如何让视频模型对你言听计从?结构化提示词助你生成电影级画面

视频画面「塑料味」的根源往往不在模型,而在提示词。本文用 SCELA+ 框架把模糊的创作愿望拆成主体、场景、情绪、光照、运镜五个可检查的槽位,附镜头语言与质感约束,并给出可直接套用的提示词模板。

文章目录

如果你用视频生成模型做过画面,大概率遇到过这样的时刻:人物皮肤像蒙了一层塑料膜,高光硬得像贴纸,镜头一动就发飘。这类结果最常被归咎于模型本身不够强,于是换模型、换参数、反复抽卡。可真正的问题往往出在另一头——你交给模型的,是一句愿望,而不是一份可以执行的拍摄方案。

模型不会追问「你说的高级感具体指什么」,它只会把这句话拆解成自己训练数据里最常见的解:干净、居中、平光、表情克制。而这套解的典型观感,恰好就是人们吐槽的「塑料味」。想让模型听话,第一步不是换工具,而是学会把「我想要电影感」翻译成五个具体、可验证、缺一不可的槽位。本文使用的方法叫 SCELA+ 框架:主体(Subject)、场景(Context)、情绪(Emotion)、光照(Lighting)、运镜(Angle),再叠加镜头语言与画面质感两层约束。它不涉及任何特定模型或版本,换成你手头顺手的工具同样适用。

1、先诊断:为什么你的提示词总出塑料味

1、先诊断:为什么你的提示词总出塑料味(AI 生成示意图)

1、先诊断:为什么你的提示词总出塑料味 · AI 生成示意图

塑料感的第一个来源是形容词堆砌。「电影感、氛围感、高级、史诗、8K」这类词在提示词里几乎没有信息量,模型只能按默认设定补全,等于什么都没说。第二个来源是缺少物理细节:不说材质、光源方向、时间与天气,模型就只能给你塑料、玻璃、纯色背景这种「最安全」的纹理。第三个来源是缺镜头语言:没有景别、焦段、机位高度、运动速度,画面就只能摊平成一张会动的图。第四个来源是主体不稳定,同一段描述里换了几种写法,脸、发型、服装随之漂移。

所以判断一条提示词好不好,可以用一个朴素标准:把这句话交给一位没看过画面的摄影师,他能不能直接开机位?如果不能,就是还不够具体。

2、SCELA+ 五要素对照表

五个槽位不是并列的形容词清单,而是一张填空表。每个槽位都对应一句人类导演在开机前必然要确认的事:画面里有什么、在哪里、什么状态、怎么打光、镜头怎么走。

槽位 名称 它回答的问题 写法示例
S 主体 Subject 画面里到底是谁、是什么状态 三十岁上下的女性,湿发贴在额头,深灰色风衣领口竖起
C 场景 Context 在哪里、什么时间、天气如何 雨后的城市天台,地面薄薄积水,远处霓虹被雾化
E 情绪 Emotion 主体此刻的心理状态与强度 克制的疲惫,嘴角轻微下压,没有落泪
L 光照 Lighting 光从哪来、什么质地、明暗怎么走 单一暖色路灯光作主光勾出半张脸,背景压暗,边缘偏冷
A 运镜 Angle 机位在哪、镜头怎么动、速度多快 50mm 中景缓慢横移,机位与视线齐平,带轻微手持呼吸感

主体(S):别只写身份,要把年龄、发型、衣着、湿润还是干燥、有没有明显道具写出来。主体的细节越实在,模型越不容易滑向「通用模特脸」。场景(C):时间、天气、地面材质、远近景层次,四选一写清楚,画面立刻有了纵深。情绪(E):情绪不是形容词,是可被镜头捕捉的动作——呼吸变浅、攥紧手指、话说到一半停住。一个「伤感的女孩」远不如「话说到一半停住,然后转身」有效。光照(L):光源数量、方向、冷暖、硬软,比「唯美打光」有用一百倍;顶光会毁掉脸部,侧逆光才有轮廓光。运镜(A):景别(特写、中景、全景)、焦段、机位高度、运动方式、运动速度,五项都写,模型才有运动可推演。

