如何从AI视频工具里拿到可用镜头

每个AI视频工具的演示都很漂亮，失败却非常具体。这些失败不是随机的：它们集中在手、文字、人群、快速运动、长距离运镜，以及任何必须在镜头之间保持一致的东西上。拿到可用镜头，主要是围绕这些集群去规划，而不是指望模型终于学会了画手指。

这些是能扛住截止日期的习惯。底层机制请读AI视频模型如何工作；就提示词技艺本身而言，提示词最佳实践讲得更深。

写镜头，而不是写故事

生成的单位是一个镜头，不是一个场景。如果你写一段情节，模型会试图把它塞进几秒钟里，结果一团糟。改写成一次机位设置：谁或什么在画面里、他们在做什么、在哪里、怎么打光、镜头在做什么。

Luma 为 Ray2 写的文档给出了一个有用的排序：主体、动作、细节、场景、风格、摄影机、强化词。Runway 的多镜头指引说得更直白——让每个镜头的提示词聚焦于一个场景，如果你想要一个序列，就提供一份分镜表，而不是一段冗长的描述。

这也是为什么即使什么都没画，分镜也有用：三到五个机位设置的分镜表，每个只有一个动作，是比一份导演阐述更好的输入。

给模型一张图

文字是最弱的控制形式。如果一个角色、产品或地点必须看起来正确，就给模型一张参考图或一个首帧。现在大多数严肃的工具都支持这一点，而厂商自己的说明在“什么算好的参考”上是一致的：

• 分辨率与质量。 用你手上最锐利的源素材。压缩过的、发软的或有噪点的参考，会产生更软的输出。
• 孤立。 一个清晰的主体，没有杂物和竞争元素。
• 光线。 均匀、中性的光最忠实；浓重的阴影和色偏会被带进结果。
• 一小套彼此协调的图，而不是单张，当你是在定义一个风格时。

文档直白地写出一条警告：你对自己提交的任何肖像的权利负责。未经许可使用一个真实人物的参考图，先是一个法律问题，其次才是艺术问题。

说出你不想要什么

生成会向模型见过的平均值漂移，这就是为什么人群里会出现不想要的脸、画面边缘会出现多余的物体。负向提示词是最便宜的补救。Google 自己的 Veo API 示例就在正向提示词之外传入一条负向提示词来压制不想要的声音；同样的逻辑在视觉上也成立。

让摄影机保持克制

大动作——摇臂升起穿过窗户、甩镜、围绕坠落物体环绕——正是时间一致性崩塌的地方。缓慢的推近、轻微的手持漂移或固定画面，可靠得多，因为大幅度的运动给了模型更多帧可以去出错。

摄影机语言确实有效：Google 公开的 Veo 示例按顺序描述景别、运动和镜头行为，结果会跟着走。诀窍在于只要求一个连贯的运动，而不是在同一个片段里要三个。

先廉价测试，再投入

以能回答“这是不是正确的镜头”这个问题的最低成本和最短时长来生成。又长又贵的渲染，留给已经验证过的镜头。Veo 3 的 API 按输出秒数计价，并设有更便宜的快速档，正是为这个循环准备的；Luma 的 Ray2 先生成短的基础片段再扩展，让你在付钱买长度之前先判断一个镜头。

当客户项目依赖某种观感时，锁定你的模型版本。Runway 的 API 文档允许你锁定一个带日期的工作流版本，而不是追随最新版，这就是可复现管线和移动靶之间的区别。

刻意搭建连贯性

镜头之间的一致不是一个提示词问题，而是一个管线问题。三种技术承担了大部分工作：

1. 为每一个会回归的元素做参考和关键帧。 同样的图进去，同样的观感出来。
2. 在一段序列里复用完全相同的风格语言。 Runway 明确建议在镜头之间重复相同的产品语言或风格语言，以获得视觉一致性。在镜头之间给风格改名，是在邀请一次新的诠释。
3. 按“变化有动机”来编排序列。 换装、换地点、夜景——任何能解释可见差异的东西，也会掩盖模型的不一致。

像剪辑师一样评判镜头

一条在运动中看起来不错的镜头，常常死在剪辑台上。为每个候选镜头筛查那些会终结一个镜头的东西：融化的手、漂移出口型同步的嘴、变成字形乱码的文字、穿墙而过的群演。以正常速度看一遍，然后逐帧擦看首帧和末帧——那是你的入点和出点。

保留一份备选清单，而不是一个最爱：三条摄影机略有不同的镜头，往往正是剪辑需要的。

单独规划声音

原生音频——对白、音效和音乐在单次生成中随画面一起产出——改变了工作流。Veo 3 是 Google 第一个做到这一点的模型，而多镜头方案现在默认生成音频。它对临时参考轨和口型同步测试很有用。

但要把生成的音频当作第一版。对白的可懂度、室内环境音和音乐版权仍然需要人的判断，而一个镜头可能在视觉上完美，却因为那句台词含混不清而无法使用。

披露，并保留记录

两件事正在汇合。平台在更积极地标注：YouTube 对写实AI内容加上显著标签，如今会自动标注其系统检测为大量AI生成的内容。监管也在到来：欧盟《人工智能法案》第50条要求提供者以机器可读的格式标记合成输出，并要求部署者在使用深度伪造时予以披露。

实用的习惯很简单。保存来源信息——Content Credentials，即 C2PA 标准，把一份签名过的来源与编辑记录附在文件上——并保留一份提示词、参考图、模型版本和种子的项目日志。当客户或电影节问起某个镜头是怎么做的，那份日志就是答案。

当一个镜头反复失败，就改镜头

最常见的错误是把提示词改写第十遍。如果一个镜头反复失败，那说明这个镜头在要求模型无法可靠完成的事。把它一分为二。移动摄影机。在困难的动作发生之前切走。把物体放到焦点之外。在这里，限制不是妥协；它就是手艺。

简短版

• 每条提示词写一个镜头，主体、动作和摄影机都清楚。
• 为任何必须保持一致的东西做参考，并核查权利。
• 对已知的瑕疵用一条简短的负向提示词。
• 廉价地迭代，然后把胜出的那条按全长渲染。
• 以你将要剪到的那些帧来评判镜头，而不是暂停时最好看的那些。
• 把声音当作独立的一层来规划，并披露你使用的工具。