【提示词创作第五十三节】让AI人物更像真人的关键，不是脸，而是“有事可做”

很多人做AI人物视频时，会把重点放在脸上：五官要真实，皮肤要细腻，眼神要自然，光影要电影感。可是视频生成出来以后，还是很容易让人一眼看出是AI。

原因很简单：视频不是静态图片。图片只要一瞬间好看就够了，但视频需要人物在几秒钟里持续保持真实。只要人物站得太稳、表情不变、动作没有原因，画面就会显得僵硬。

真实的人不会一直像雕塑一样停在那里。人在等车时会看手机，在咖啡店会转杯子，在电梯里会看楼层，在走路时会被风吹乱头发。正是这些细微动作和生活反应，让人物像是正在经历一个真实瞬间。

这一节，我们就来讲AI视频人物提示词的核心技巧：不要只写人物长什么样，而要写人物正在做什么、为什么这样做，以及动作如何自然持续。

先看这张图。

画面里的人物、服装、场景都很精致，但如果把它直接做成视频，只写：

古风女子站在房间里，手里拿着书信，缓慢看向镜头，衣袖轻轻飘动。

这样虽然有动态，但还是容易像AI。因为人物为什么拿着书信？为什么看向镜头？她此刻是在等消息，还是刚读到重要内容？如果没有原因，动作就只是表演。

AI视频真正要写的，不只是“人物怎么动”，而是人物为什么这样动。

比如可以改成：

古风女子站在安静的房间里，双手拿着一封刚收到的书信。她原本低头看信，像是读到一半突然停住，手指下意识捏紧纸张，随后缓慢抬眼看向前方，表情从平静变成轻微不安。衣袖随着呼吸有细微起伏，发饰轻轻晃动，镜头缓慢推进，画面安静克制，古风电影感。

这样写，人物就不是单纯“拿着信站着”，而是正在经历一个瞬间：她读到了某个消息，所以停住、捏紧纸张、抬头、情绪变化。

所以，AI视频提示词的重点不是简单描述动态，而是写清楚：

人物在哪里，正在做什么，为什么这样动，以及动作后有什么细微反应。

同样一张图，静态看的是画面美感；做成视频时，看的就是人物有没有真实的处境和情绪。

很多人写视频提示词，会直接描述动作：

女子抬头。
女孩回头。
男生喝咖啡。
人物慢慢走路。
头发随风飘动。

这些写法都没有错，但它们只是“动作表面”。如果动作没有原因，视频就容易变成摆拍。

案例

再看这张图。

画面里的人物站在古风房间中，手里拿着团扇，服装、灯光和场景都很完整。静态图已经很好看，但如果做成视频，只写：

古风女子站在房间里，手持团扇，缓慢微笑，轻轻摇扇，镜头缓慢推进。

这段提示词不是没有动态。人物会笑，团扇会动，镜头也会推进。但问题是：她为什么摇扇？为什么看向前方？她是在等人，还是刚听到门外有声音？

如果没有原因，动作就容易变成表演。

AI视频提示词真正要写的，不只是“她做了什么动作”，而是这个动作为什么发生。

比如可以改成：

古风女子站在安静的书房里，手里握着一把团扇，像是在等待门外的人进来。她原本低头看着桌上的书卷，听到门外传来轻微脚步声后，才慢慢抬眼看向前方。手中的团扇原本轻轻摇动，随后动作慢慢停住，表情从平静变成一丝克制的期待。发饰轻轻晃动，衣袖有细微起伏，镜头缓慢推进，古风电影感，画面安静自然。

这样写，人物就不是单纯“拿着团扇站着”，而是有了一个明确处境：她在等人。
所以她会抬眼，会停下摇扇，表情也会有细微变化。

同样是“手持团扇”，普通写法只是让人物动起来；更好的写法，是让人物因为听到声音、等待来人、察觉变化而自然动起来。

写视频提示词时，可以多问一句：

这个动作是被什么事情触发的？

人物摇扇，是因为在安静等待。
人物停住，是因为听到门外声音。
人物抬眼，是因为有人靠近。
人物表情变化，是因为情绪被打断。

当动作有了行为动机，视频里的角色就不再像是在摆姿势，而像是正在经历一个真实瞬间。

做单人物视频时，很多人只会写一个动作，比如“低头”“抬眼”“转身”“发呆”，但这样写出来的人物，往往还是像在摆拍。

更好的方法是，把提示词拆成一个完整过程。
单人物视频可以套用这个公式：

人物身份 + 具体场景 + 当前状态 + 动作原因 + 连续动作 + 细微反应 + 镜头语言

我们就用这张图做案例。

画面里是一位古风女子，夜色庭院，灯笼亮着，她独自坐在廊下案前，身体微微前倾，眼神下垂，整个人有一种安静又低落的情绪。这个画面很适合做成“人物正在出神”这一类视频。

