不一定在主体,而是效果太少。主体不动时,还可以让镜头、焦点、光线和环境变化。下面我们逐项学习。
四、效果①:镜头运动——观众从哪里看?
初学者容易把“主角往前走”和“镜头往前推”混为一谈。它们完全不同:
主角往前走:橘猫真的离开沙发、改变位置;
镜头往前推:橘猫可以不动,只是我们的观看位置逐渐靠近它。
镜头运动不必依赖专业术语,用普通话说清镜头 从哪里到哪里、主体是否移动 就可以。
1.推镜头:慢慢靠近
提示词(这里我会给橘猫添加一些神态,让演示不是那么枯燥):
拟人橘猫懒洋洋地靠坐在沙发上,身体保持不动。它先用半眯的眼睛瞥一眼茶几上的遥控器,眼珠缓慢转向镜头;随后一边眉毛微微抬起,嘴角轻轻向下撇,露出嫌弃又懒得计较的表情。拟人橘猫靠坐在沙发上保持不动。镜头从中景缓慢向前靠近它,最后停在半眯的眼睛和微微下垂的嘴角附近。
推镜头适合把注意力引向角色表情或重要细节
2. 拉镜头:慢慢远离
提示词:
拟人橘猫懒洋洋地靠坐在沙发上,身体保持不动。它先用半眯的眼睛瞥一眼茶几上的遥控器,眼珠缓慢转向镜头;随后一边眉毛微微抬起,嘴角轻轻向下撇,露出嫌弃又懒得计较的表情。拟人橘猫坐在沙发上保持不动。镜头从它的脸部缓慢向后拉远,逐渐露出完整身体、深绿色沙发、圆形茶几和明亮的客厅。
拉镜头适合交代地点,让观众看到它懒洋洋地陷在沙发里的完整状态。
3. 摇镜头:镜头原地转向
想象你站在原地,转头从左边看到右边。这就是“摇镜头”的大白话理解。
提示词:
拟人橘猫懒洋洋地靠坐在沙发上,身体保持不动。它先用半眯的眼睛瞥一眼茶几上的遥控器,眼珠缓慢转向镜头;随后一边眉毛微微抬起,嘴角轻轻向下撇,露出嫌弃又懒得计较的表情。镜头先对准茶几上的电视遥控器,再原地向右缓慢转动,最后看到靠坐在沙发上的拟人橘猫。摄影机位置不移动。
画面从遥控器逐渐转向主角,观众会明白橘猫正在纠结要不要伸爪去拿它。
4. 移镜头:摄影机平行移动
想象你一边看着橘猫,一边沿茶几横向走动。与“摇”不同,“移”是摄影机自身的位置变了。
提示词:
拟人橘猫懒洋洋地靠坐在沙发上,身体保持不动。它先用半眯的眼睛瞥一眼茶几上的遥控器,眼珠缓慢转向镜头;随后一边眉毛微微抬起,嘴角轻轻向下撇,露出嫌弃又懒得计较的表情。拟人橘猫坐在沙发上。摄影机沿茶几从左向右缓慢平行移动,始终朝向它;前景的遥控器从镜头前滑过,橘猫和后方沙发保持清楚的空间层次。
第一次练习时,请用同一张起始图分别生成“推、拉、摇、移”四个版本。每次只改镜头运动,不改橘猫的动作,比较哪一种最适合这张图。
这四种运镜只是常见起点,不需要四种都塞进一条5秒视频里。短视频通常一个清楚的镜头运动就足够。
五、效果②:镜头稳定性——稳稳拍,还是像人拿着拍?
同样是靠近橘猫,画面稳不稳,也会改变观感。
稳定镜头
镜头平稳、缓慢地向前推进,没有明显晃动。
这种画面通常更整洁、从容,适合品牌广告或安静的风景。
轻微手持镜头
镜头像由摄影师手持拍摄,带有非常轻微、自然的呼吸式起伏,缓慢向前靠近橘猫,不要剧烈晃动。
这种画面更像有人真的站在现场,适合纪实感或第一人称的体验。
把“手持”写进提示词,不意味着越晃越真实。对于本节的轻喜剧CG短片,轻微起伏可以增加现场感;如果生成结果抖得让人不舒服,就改回稳定镜头。
六、效果③:焦点——观众应该先看哪里?
