图生视频创作简报：一份可复用的工作室检查表

图生视频提示词不是给静态图配一句说明，而是一份小型创作简报：参考图负责提供视觉世界，提示词负责说明什么应该运动、什么必须保持稳定，以及镜头最终应呈现怎样的感受。

更可靠的简报会在任务进入队列前减少歧义。重点不在于堆更多文字，而在于按正确顺序做决定。

1. 从能承载镜头的画面开始

选择主体清楚、光线可读、并且为运动留有余地的参考图。复杂画面当然也可以使用，但每一个互相竞争的元素都会多带来一个需要模型判断的问题。

写提示前，先确认画面中的三个锚点：

• 主体： 哪个角色、物件或产品必须保持可识别？
• 场景： 哪种地点、材质或光线关系最重要？
• 构图： 原始取景需要固定，还是镜头移动本身就是请求的一部分？

如果这张图承担的是身份、服装或产品外观的参考作用，请直接写出来；如果它只负责提供氛围，也应当明确区分。

2. 先描述一个主要变化

第一版渲染通常只需要一个明确的主动作。例如人物转向窗边、杯口升起蒸汽，或产品表面掠过一道高光。不要在同一句里叠加彼此无关的变化。

可以从这个结构开始：

保持 [需要稳定的视觉锚点]。让 [主动作] 以 [节奏] 发生。

例如：“保持陶瓷器型和柔和的晨光。让花瓶缓慢转动，同时一束细窄高光沿着釉面移动。”

这句话同时给出了稳定主体、单一动作和可检查的成功标准。

3. 把主体运动和镜头语言分开

主体运动与镜头运动回答的是不同问题。没有主次地把它们混在一起，往往会让简报更难复盘。

• 主体运动 说明场景内什么在变化：一个手势、布料摆动、反光移动或天气漂移。
• 镜头语言 说明观众如何感受画面：固定机位、缓慢推进、横向跟拍，或克制的手持感。

先选一个作为镜头的主角。用固定机位和清晰的主体运动测试场景，是一个稳妥的起点；之后再把轻微推进当成有意识的第二次迭代，而不是额外的偶然变量。

4. 把输出设置当作创作约束

分辨率、画幅和时长都会改变简报。竖版短视频需要不同于宽幅产品镜头的构图；短时长更适合一个能快速读懂的节拍，而不是完整的叙事弧线。

提交前先查看所选模型当前可用的选项。让动作规模与时长相匹配，并在预览阶段确认：即使关闭声音，第一帧和最后一帧是否依然成立。

5. 把音频当成单独的创作决定

当所选渲染配置支持音频时，先判断它是在帮助镜头，还是在抢夺注意力。安静的环境声、一个 Foley 提示或跟随节拍的剪辑，都可以有用；但它们应该服务于画面方向，而不是代替画面方向。

在早期图生视频测试中，通常先确认视觉运动是否清楚，再考虑加入音频，会更容易定位问题。

6. 按简报复盘结果

不要只因为画面“有电影感”就判断它成功。回到一开始设定的锚点：

1. 主体是否仍然可识别？
2. 主动作能否快速读懂？
3. 镜头行为是否符合请求？
4. 重要视觉约束有没有漂移？

记录下一版只需要改的一个点。像“镜头再慢一些”“减少背景运动”或“保留原始轮廓”这样的反馈，比“再好一点”更能推动迭代。

一份可复用的图生视频简报

可以用下面这份结构起步：

稳定锚点： [主体、产品、身份或构图]。
主动作： [一个清楚的运动]。
镜头： [固定、推进、跟拍或其他克制的移动]。
环境： [光线、氛围、材质反应]。
约束： [什么不能变化]。

一份有效的简报会先告诉渲染什么应当稳定，再说明什么需要改变。这个习惯会让图生视频更容易被导演、检查和逐步优化。