要用秘塔AI生成符合预期的视频，必须精准描述“谁在做什么”：先定主体身份与不可替代视觉锚点，再用起始→中间→结束三段式拆解动作，并将特征细节嵌入动作句中强耦合。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要用秘塔AI生成符合预期的视频，必须让模型精准理解“谁在做什么”，主体描述模糊或动作指令含混，会导致人物变形、肢体错位、动作卡顿甚至主体凭空消失。
主体描述：先定身份，再补特征
第一步：用一句话锚定主体核心身份，例如“一位穿藏青色工装裤的快递员”——不能只写“一个人”，否则模型默认生成中性脸、无职业标识的通用形象。
第二步：叠加1～2个不可替代的视觉锚点，如“左耳戴银色耳钉”“右手虎口有陈旧烫伤疤痕”“背包侧面贴着一张褪色的‘顺丰’贴纸”。这些细节不需堆砌，但【缺一不可】，它们是防止模型自由发挥、替换主体的关键约束。
第三步：若主体为非人类，必须明确物理属性。例如写“机械狗”不如写“四足关节外露的黄铜齿轮机械狗，后腿液压杆有轻微锈迹”，否则模型可能生成毛绒玩具质感或全封闭流线型机器人。
动作描述：拆解帧序，拒绝形容词堆砌
方法一：用“起始态→中间态→结束态”三段式写法。例如：“蹲在路边（起始态）→左手撑地缓慢起身，右膝未完全伸直（中间态）→站定后低头看手机屏幕，肩膀微耸（结束态）”。这种写法直接对应视频关键帧，模型生成连贯性高。
方法二：绑定身体局部+方向+速率。例如：“食指快速向上滑动手机屏幕”比“手指滑动屏幕”准确，“右肩向后小幅度回撤0.3秒”比“肩膀动了一下”可控。速率词必须具体，禁用“稍微”“略微”“轻轻”等模型无法量化的表述。
【注意】动作描述中禁止出现“仿佛”“好像”“似乎”等虚拟语气词，模型会将其识别为风格提示而非动作指令，导致动作失效。
主体与动作强制耦合写法
把主体特征直接嵌入动作句中，形成强绑定。例如不写“女孩跳舞”，而写“扎高马尾、发绳印在后颈留有浅痕的女孩，正用左脚尖点地旋转三圈半，裙摆扬起高度齐腰”。这里“高马尾”“发绳印”“裙摆高度”全部成为动作发生的物理前提，模型无法脱离这些条件虚构动作轨迹。
这一步操作起来很简单，直接把主体细节和动作动词揉进同一句话就行。但若分开写，模型大概率在生成时丢弃细节，只保留动作骨架。