“焦点”可以理解成画面中最清楚、最吸引注意的地方。
当橘猫清楚、背景稍微模糊时,观众更容易看主角;当橘猫模糊、前方遥控器清楚时,观众会先看遥控器。
你不必学习复杂的镜头参数,可以直接描述看到的结果。
让主角保持清楚
橘猫的眼睛、眉毛和嘴角清楚,后方窗户与窗帘轻微模糊,镜头缓慢靠近。
让注意力从近处转向远处
视频开始时,茶几上的遥控器清楚,后方橘猫略微模糊;随后焦点慢慢转到橘猫半眯的眼睛上,前景遥控器变得模糊。

这就是“转移焦点”:不一定需要主角走动,也能让观众的视线发生变化。
如果模型没有按要求转移焦点,可以先缩短镜头任务,只要求“橘猫清楚、背景模糊”。焦点转移比固定焦点更难,结果可能因模型而异。
七、效果④:环境和光影——背景也可以动
橘猫保持不动,并不代表整个房间都要静止。
在我们的客厅画面中,可以让环境发生一些自然的小变化:
浅色窗帘被微风轻轻吹动;
阳光在墙面和沙发上缓慢移动;
空气中的细小灰尘在光束中漂浮;
桌上的闹钟秒针继续走动;
橘猫的胡须和尾尖产生很轻微的动作。
试试这条提示词:
拟人橘猫靠坐在沙发上保持不动,只用眼睛看向茶几上的遥控器。清晨的微风轻轻吹动浅色窗帘,空气中的细小灰尘在阳光里缓慢漂浮,温暖光线逐渐照亮橘猫的耳朵、脸颊和胡须,尾尖在沙发边缘轻轻摆动。镜头平稳地缓慢推进。
生成后重点看:橘猫是否意外离开沙发、前爪和尾巴是否变形、光线是否在几秒里跳跃得太快。
短视频中的环境变化,最好先从一种或两种主变化开始。如果同时要求暴雨、下雪、日出、季节转换,几秒钟内可能既不自然,也不符合故事。
八、效果⑤:速度——这段变化发生得有多快?
视频提示词不仅要说“做什么”,还要说“以什么速度做”。我会稍微完善一下提示词作为案例演示。
正常速度
拟人橘猫懒洋洋地靠坐在深绿色沙发上。它先用半眯的眼睛看向茶几上的黑色遥控器,停顿片刻,再以正常、自然的速度伸出右爪,身体微微向前倾,用肉垫按下遥控器按钮。按钮按下后,它收回右爪,靠回沙发,一边眉毛轻轻抬起,露出满意又懒散的表情,尾尖自然摆动一次。动作符合胖猫身体的重量与惯性。镜头保持中景,平稳固定,清晨窗帘轻轻摆动,整体节奏自然,不要突然加速,不要切镜。
慢动作
拟人橘猫懒洋洋地靠坐在深绿色沙发上,目光锁定茶几上的黑色遥控器。它非常缓慢地抬起右爪,身体带着明显重量感微微向前倾,爪尖逐渐靠近遥控器;柔软肉垫慢慢压下按钮,按钮下沉的瞬间,橘猫的眼睛微微睁大,一边眉毛缓缓抬起,嘴角逐渐露出得意的笑意。胡须、脸部毛发和尾尖随着动作产生轻微延迟摆动。整段动作呈现流畅、细腻的高帧率慢镜头质感。镜头从中景非常缓慢地向前推进,最后停在猫爪、遥控器和橘猫表情都能看清的位置,背景轻微虚化,不切镜。
快速变化
拟人橘猫始终懒洋洋地靠坐在深绿色沙发上,保持原来的坐姿,只偶尔眨眼,眼神一直看着茶几上的遥控器。客厅呈现快速延时摄影效果:窗外天空从清晨迅速变亮,墙面上的阳光快速移动,窗帘的明暗随时间变化。橘猫本身不跟随环境加速,仍以正常速度缓慢眨眼,最后不耐烦地伸出右爪按下遥控器。镜头固定在中景,不切镜,橘猫始终清楚,快速变化只发生在光线、天空和闹钟上。
“慢镜头”适合强调表情和动作细节,“快速变化”适合表现时间流逝。但同一段里既要橘猫慢动作、又要镜头高速旋转、还要光线瞬间变化,很容易混乱。
想做由慢到快的变速镜头时,可以明确写出先后:
拟人橘猫靠坐在深绿色沙发上,半眯着眼睛看向茶几上的遥控器。视频开始时采用快速延时效果,客厅从昏暗清晨迅速变亮,窗外天空、墙面阳光快速变化;橘猫保持坐姿不变。随后速度恢复正常,橘猫缓慢抬起右爪,身体微微前倾。当肉垫即将按到遥控器按钮时,画面进入细腻慢动作,清楚展示肉垫压下按钮、橘猫挑眉和嘴角露出得意表情的过程。按钮按下后恢复正常速度,橘猫迅速收回右爪,再次懒洋洋地靠回沙发。镜头全程保持平稳,从中景轻微推进,不切镜。
如果当前模型很难稳定完成变速,先生成动作清楚的视频,再在剪辑阶段调整速度,通常更容易控制。
九、效果⑥:声音——哪些声音应该出现?
