AI 视频生成器实战:写一个镜头,而不是许一个愿
大多数糟糕的 AI 视频,起点都是一句含糊的话。下面是同一条提示词改了三遍,每遍解决了什么,以及我怎么决定这个镜头交给哪个模型。

AI 视频生成器很擅长照你说的做,却很不擅长猜你想要什么。输入“一个男人在雨中行走,电影感”,你会得到一个男人、一些雨,和一台不知道自己为什么在晃的摄影机。
解决办法不是写更长,而是换一种写法:让提示词读起来像分镜表里的一行。下面用 Paper Gen 里的文生视频和图生视频,演示我是怎么改过去的。
同一条提示词,改三遍
雨夜里一个男人在走路,电影感,氛围感,4K。
全是形容词。没有人物细节,动作只有“走路”,也没有机位,模型只能三样全靠猜。
一个穿深色长风衣的男人背对镜头,沿着狭窄的街道往前走。夜晚,下雨,霓虹灯倒映在积水里。
有了主体、行进方向和地点。但还是没说镜头在哪,片子发虚通常就虚在这儿。
一个穿深色长风衣的男人背对镜头,沿着狭窄的街道往前走。夜晚下雨,霓虹倒映在积水里。固定机位远景,低角度,他放慢脚步,回头看了一眼。
一个机位,结尾一个动作节拍。真要生成,我交的是这一版。
注意我没加什么:更多的氛围词。第一版里的“电影感”,作用远不如“固定机位、低角度”这六个字。
你说不清摄影机在哪,模型也说不清。
文生视频还是图生视频?
还在找画面的时候,我从文字开始;已经知道这一帧该长什么样、只差让它动起来的时候,我从静帧开始。Paper Gen 里两者挨着,刚生成的图可以直接当视频首帧,中间不用下载再上传。
如果画面比动作更重要,比如产品图,或者必须和上周物料长得一样的角色,就先出图。静帧把色调和构图定死,提示词只需要写“什么在变”。
图生视频详 解什么样的静帧好动,首尾帧什么时候值得用。我怎么选模型
没有最好的 AI 视频模型,只有最适合这个镜头的。我的默认选择是这样的:
| 镜头 | 我先试 |
|---|---|
| 有固定角色的叙事段落 | Seedance 2.5,带上角色参考图 |
| 靠布料、头发、水面撑画面 | Kling 3.0 |
| 有人对着镜头说话 | Veo 3.1 |
| 较长的一镜到底 | Wan 3.0 |
| 运动、舞蹈这类有冲劲的画面 | 海螺 Hailuo |
然后我会主动打破这些默认。同一条提示词在画布上跑两个模型,一分钟内看到的东西比任何对比表都多。每次生成前都会显示积分,所以多跑一个模型是你自己做的决定,不会是意外账单。
什么时候别用文生视频
Logo、画面里要能读清的文字、精确的产品外形,用参考图控制仍然比用文字靠谱。另外,如果你要的是一段剪辑而不是一个镜头,就把镜头分开生成再剪。让一条提示词塞下三个场景,通常只会得到三个半成品。
打开 AI 视频生成器Seedance、Kling、Veo、Wan、海螺都在一个地方。常见问题
可以用一张照片开始做 AI 视频吗?
可以。在 Paper Gen 上传照片、草图或产品图,提示词只写动作即可,也可以设置首帧和尾帧。
生成前能看到要花多少积分吗?
能。每次生成开始前,Paper Gen 都会显示所需积分。