如果只写：

古风女子坐在庭院里，低头沉思，镜头缓慢推进，古风电影感。

这段虽然有画面，但还是太空。因为它只写了结果，没有写过程。人物为什么沉思？她是刚看完什么，还是在等什么？她低头之后，有没有细微反应？这些都没有交代。

按照公式拆开，就会更清楚：

人物身份：古风女子

具体场景：夜晚庭院廊下，灯笼微亮

当前状态：独自坐在案前出神

动作原因：像是想起一件心事，情绪有些低落

连续动作：先低头发呆，手指轻轻搭在桌边，随后目光缓慢移向一侧

细微反应：眼神停顿，呼吸轻，发丝微垂，神情安静克制

镜头语言：缓慢推进，浅景深，夜色古风氛围

组合成完整提示词，可以写成：

一位古风女子独自坐在夜晚的庭院廊下，案前灯火微亮。她像是想起了一件心事，安静地低头出神，手指轻轻搭在桌边，身体微微前倾。停顿片刻后，她的目光缓慢移向一侧，神情里带着一点淡淡的失落。人物有自然眨眼和轻微呼吸，发丝轻垂，动作克制细微。镜头缓慢推进，浅景深，古风电影感，画面安静自然。

这样写的好处是，人物不是只有一个“低头”的动作，而是有完整的变化过程：

先出神，
再停顿，
再缓慢移开目光，
最后带出情绪。

这就是单人物视频提示词最重要的地方：

不要只写一个动作，要写出人物当下的状态、动作变化和细微反应。

同样一张图，
如果只写“女子低头沉思”，画面会比较空；
如果写清楚“她为什么出神、动作怎么变化、情绪怎么流动”，视频就会更自然。

这张图里的古风女子站在宫殿中，服装华丽，场景庄重，人物本身并不适合做太夸张的动作。

如果只写：

古风女子站在宫殿中，缓慢转头，衣袖飘动，镜头推进，古风电影感。

这段虽然有动态，但还是容易假。因为人物只是按照提示词在动，并没有真实的身体反应。

这种庄重场景里，人物不需要大动作，反而要靠很轻的生命反应来变真实。

比如：

她安静站在宫殿中，像是在等待宣召。她的目光原本看向一侧，停顿片刻后轻轻垂下，手指在袖口处微微收紧。烛光轻晃，发饰有细微摆动，衣袖随着呼吸轻轻起伏。她没有明显表演，神情克制，像是在压住心里的情绪。镜头缓慢推进，画面庄重安静，古风电影感。

这段提示词里的动作并不多，但会更像真人。

因为真实的人即使站着不动，也不会完全静止。她会有呼吸，会有眼神停顿，会有手指细微用力，也会因为情绪变化出现很轻的表情反应。

这一章要强调的是：

视频里的真实感，不一定来自大动作，而是来自小反应。

尤其是这种宫殿、朝堂、等待、对峙类画面，人物越克制，越要写细节：

眼神短暂停顿

手指轻轻收紧

呼吸带动衣袖起伏

发饰轻微晃动

嘴唇轻轻抿住

身体重心有细小变化

表情从平静变成克制的不安

这些细节不会破坏画面的庄重感，却能让人物不像雕塑。

所以写AI视频提示词时，可以在最后加一句：

人物不是完全静止，有自然眨眼、轻微呼吸、眼神短暂停顿、手指细小动作，整体动作克制自然，不夸张表演。

这样人物即使只是站在原地，也会更像一个真实处在情境里的人。

多人物视频最容易假，是因为很多人会让每个人都同时做动作。

比如这张图，

如果只写：

古风女子和男子站在房间里对视，女子缓慢抬头，男子靠近她，镜头缓慢推进，古风电影感。

这段虽然有互动，但还是比较表面。因为两个人为什么靠近？为什么对视？女子是紧张、犹豫，还是在压住情绪？如果这些没有写清楚，画面就容易像摆拍。

多人物视频的关键，不是动作越多越好，而是要有一方行动，另一方反应。

可以改成：

华丽的古风房间里，女子穿着红色华服，站在男子面前。男子低声说了一句话后，身体微微靠近她。女子没有立刻回答，只是抬眼看着他，眼神短暂停顿，嘴唇轻轻抿住，像是在压住情绪。她的发饰随着呼吸轻轻晃动，男子停在她面前，没有继续逼近。镜头缓慢推进，浅景深，画面安静紧张，古风电影感。

这样写，人物之间就有了关系：

男子先靠近、说话，
女子听到后停顿、抬眼、克制反应，
男子再停住，形成一种安静的拉扯感。

这比“两个人对视”更像真实视频。

多人物提示词可以记住一句话：

不要让所有人都表演，要让一个人触发事件，另一个人产生反应。

比如：

一个人靠近，另一个人后退半步。

一个人说话，另一个人沉默片刻。

一个人伸手，另一个人眼神躲开。

一个人停住，另一个人察觉到情绪变化。

一个人看向对方，另一个人先避开视线，再慢慢看回来。

这一类互动，会让人物之间产生真实关系，而不是各自站在那里摆姿势。

所以写多人物视频时，不要只写“他们在做什么”，还要写清楚：

谁先行动，谁在反应，反应有多轻，气氛发生了什么变化。

请围绕「让AI人物更像真人的关键，不是脸，而是“有事可做”」帮我做一个可直接执行的方案。
我的目标是：【填写你的具体目标】
我的素材/产品/角色信息是：【填写已有素材和限制】

请输出：核心创意、分镜表、每个镜头的画面描述、视频生成提示词、剪辑顺序和成片自检清单。要求主体稳定、动作明确、镜头连贯。