如果使用的视频模型支持声音生成,提示词可以写出你想听到的声音。
例如:
听得到安静的闹钟滴答声、窗帘轻微摩擦声、沙发被身体压住时的细小声音,以及橘猫很轻的呼噜声;没有人声,没有背景音乐。
为什么要特别说明“没有背景音乐”?因为一条宣传片通常由多个视频片段组成。如果每段都自动生成不同的音乐,剪在一起可能一段一个旋律,很难统一。先保留自然环境音,最后为整片添加同一首音乐,整体更容易协调。
声音还有一个有趣的用途:让观众感觉到画面外的东西。
例如画面里没有鸟,也可以写:
远处偶尔传来鸟鸣,但画面中不出现鸟。
观众会感觉森林就在附近,而不必把所有东西都塞进画面。
我这里用一个完整的提示词做演示:
清晨的客厅里,拟人橘猫懒洋洋地靠坐在深绿色沙发上,眼睛半眯,双爪放在肚子上,尾巴垂在沙发边缘。浅色窗帘被微风轻轻吹动,柔和晨光照在橘猫的脸颊和胡须上。视频开始时,橘猫保持放松,只缓慢眨眼,房间里能清楚听到闹钟轻微的滴答声、窗帘摩擦声和橘猫低低的呼噜声。第3秒左右,画面右侧之外传来钥匙插入门锁的金属碰撞声,随后响起门锁转动和门把手被压下的声音,但镜头中不出现门外的人。橘猫听到声音后,呼噜声立即停止,双耳迅速竖起,眼睛睁大,先用眼珠看向画面右侧,再慢慢坐直身体;尾巴停止摆动,脸上出现“主人回来了”的惊讶和期待。镜头从中景平稳地缓慢推进,最后停在橘猫竖起的耳朵和睁大的眼睛附近。保持角色外形与客厅布局不变,不切镜,不出现人类,不要对白,不要背景音乐,只保留与画面同步的环境音和动作音。
请注意:并不是所有视频模型都支持准确生成声音;有些需要另外打开音频选项,有些生成结果需要后期补音。课程练习时,可以先做好画面,再按实际模型能力决定是否生成声音。
十、先把前三项归纳起来
现在,我们已经学会视频提示词的前三部分:
主体+动作+效果
用普通话理解:
谁,在做什么;观众怎样看到、听到这件事。
“效果”不只是特效,它包括:
镜头怎样运动;
画面稳不稳;
哪里清楚、哪里模糊;
环境和光线怎样变化;
动作是快还是慢;
能听到什么声音。
不需要每一条都写满。只选择对这一段视频最重要的效果。例如,5秒的橘猫反应镜头,可以只用“缓慢挑眉+镜头慢慢推进”,就已经比堆满所有效果更清楚。
十一、最后两个字:节奏
到这里,我们已经能写好一条连续镜头。但有些内容需要同时交代环境、角色反应和后续动作,全部塞进一个固定画面,观众很难看清重点。这时就要安排:先看什么、接着看什么、每个画面停留多久。这就是节奏。
最常用的方法之一是“切镜”。每一段连续播放、没有中断的画面,可以理解为一个镜头;从一个镜头直接换到另一个镜头,就叫切镜。
下面用三个分镜讲一个简单的喜剧小故事:橘猫原本懒洋洋地躺在沙发上,听见画面外有人打开零食袋,立刻精神起来,最后跳下沙发冲向声音来源。
