前言

Vidu Q3 上线以来，我们收到最多的一类反馈是：

"为什么别人生成的效果那么好，我的总是差那么一截？"

答案几乎都指向同一个地方——提示词。

这篇文章是 Vidu 官方整理的 Q3 提示词使用指南，覆盖参考生视频、图生视频、文生视频三种模式，从基础结构到进阶技巧，附带可直接套用的模板，建议收藏！

---

1. 参考生视频（Reference-to-Video）

核心原则：

以参考图锁定风格或主体，用提示词描述新场景中的动作，实现"同一主体，全新故事"。

提示词结构公式：

1.1 风格迁移

将参考素材的视觉风格应用到新内容上：

• 动画风格迁移

主体图:

风格参考图：

Q3视频效果：

提示词：参考吉卜力动画风格，女孩在麦田中奔跑，风吹麦浪，蓝天白云，温暖治愈

• 摄影风格迁移

主体图:

风格参考图：

Q3视频：

提示词：参考胶片摄影风格，颗粒感，褪色，人物在咖啡馆窗边发呆

1.2  主体一致性（跨场景）

参考生视频最核心的能力：让同一主体出现在不同场景中。

• IP形象应用：

  提示词：参考品牌吉祥物形象，新场景：吉祥物在节日广场上挥手，彩带飘落，欢乐氛围

1.3 Q3 亮点功能

功能	说明	提示词关键词
自动切镜	模型根据内容自动安排镜头切换	加入"切镜"关键词
多视角切镜	打斗等复杂场景的多角度呈现	"多视角切镜"
规划切镜	用数字明确列出每个镜头内容	"镜头一：… 镜头二：…"
音画同步	台词精准对应画面	每个镜头对应台词
宫格叙事	上传分镜图/九宫格自动理解	上传分镜参考图
过肩镜头	双人对话的正反打	"xxx的过肩镜头"

• 多视角切镜示例：

提示词：两个人出现激烈地打斗，画面出现多个视角切镜

---

2. 图生视频（Image-to-Video）

核心原则：

以图像为锚点，用提示词描述"从这张图出发，接下来发生什么"，重点在于运动方向与幅度控制。

提示词结构公式：

[输入图像]
    └─ [描述图中主体]
            └─ [指定运动方向 / 动作]
                    ├─ [运动幅度（轻微/明显/剧烈）+ 速度 + 节奏]
                    ├─ [镜头运动（推/拉/摇/移/跟/环绕）+ 速度 + 起止状态]
                    └─ [氛围延续或转变（光照/色调/材质/情绪一致性）]

2.1  画面延续

核心原则：

1. 描述图中已有元素的自然延伸，不引入图中没有的新主体

2. 用"轻微""缓慢"控制幅度，避免画面崩坏

3. 使用时序词表达变化过程："起初……接着……后来……"

场景	弱提示词（容易翻车）	强提示词（稳定出片）
食物变化	冰淇淋在阳光下融化	冰淇淋草莓球表面逐渐变得湿亮，边缘轻微塌软，一滴粉色融化液沿着甜筒纹路缓慢下滑，整体不要完全坍塌
风景变化	窗外从晴天变成下雨	窗外光线由明亮转为灰暗，窗帘被风轻轻吹起，玻璃上出现少量雨滴并缓慢下滑，花园逐渐变得朦胧
人物情绪	老人表情从微笑变感伤	老人低头看着相册，原本淡淡的微笑逐渐收住，眼神停在照片上，眼眶微微泛光，手指轻轻按住相册边缘

规律：强提示词描述的是变化"过程"，而非仅仅是"结果"。

• 人物情绪变化：

提示词：

上图：老人翻看相册，表情从微笑变得感伤。

下图：老人低头看着相册，原本淡淡的微笑逐渐收住，眼神停在照片上，眼眶微微泛光，手指轻轻按住打开的相册边缘，整体情绪安静克制。

2.2 运动控制

图生视频中运动幅度控制直接影响生成质量，需拆解动作的每个阶段：

• 多物体运动：

提示词：

上图：多米诺骨牌一个接一个倒下去。

下图：第一块骨牌推倒第二块，骨牌沿着S形曲线依次倒下，未碰到的骨牌保持直立，已经倒下的骨牌平躺在桌面上不乱滑，最后一块轻轻倒地后静止

2.3 主体一致性

图像本身已提供视觉锚点，提示词需与图像内容保持一致，不描述图中不存在的特征。

• 人物一致性：

提示词：

上图：女孩慢慢转头到侧面

下图：女孩保持短发、蓝色挑染、雀斑、红口红和黑色高领毛衣不变，头部缓慢转到侧脸，左耳环逐渐被头发遮住，表情始终平静。

2.4  运镜注意事项

• 推镜在图生模式表现优秀，特别适合产品展示

• 避免大幅度拉镜，容易导致图像边缘内容生成失真

• 环绕镜头需配合主体有足够细节的图像

提示词：

上图：推进镜头，焦点从花转移到后面的人。

下图：镜头缓缓前推，前景玫瑰从清晰逐渐变柔，后景长椅上的情侣从模糊轮廓变得清晰，花仍留在左下角形成粉色虚化，人物表情逐渐清晰。

---

3. 文生视频（Text-to-Video）

核心原则：

用"主体 + 动作"构成最小有效提示词，再按需叠加场景、运镜、光线、音效等元素。

提示词结构公式：

[主体描述]
    └─ [主体动作 / 表情 / 状态]
            ├─ [场景 / 背景]
            ├─ [运镜方式]
            ├─ [光线 / 氛围]
            ├─ [背景音乐 / 音效]
            └─ [对白 / Speech]

