你是不是看到过非常专业的视频生成控制的演示呢？在别人用AI生成的视频演示中，你能看到他们可以让AI完全按照自己的想法生成视频。今天，我就把这个秘诀教给你。

想要严格控制AI生成视频的整体过程，我们推荐一种标准化结构的提示词格式，这种格式向AI提供了全面的生成依据，因此，可以做到精准把控。

让我们先看一个案例。

下面这个视频是用通用语言描述生成的视频：

提示词如下：

健身房，大叔对着镜子努力举哑铃，表情狰狞。旁边肌肉男轻松拉起三倍重量，结果裤子崩开，露出卡通内裤。大叔憋笑到岔气，哑铃砸到脚，单腿乱跳撞倒一排蛋白粉罐，粉尘漫天，所有人变成“雪人”。

而下面这段视频的，则是用我们标准结构的提示词生成：

提示词如下：

镜头1（0-2秒）
运镜：固定镜头
画面：中景，平视，顶光。中年大叔在健身房镜子前奋力举哑铃，面部肌肉紧绷，嘴角抽搐，双臂微微颤抖。
音效：哑铃碰撞声。
---
转场：镜头跟随视线右移
---
镜头2（2-5秒）
运镜：缓慢推进
画面：特写，侧光，低饱和度。肌肉男轻松举起三倍重哑铃，裤子突然崩开，露出卡通内裤，周围人表情从惊讶到憋笑。
音效：布料撕裂声。
---
镜头3（5-8秒）
运镜：轻微晃动
画面：全景，俯拍，高对比度。大叔憋笑岔气，哑铃脱手砸到脚，单腿跳跃撞倒蛋白粉罐，粉尘弥漫，所有人变成"雪人"，表情从痛苦到滑稽。
音效：哑铃落地声、罐子倒下声、粉尘飞扬声。
---
音效（0-8秒）：健身房背景噪音

可以看到，AI遵循了我们提示词中至少90%的指令。

那么，一款标准结构的提示词格式是怎样呢？下面就是一份我们总结的标准提示词示例。

写实纪实风、自然光、低饱和、轻微颗粒感。（可选）
---
镜头1（0-3秒）
运镜：固定镜头，轻微手持感（可选）
画面：中景，平视，侧光。角色A（通过 mention 引用）坐在凌乱书桌前，台灯只照亮半张脸。
台词（角色A，低沉且疲惫）：“又来了。”（可选）
音效：虫鸣声。（可选）
---
转场：硬切，跟随角色A视线方向（可选）
---
镜头2（3-6秒）
运镜：缓慢前推（可选）
画面：特写，俯拍，焦点从虚到实。桌上笔记本内页墨水晕开形成黑色圆点。
台词（角色A，压低声线）：“这不对劲。”（可选）
音效：笔在纸上的书写声。（可选）
---
...（可包含更多镜头、转场，总时长控制在 8-15 秒内）
---
音效（4-12秒）：雨声（跨镜头，按需添加）
音效（12-13秒）：巨大的雷声（跨镜头，按需添加）
---
**强制音频约束**：禁止出现任何音乐内容（包括但不限于背景音乐、配乐、歌曲、BGM、持续哼唱、乐器演奏），仅允许“音效 + 说话声”。

让我们来详细拆解一下：

• 开头：提供整体视频的基础信息，这里提供基础的视频风格。
• 镜头：
  • 时间跨度
  • 运镜：这里需要注意，我们在镜头内先指出运镜，这让AI可以更好的遵循指令，经过多番测试，生成的视频效果更好。
  • 画面：包含景别、光影、构图等镜头设计。然后才是对故事情节的具体展开。
  • 台词
  • 镜头音效
• 镜头间转场
• 其他镜头
• 跨镜头音效：提供了该音效的持续时长
• 其他提示信息

这份提示词所包含的信息非常具体，这种具体的指令，可以让AI更加可控的按照我们的需要去生成视频。

以上就是这份含切镜视频生成提示词标准结构格式的秘诀要领。赶快到你的视频生成中去试试吧。