建议选择约9至12秒的视频时长,让三个镜头都有足够时间完成。如果当前模型只支持更短时长,可以缩短动作,或将三个镜头分别生成后再剪辑。
完整三分镜视频提示词
镜头一,客厅全景:清晨的客厅里,拟人橘猫四脚朝天地躺在深绿色沙发上,脑袋陷进靠枕,眼睛半闭,肚子随着呼吸轻轻起伏,尾巴从沙发边缘无力地垂下来。茶几、遥控器、落地窗和浅色窗帘都在画面中。镜头固定,节奏缓慢,只有闹钟滴答声、窗帘摩擦声和很轻的呼噜声。
切镜
镜头二,脸部近景:画面外突然传来清楚的塑料零食袋撕开声,但画面中不出现人和零食袋。橘猫的呼噜声立即停止,两只耳朵迅速竖起,眼睛从半闭突然睁大,瞳孔微微放大;它先用眼珠看向画面右侧,再慢慢转过头,嘴角带着掩饰不住的期待。镜头从脸部近景轻微推进到眼睛,突出表情变
切镜
镜头三,,低机位全景:橘猫瞬间从懒散变得精神,四肢迅速翻回正常姿势,从沙发上一跃而下,落地后立刻朝画面右侧的声音来源跑去。镜头位于接近地面的低机位,从左向右快速平移跟随橘猫;它跑出画面后,空沙发上的靠枕还轻轻弹动两下。保留落地声、快速脚步声和远处轻微的零食袋摩擦声,不要对白,不要背景音乐。
这三个镜头分别承担不同任务:
1. 全景建立状态:让观众看清客厅环境,以及橘猫到底有多懒;
2. 近景展示反应:用耳朵、眼神和嘴角放大“听到零食”的瞬间;
3. 低机位全景完成动作:让橘猫突然冲出画面,形成前慢后快的喜剧反差。
这就是节奏的作用:第一个镜头故意慢,第二个镜头集中展示反应,第三个镜头突然加快。节奏不是切得越多越好,而是让每个镜头只承担一个清楚的任务。
十二、景别是什么?用大白话就能理解
“景别”说的是:观众离主体看起来有多近,或者主体在画面中占多大。
| 景别 | 大白话理解 | 适合展示什么 |
| 远景 | 主角很小,环境占大部分画面 | 客厅、沙发、茶几的位置 |
| 全景 | 可以看清主角完整身体 | 橘猫的坐姿、体型和尾巴 |
| 中景 | 主角占据画面较大区域 | 转头、挥爪、拿遥控器 |
| 近景 | 主要拍头部或上半身 | 挑眉、眨眼、嘴角变化 |
| 特写 | 画面大部分是某个局部 | 眼睛、肉垫、遥控器按钮 |
不用刻意背名称,也可以直接用大白话描述主体在画面中的大小,例如“拍完整客厅”“只拍橘猫的脸”“从接近地面的角度拍完整身体”。
上一节的三分镜正好使用了三种不同的观察距离:
第一个镜头用客厅全景交代环境和橘猫的懒散姿势;
第二个镜头用脸部近景放大耳朵、眼睛和嘴角的反应;
第三个镜头用低机位全景展示橘猫跳下沙发并跑出画面的完整动作。
十三、完整公式:主体+动作+效果+节奏
我们终于可以把视频提示词整理为8个字:
主体+动作+效果+节奏
四个要素分别解决四个问题:
主体:观众主要看谁或什么?
动作:主体在几秒内做了什么,按什么顺序做?
效果:镜头、焦点、环境、光影、速度和声音怎样变化?
节奏:每段持续多久,什么时候切镜,先看全貌还是先看细节?