最小提示词公式：

主体 + 主体运动/表现

示例：

一只橘猫慵懒地伸了个懒腰

在此基础上，按需叠加其他元素，例如：

[运镜] 一只橘猫慵懒地伸了个懒腰，[场景] 阳光透过窗帘洒在木地板上，[音效] 轻柔的钢琴背景音

3.1 画面描述

画面描述决定视觉风格与构图质量，关键在于具体化。

要素	弱提示词	强提示词
风格	好看的画面	赛博朋克风格，霓虹灯反光，雨夜街道
光线	有光	黄昏侧逆光，金色光晕，长阴影
构图	人在中间	低角度仰拍，人物占画面三分之二
细节	穿着漂亮	身穿深蓝色丝绒礼服，领口有碎钻装饰

分场景示例：

• 城市街景：东京涩谷十字路口，夜晚，霓虹灯倒映在湿润的地面，行人撑伞穿行，电影感构图

• 微观特写：雨滴落在荷叶上，极致特写，水珠在叶面滚动，绿色背景虚化，高速摄影质感

3.2 运动描述

运动描述需明确谁在动、怎么动、动作幅度多大。

• 物体运动：FPV无人机贴地跟拍，一辆红色跑车在险峻的山路上极速狂飙，背景产生强烈的动态模糊

• 微小动作：半身特写，年轻女孩正在看书，食指在翻开的书页上顺着文字缓缓划过，夕阳照在纸面上，嘴角微微上扬

3.3  主体一致性

在多段生成或长视频中保持主体外观一致的技巧：

• 在提示词中固定主体外貌特征（发色、服装、体型等关键视觉特征）

• 使用角色标签锁定身份，如"同一名红发女孩"

• 避免使用模糊代词，始终重复主体描述

示例：

物品一致性：复古皮质棕色行李箱，特写箱扣；同一行李箱被放上行李架的全景

多人场景一致性：三人组合：高个子男生戴黑框眼镜、短发女生穿白色卫衣、卷发女生背红色双肩包，镜头一：三人并排走在校园小路；镜头二：同三人坐在草坪上聊天

3.4 运镜描述

运镜类型	关键词	效果
推镜	缓慢推进、zoom in	聚焦主体，增强张力
拉镜	缓慢拉远、zoom out	揭示环境，营造孤独感
环绕	360度环绕拍摄	展示主体全貌
跟随	跟拍、手持跟随	临场感、纪录片风格
俯拍	鸟瞰、俯视	宏观视角
仰拍	低角度仰拍	主体显得高大威严

运镜示例：

• 环绕：镜头360度环绕一棵百年老树，树干粗壮，枝叶繁茂，光线从叶缝间穿透

• 主观视角：第一人称视角，穿行于繁忙的东京街道，人群从两侧涌过，沉浸感强

---

4. 进阶技巧

4.1 提示词迭代策略

生成结果不理想时，按以下步骤系统排查：

Step 1：定位问题类型

问题现象	可能原因	调整方向
主体模糊/变形	主体描述不够具体	增加外貌细节，减少其他元素
动作不自然	动作描述过于复杂	拆分为单一动作，降低幅度
风格不对	风格词汇权重不足	将风格词移至提示词最前面
画面杂乱	元素过多互相干扰	删减次要描述，聚焦核心
多镜头混乱	时长/主体指代关系不清	时长跟分镜脚本要匹配

Step 2：最小化测试法

原始（失败）：赛博朋克风格，霓虹灯雨夜，黑衣女子站在街头，镜头缓慢推进，背景音乐电子乐

→ 测试主体：黑衣女子站在街头
→ 叠加风格：赛博朋克风格，黑衣女子站在街头
→ 叠加运镜：赛博朋克风格，黑衣女子站在街头，镜头缓慢推进
→ 逐步叠加，精准定位导致问题的元素

Step 3：关键词替换参考

动作描述替换：

• 模糊 → 具体：移动 → 缓缓向左转身

• 过大 → 适中：剧烈奔跑 → 小跑前进

• 复合 → 单一：边走边说话边挥手 → 缓步前行

风格描述替换：

• 泛化 → 精准：好看的风格 → 胶片质感，颗粒感，冷色调

• 堆砌 → 精简：超高清8K超写实电影级大片 → 电影质感，自然光

4.2  情绪一致性原则

画面、运镜、音效三者的情绪基调需保持一致，否则生成质量会明显下降。

情绪基调	画面元素	运镜	音效/音乐
孤独忧郁	冷色调，空旷场景，单一人物	缓慢拉远	大提琴，低沉
温暖治愈	暖黄光，自然场景，柔和细节	轻微推进	钢琴，鸟鸣
紧张刺激	高对比，快速切换，特写	手持抖动	电子音效，节奏快
史诗宏大	广角，宏观场景，强光效	鸟瞰，缓慢环绕	管弦乐，厚重

