让 AI 视频从"十张废九张"变成"三张过两张"的，不是更华丽的形容词，而是三件事：

下面就是这套东西怎么长出来的。

一、第一批图出来，我就知道自己想错了方向

我做的是一门很小的生意：卖铸铁锅。短视频是唯一的获客渠道，但没有预算请团队，剪辑只能等晚上收工后自己做。

我的机器是华为 MateBook 13，2019 年的机器，i3-8145U 双核四线程，8G 内存。跑不动本地大模型，只能走云端 API 加一点点脚本。所以我的目标很朴素：

第一次正式试 AI 出图是三张：一张主妇擦锅沿的半身照、一张带手的锅体特写、一张空镜静物。我当时的提示词写得很"文学"，堆了一堆"质朴""烟火气""岁月感"。

同一段提示词，材质还原得比我预期准，年龄却整体偏移。

后来我想明白了：模型对材质的理解是

（砂眼、颗粒、油膜，这些都是视觉特征），对年龄的理解是

的——"40 岁 + 常年做饭 + 家庭主妇"这几个词一起出现，它往"辛劳"的语义空间飘。这不是它不准，是我给的条件带着隐含联想。

改法也很土：把"40 岁"改成"35 岁左右"，加上"短发扎成利落的低马尾""干净的浅色棉布围裙""像邻居家爱做饭的婶子"。第二版就不再是苦相了。

教训一：形容词越多不等于越准。年龄这类连续量，往上留余量；气质这类模糊量，要用具体的服饰和发型去锚定，别用抽象词。

我发现提示词里回报率最高的部分，不是主体描述，是我加在末尾的那句否定清单。

第一版我没写这句，出来的锅经常是"光亮如新的工业品"——因为大部分商品图库里的锅就长这样，模型的先验被污染了。后来我在产品段末尾挂了这么一串：

三张图，没有一张跑成不粘锅或珐琅锅。

这件事让我重新理解了提示词的结构。我把它分成三类约束，缺一类就废一类：

写"要什么"是在描述目标；写"不要什么"是在

手工写了几十条之后，我意识到自己在重复劳动：产品段、人物段、场景段、约束段几乎不变，每次真正变的只有四个镜头的描述。

于是我把提示词拆成了配置和模板两部分。核心就这么点东西：

脚本跑起来是零成本的，一次 0 秒出结果。而一次出片的失败成本是实打实的积分。

这是我用得最熟的一段结构，直接上表：

 135mm 长焦压缩空间，特写显质感；35mm 广角带环境，容易交代场景但主体会变小。一开始我把 135mm 写在"演示"镜头上，锅被裁得只剩一个角。

 凡是出现"快速推进""甩镜"的，几乎必糊。我现在统一只用"缓慢推进""平稳横移""固定机位"三种。

工具侧的计价大致是这样（不同模型有差异，按我实际用的算）：

先用 5 秒单镜头试水，确认质感对了再拉长。

 15 秒废一次的代价是 5 秒的三倍，而判断"这段对不对"根本不需要 15 秒——看三秒就知道锅对不对、光对不对。

我把这个写进了流程：任何新题材，第一轮一律只出镜头 1 的 5 秒版本。

六、三个官方写了但很容易忽略的限制

这几条都写在文档里，但只有废过片才会真当回事。

 这条最伤。我原本的计划是用 AI 出一个固定的"主妇"形象，跨镜头保持一致性。做不到。写实人脸素材直接不支持，人物一露正脸就崩。

人设靠真人拍，AI 只做产品、手部、场景、氛围。

 想让 AI 补口播，基本是死路。

 "卖点文字浮现"这类镜头，我试过三次，三次都是缺笔画、乱码、假字。中文在视频模型里的渲染能力基本等于没有。

对策：提示词里统一写死"画面无任何文字"，所有文字留到剪辑软件里压。这一条改完，废片率直接下降——因为以前我有三分之一的废片是"画面崩字"造成的。

 图片 ≤ 9、视频 ≤ 3、音频 ≤ 3，视频和音频的参考总时长不超过 15 秒，音频只吃 MP3。我一开始塞了 12 张产品图，直接被截断处理，前面几张才算数。

单条视频从想法到能发，我目前的实际耗时是 40 分钟到 1 小时，其中 AI 只占了 10 分钟，剩下全是剪辑和字幕。这一点得说实话，别被"一句话生成视频"的宣传带跑——

模型给你的是画面素材，不是成品。

顺便提一句合规：AI 生成的画面必须带标识，剪辑时别顺手裁掉。这块平台查得越来越严。

写完上面这些，我不想把它说成一套成熟方案。有三个问题一直卡着：

 只能靠"少露脸"绕过，真要人设连续性，还是得真人出镜。

 这套流程产出的视频基本无声。要么自己录，要么上语音合成，多一道工序，节奏就得重新对。

 文件名现在靠手写时间戳，几十条之后自己都找不到哪条是哪个版本的提示词生成的。这块我打算下一步做个简单的映射表，但还没动手。

这套东西没有让我的视频变好看。它做到的是另一件事：把"每次都要从头想一遍"变成"改两个变量、跑一次校验"。

一个人做内容，最贵的不是算力，是注意力的重复消耗。参数化省的不是钱，是每天重新进入同一件事的那二十分钟。

如果你的场景跟我类似——预算低、机器旧、一个人干几个人的活——建议先把"约束清单"和"硬校验"这两件事落地，比换更贵的模型有用得多。

AI 短视频的提示词工程：把分镜拆成参数和约束之后，废片率降下来了

人工智能

音视频

前端

将提示词拆为固定档与变量，附上否定清单明确“不要什么”，并用代码硬校验时长、镜头数等，废片率大幅下降。参数化流程让单条视频制作从一小时缩至40分钟，AI出图仅占10分钟。用5秒单镜头试水确认质感，再拉长至15秒四窗口结构，成本更低。忽略文档限制如人脸一致性、中文渲染必崩，是废片主因。

语音合成

腾讯云双十一大促

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

AI 短视频的提示词工程：把分镜拆成参数和约束之后，废片率降下来了

AI 短视频的提示词工程：把分镜拆成参数和约束之后，废片率降下来了

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