真正写的时候,不必机械地照着四个标题填空。只要你的提示词能把这四类关键问题说明白,就已经抓住了核心。
十四、用角色资产图和场景资产图保持一致
制作多镜头视频时,不需要为每一个镜头分别准备很多零散参考图。更简单的做法是先准备两张核心资产:
1. 一张橘猫角色资产图,用来确定主角长什么样;
2. 一张客厅场景资产图,用来确定空间结构和物体位置。
随后把两张资产图一起提供给支持多图参考的视频模型,例如 Seedance 2.5、Seedance 2.0、Wan 3.0 等,让模型同时参考角色与场景。
第1步:从现有图片中提取角色四视图
我们已经有一张“橘猫坐在客厅沙发上”的图片。直接把这张图交给图片模型,让它提取橘猫的角色资产,不需要重新设计角色。
角色资产图由四个画面组成:一个正脸近景,加三个不同方向的完整身体视图。可以输入:
参考这张橘猫坐在客厅里的图片,只提取图中的原创拟人橘猫,生成一张四视图角色资产图。第一个画面是角色正脸特写,清楚展示圆润脸型、琥珀色半眯眼睛、奶油色嘴部、额头三道深橙色条纹和胡须;第二个画面是正面全身图;第三个画面是完整侧面视图;第四个画面是背面图。四个画面中的角色必须保持相同的胖体型、浅橙色短毛、奶油色肚皮、额头条纹、眼睛颜色和深橙色尾尖。保持原图的电影动画级写实3D CG风格和细腻毛发质感。四个视图大小统一、彼此分开、横向排列,纯浅灰色背景,无客厅、无沙发、无道具、无文字、无标志、无水印。


生成后检查四个视图是否真的是同一只橘猫,尤其注意额头条纹、嘴部颜色、肚皮颜色和尾尖。选择角色特征最统一的一张,作为后续视频的角色资产图。
第2步:提取客厅俯视场景图
接着使用同一张原图生成场景资产。场景图不需要橘猫,只需要清楚展示客厅的空间关系。
参考这张橘猫坐在客厅里的图片,移除橘猫,只提取并补全同一个客厅场景。生成一张从上方向下观看的高位俯视场景图,清楚展示场景,沙发背后和旁边有窗户,电视柜在沙发前,上面放着电视。保持原图的暖橙色、深绿色和米白色配色,保持电影动画级写实3D CG材质与清晨光线。空间结构清楚,家具比例合理,画面中不出现任何角色、人物、文字、标志和水印,16:9横版。

俯视图的作用不是作为最终镜头,而是告诉视频模型:沙发在哪里、茶几在哪里、窗户和房门分别朝向哪里。这样更换景别和机位时,客厅的空间关系更容易保持一致。
第3步:把两张资产图一起交给视频模型
在 FlowPix 中,把“橘猫四视图角色资产图”和“客厅俯视场景图”连接到同一个视频生成节点,再选择支持多图参考的视频模型。不同模型的参考图入口名称可能不同,以当前界面为准。

写提示词时,先说明每张参考图负责什么:
角色严格参考图1,保持同一只拟人橘猫的脸型、胖体型、浅橙色毛发、奶油色嘴部和肚皮、额头三道条纹、琥珀色眼睛与深橙色尾尖;场景严格参考图2,保持深绿色沙发、圆形茶几、落地窗、房门和客厅空间布局一致。
然后继续描述视频中的动作、镜头和节奏。例如:
角色严格参考图1,场景严格参考图2。
镜头1清晨,拟人橘猫懒洋洋地靠坐在深绿色沙发上,一台圆形扫地机器人从画面右侧缓慢驶入客厅,轻轻碰了一下沙发边缘。客厅平视角全景;橘猫低头看向扫地机器人,呼噜声停止,耳朵向两侧展开,露出被打扰后的不耐烦表情。
镜头2橘猫脸部近景,它半眯着眼睛盯住扫地机器人,一边眉毛缓慢抬起,眼神从嫌弃逐渐变成若有所思。
镜头3接近地面的低机位侧面全景:橘猫从沙发上跳下来,稳稳站到扫地机器人上,像搭乘小车一样坐直身体;扫地机器人载着它从右向左缓慢穿过客厅,橘猫抬起下巴,双爪抱在胸前,尾巴得意地向上翘起。镜头横向平移跟随,最后停在橘猫骄傲的侧脸。
保持橘猫外形、深绿色沙发、圆形茶几、落地窗和房门位置与参考图一致。扫地机器人保持简单的白色圆形外观,不改变大小。保留扫地机器人的低沉电机声、碰到沙发的轻响、橘猫落地声和沙发回弹声;没有人类、对白和背景音乐,不出现文字、标志和水印。
十五、生成结果不满意,怎样改提示词?
