图生视频提示词无需重写整张图，只需补充动态信息：①主体身份、②场景属性、③可执行动作、④镜头语言、⑤光影氛围，每项1～3个英文关键词，避免静态复述干扰模型理解。
☞☞☞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☜☜☜
图生视频提示词要不要重写整张图
用PixTV做图生视频时，很多人卡在第一步：看到参考图很完美，却纠结要不要把图里所有细节再打一遍文字描述——其实完全不必，AI已经“看见”了图，你只需告诉它“接下来动什么”。
图生视频的提示词核心是补动态，不是复述静态
PixTV的图生视频模型（如Seedance 2.5、MiniMax H3）采用“参考图+提示词”双输入机制：参考图决定画面基底（人物长相、服装、构图、光影），提示词只负责注入时间维度信息。这意味着你不需要重复写“穿红裙子的女孩站在樱花树下”，而应聚焦“她怎么动、镜头怎么走、氛围怎么变”。
如果硬把整张图的视觉要素再塞进提示词，反而会干扰模型对参考图的理解——尤其是中英文混杂、形容词堆叠时，token截断风险升高，容易导致主体偏移或动作失真。
正确写法：按5要素精准补缺
直接套用PixTV实测验证过的万能公式，每个要素只写1～3个关键词，用英文更稳：
① 主体：仅确认身份，不描摹细节。例如“girl in red dress”——不要写“身高165cm、齐肩黑发、V领收腰连衣裙带三颗珍珠扣”。
② 场景：锁定空间属性，不泛泛而谈。例如“cherry blossom park at dusk”——避免“漂亮户外场景”这类无效描述。
③ 运动：用现在分词短语，动作必须可执行。例如“walking slowly forward, hair swaying in breeze”——禁用“各种优雅动作”“随意走动”等模糊指令。
④ 镜头语言：指定视角与运镜方式。例如“medium shot, slow dolly-in toward face”——这是控制节奏和情绪的关键开关。
⑤ 光影与氛围：只加1项强化项。例如“soft rim light, cinematic mood”——加多了模型会优先响应后半段，弱化前序动作。
两种典型错误及修正方式
方法一：把原图提示词直接复制粘贴进图生视频框
→ 结果：画面静止感强，动作僵硬，甚至出现“人没动但背景狂闪”的时序错乱。
→ 修正：删掉所有静态描述（颜色、材质、构图词），只保留运动+镜头+氛围三类动词性短语。
方法二：完全不写提示词，只靠图生成
→ 结果：AI默认用最简运动逻辑（如轻微晃动或0.5秒循环），缺乏叙事意图，无法匹配口播节奏或分镜脚本。
→ 修正：哪怕只写4个词——“girl turning head; gentle pan right; warm tone; shallow depth”——也比空着强。