组合示例：

# 孤独忧郁
冷蓝色调，空旷的城市天台，一人独坐望向远处灯火，镜头缓缓拉远，背景音乐：大提琴独奏，低沉绵长

# 紧张刺激
夜晚城市，手持跟拍，主角在人群中快速穿行，镜头轻微抖动，高对比度，背景音效：急促脚步声，心跳声

# 史诗宏大
日出时分，鸟瞰雪山山脉，云海翻涌，金色光芒从山峰后喷薄而出，背景音乐：管弦乐，磅礴有力

4.3 音频提示词

Vidu Q3 支持音效与背景音乐描述，建议放在提示词末尾。

类型	格式	适用场景
背景音乐	背景音乐：[风格/乐器/节奏]	氛围营造、情绪渲染
环境音效	音效：[具体声音描述]	增强临场感、写实感
人声/对白	Speech：[内容]，[语气/音色]	叙事、角色表达

示例：

# 自然场景
清晨山间云海，薄雾流动，音效：鸟鸣声，远处流水声，微风拂过树叶的沙沙声

# 混合音频
咖啡馆室内，暖黄灯光，背景音乐：爵士钢琴轻柔流淌，音效：咖啡机研磨声，杯碟轻碰声，雨打窗户声

# 人物对白
女孩站在窗边望向远处，Speech：她轻声说"终于等到你了"，语气温柔，略带哽咽

---

5. 常见问题 FAQ

Q1：提示词越长越好吗？

不是。最佳长度在 50–150 字之间。过长会让模型在多个描述之间分配注意力，核心元素反而被弱化。优先写清"主体 + 动作 + 风格"。

Q2：生成的人物面部模糊或变形怎么办？

常见原因：主体描述过于简单；提示词中其他元素过多分散注意力；运镜幅度过大。建议先用简短提示词单独测试人物生成，确认效果后再叠加其他元素。

Q3：如何让视频有更强的电影感？

三个关键点：

1. 光线：使用"黄金时刻""逆光""丁达尔光效"等具体光线词汇

2. 运镜：加入"缓慢推进""360度环绕"等描述

3. 色调：明确色调方向，如"冷蓝色调""高对比度"

Q4：图生视频画面崩坏怎么办？

• 降低动作幅度：将"快速""剧烈"改为"缓缓""轻微"

• 避免引入图中不存在的新主体

• 避免大幅度拉镜，推镜更稳定

• 选择主体清晰、构图简洁的输入图像

Q5：参考图的质量有多重要？

非常重要。参考图的清晰度、风格鲜明程度直接决定迁移效果。建议使用分辨率高、主体清晰、风格鲜明的图片，人物建议正面或四分之三侧面。

---

附录：提示词模板速查

通用模板

文生视频
[风格] [主体描述]，[主体动作]，[场景/背景]，[光线/氛围]，[运镜]，[音效]

图生视频
图中[主体]，[动作描述]，[运动幅度]，[镜头运动]

参考生视频
参考[素材特征]，新场景：[主体]在[环境]中[动作]，[氛围]，[运镜]

行业场景速查

场景	模板
电商产品展示	极简风格，[产品名称]，[颜色/材质]，缓慢旋转，纯白背景，顶部柔光
旅游目的地	电影质感，[目的地]，[标志性景观]，黄金时刻，无人机鸟瞰缓缓推进
社交媒体短视频	竖屏构图，[强视觉冲击开场]，[主体动作]，节奏感强，背景音乐：流行电子
影视创意短片	电影质感，[人物描述]，[情绪状态]，[场景]，[戏剧性光线]，[运镜]
自然纪录片	纪录片风格，[自然场景]，[自然运动]，[自然光]，固定镜头，音效：环境音

常用关键词速查

类别	推荐关键词
写实电影	电影质感、自然光、4K写实、纪录片风格
日系清新	胶片质感、颗粒感、柔和色调、日系小清新
赛博朋克	霓虹灯、雨夜、高对比度、蓝紫色调
中国古风	水墨质感、留白构图、古典美学、丹青风格
温暖光线	黄金时刻、暖黄灯光、烛光、夕阳逆光
冷酷光线	蓝调时刻、冷白光、月光、霓虹灯光
聚焦运镜	缓慢推进、zoom in、景深虚化
临场运镜	手持跟拍、轻微抖动、第一人称视角
宏观运镜	无人机鸟瞰、俯视、航拍、360度环绕

---

写在最后

技术持续迭代，方法论长期有效。

理解提示词背后的创作逻辑，

才能持续获得更稳定、更优质的生成结果。

未来，Vidu API开放平台将持续分享：

AI视频创作教程、最佳实践案例、行业解决方案及最新能力解析，

欢迎关注我们，与更多开发者和创作者共同探索AI视频的无限可能！