第十四章生成的视频已经保住了橘猫和客厅,但角色表演还不够准确。播放视频后,可以发现三个具体问题:
1.橘猫躺在沙发上却没有闭眼,看起来不像真的睡着;
2. 躺姿比较规矩,没有表现出这只橘猫懒散、没形象的性格;
3. 两只前爪基本没有动作,画面缺少生活化的小细节。
这类结果不需要从头重写提示词。直接把看到的问题用大白话告诉 FlowPix 中的 Agent,让它在原提示词上进行定向修改。
第1步:把具体问题告诉 Agent
可以在当前 Agent 对话中输入:
现在的橘猫躺在沙发上没有闭眼,有点奇怪,而且躺的姿势我觉得和夸张一些,手也可以加个小动作,比如抓一下屁股。帮我改一下视频的提示词,原提示词如下:“角色严格参考图片1,场景严格参考图片2镜头1清晨,拟人橘猫懒洋洋地靠坐在深绿色沙发上,一台圆形扫地机器人从画面右侧缓慢驶入客厅,轻轻碰了一下沙发边缘。客厅平视角全景;橘猫低头看向扫地机器人,呼噜声停止,耳朵向两侧展开,露出被打扰后的不耐烦表情。
镜头2橘猫脸部近景,它半眯着眼睛盯住扫地机器人,一边眉毛缓慢抬起,眼神从嫌弃逐渐变成若有所思。
镜头3接近地面的低机位侧面全景:橘猫从沙发上跳下来,稳稳站到扫地机器人上,像搭乘小车一样坐直身体;扫地机器人载着它从右向左缓慢穿过客厅,橘猫抬起下巴,双爪抱在胸前,尾巴得意地向上翘起。镜头横向平移跟随,最后停在橘猫骄傲的侧脸。
保持橘猫外形、深绿色沙发、圆形茶几、落地窗和房门位置与参考图一致。扫地机器人保持简单的白色圆形外观,不改变大小。保留扫地机器人的低沉电机声、碰到沙发的轻响、橘猫落地声和沙发回弹声;没有人类、对白和背景音乐,不出现文字、标志和水印。”

注意:Agent功能会消耗积分
第2步:检查 Agent 改写后的完整提示词
Agent 整理出的提示词可以类似下面这样:
角色严格参考图片1,场景严格参考图片2。 镜头1清晨,客厅平视角全景:拟人橘猫以夸张的姿势瘫躺在深绿色沙发上——身体大幅横躺、肚皮微露、一条后腿高高搭在沙发扶手上,双爪松散摊开,双眼完全闭合,睡得酣畅。它有一个小动作:后腿轻轻屈伸两下,像半梦半醒地挠了挠自己的屁股,尾巴尖懒懒垂在沙发边缘晃动。一台圆形扫地机器人从画面右侧缓慢驶入客厅,轻轻碰了一下沙发边缘。橘猫的呼噜声停止,缓缓睁开惺忪的睡眼,耳朵向两侧展开,露出被吵醒后的不耐烦表情。
镜头2橘猫脸部近景,它半眯着眼睛盯住扫地机器人,一边眉毛缓慢抬起,眼神从嫌弃逐渐变成若有所思。
镜头3接近地面的低机位侧面全景:橘猫从沙发上跳下来,稳稳站到扫地机器人上,像搭乘小车一样坐直身体;扫地机器人载着它从右向左缓慢穿过客厅,橘猫抬起下巴,双爪抱在胸前,尾巴得意地向上翘起。镜头横向平移跟随,最后停在橘猫骄傲的侧脸。
保持橘猫外形、深绿色沙发、圆形茶几、落地窗和房门位置与参考图一致。扫地机器人保持简单的白色圆形外观,不改变大小。保留扫地机器人的低沉电机声、碰到沙发的轻响、橘猫落地声和沙发回弹声;没有人类、对白和背景音乐,不出现文字、标志和水印
第3步:复制新提示词,再次生成
把 Agent 输出的完整提示词复制到原来的视频生成节点,继续使用同一张角色资产图、同一张场景资产图和同一个视频模型,再生成一次。
十六、本节总结
图片提示词回答的是:画面是什么样子?
视频提示词还要回答:画面怎样变化,以及什么时候变化?
把这一节课压缩成四句话:
1. 主体:先说明观众主要看谁或什么;
2. 动作:写清楚它做什么,最好把抽象情绪变成可见动作;
3. 效果:选择必要的运镜、稳定性、焦点、环境、速度和声音;
4. 节奏:安排画面先后、景别、停顿和切镜。
请记住本节公式:
主体+动作+效果+节奏
与上一课合在一起:
图片提示词负责“画面长什么样”,视频提示词负责“画面怎么动”。