看哪里 按「主体动作 → 镜头运动 → 环境变化」三句写，每句只写一件事，并写出速度和幅度。如果文字里重新描述了衣服、发型、背景，模型可能会按文字去改图，人物和画面就开始走样
这是什么
图生视频时，首帧图片已经决定了人物长相、场景、光线和风格。文字只需要补上图片里没有的东西：主体怎样动、镜头怎样动、环境里什么在动。Runway、Veo 等官方指南都建议图生视频的提示词聚焦运动，而不是重新描述画面
也叫图生视频提示词首帧生视频让图片动起来Image to Video
关键特征
- 缺了就不像
- 只写运动主体、镜头、环境各一句写出速度和幅度
- 加了更像
- 写清镜头是否固定动作在几秒内能完成
容易混淆
- 画面描述骨架Visual Description Structure
画面描述骨架用于从零生成，要写全；图生视频的画面已经定了，只写运动
图生视频只写运动Image-to-Video Motion Prompt
图片已经交代了画面，文字只写谁怎样动、镜头怎样动、环境怎样动
你可能会说
- 照片动起来之后变成别的人了
- 图生视频写了一大段反而乱动
- 只想让图里的人眨眨眼
适合用在
- 把一张 AI 生成或拍好的照片做成几秒的动态封面
- 漫剧、短剧里用定好的分镜图逐格生成视频
- 产品图做成缓慢转动或推近的展示片段
这样描述给 AI
女孩慢慢抬起头，看向镜头左侧，嘴角轻轻上扬；头发和围巾被微风吹动。镜头保持不动。背景里的树叶轻微摇晃，远处的行人缓慢走过