3、再加两层:镜头语言与画面质感

五要素齐了,画面通常已经摆脱塑料味,但还差最后一口气:镜头像不像摄影机,画面像不像真的。镜头语言这一层补的是景别关系与节奏:谁是主体、谁做前景遮挡、镜头是推是拉是摇、每一次运动持续多久、有没有手持的不稳定感。质感这一层补的是物理痕迹:皮肤有毛孔、衣服有褶皱、金属有划痕、胶片有颗粒和高光溢出。

这两层最好写成短句,避免抽象评价。同时补一句负面约束,明确排除最常见的失败形态:过度磨皮、油亮高光、肢体畸变、背景闪烁、文字水印。负面项不负责创造美,只负责堵住那几个一眼出戏的破绽。

4、可直接套用的提示词模板

把下面这段存成自己的片段库,每次出片只需要替换括号里的内容:

【SCELA+ 视频提示词模板】
主体 S:(年龄 / 外貌细节 / 服装材质 / 当前动作与状态)
场景 C:(地点 / 时间 / 天气 / 地面与墙面材质 / 远近景层次)
情绪 E:(心理状态 + 一个可被镜头捕捉的身体信号)
光照 L:(主光源数量与方向 / 冷暖 / 软硬 / 背景明暗 / 是否轮廓光)
运镜 A:(景别 + 焦段 + 机位高度 + 运动方式 + 运动速度 + 稳定性)
镜头语言:(前景遮挡物 / 主体在画面中的位置 / 节奏或一次转场)
画面质感:(材质细节 / 颗粒感 / 色调倾向 / 真实瑕疵)
负面约束:(避免塑料感、避免过度磨皮、避免肢体畸变、避免背景闪烁、避免文字水印)

填好之后,可以先把它读成一段「现场通告单」自查一遍:光从哪来、镜头在哪、这一刻的人在想什么,三个问题答不上来,就是还没写完。下面是一个填好的示例,供参考:

主体 S:四十岁左右的男性,胡茬,穿洗旧的灰色衬衫,袖口卷到小臂,正低头擦手
场景 C:深夜便利店后巷,地面湿滑,远处自动门透出冷白灯光,垃圾桶做前景
情绪 E:刚结束一场难堪的谈话,疲惫里带着不肯认输的倔强
光照 L:便利店冷白顶光为主光,脸部下方形成浅阴影,远处一点暖色路灯做轮廓
运镜 A:中近景,50mm,机位略低于视线,从左向右缓慢横移,速度很慢,带轻微手持抖动
镜头语言:推拉镜位不变,主体始终在右侧三分线,留出左侧巷道纵深
画面质感:皮肤有毛孔与油光,衬衫布纹清晰,雨后地面有反光,轻微胶片颗粒
负面约束:避免过度磨皮、避免油亮高光、避免手指畸变、避免背景闪烁、避免文字水印

5、把提示词调好的三个习惯

一次只改一个槽位。 同时改五处,出片变好你也不知道是哪个词起了作用,下次就复制不到经验。定下主体后先锁死它,再去试光照。

情绪先于光线决定。 光是情绪的放大器。同样是侧光,疲惫的人和得意的人拍出来完全是两回事。先定人物此刻的心理状态,再决定光从哪来、给多少。

主体描述跨镜保持逐字一致。 做连续片段时,把主体那一行原样复制到每一条提示词里,只改场景与运镜。逐字一致比「差不多」稳定得多,也更容易看出差异来自哪里。

写在最后

「塑料味」是一种提示词缺失的症状,不是模型能力的上限。把愿望拆成主体、场景、情绪、光照、运镜五个能检查的槽位,再补上镜头语言与质感,你的指令就从「我感觉不对」变成「这样拍」。模型不需要更聪明,它只需要你把话说清楚——这也是结构化提示词最实在的价值:让创作从碰运气,变成可复现的流程。

相关阅读

  • 原文:《如何让视频模型对你言听计从?结构化提示词助你生成电影级画面》—— https://juejin.cn/post/7701269179106639913
  • 延伸实践:原文配套的自动化 Skill,把 SCELA+ 检查清单接入日常创作流程,生成前先自检缺失槽位
  • 提示词工程基础:把抽象评价改写成可拍摄的物理描述
  • 分镜基础:景别、焦段与机位高度的常规搭配

文中链接

整理自本文的外部链接,请以来源页面说明为准。

如何让视频模型对你言听计从?结构化提示词助你生成电影级画面 · 阿凡达博客