一条好用的图生视频提示词,应该说明静态图片变成首帧后,画面接下来会发生什么。写清主体动作,选一种镜头运动,再说明哪些细节要保持稳定。
例如,“把这张照片做得更有电影感”几乎把所有决定都交给模型;“人物轻轻一笑并自然眨眼,镜头缓慢推近,画面保持稳定,五官前后一致”则给出了更明确的执行方向。
这篇指南会讲清实用的提示词公式、常见镜头运动、动作词、负面提示词,以及 12 个可以直接套用的图生视频提示词示例。你也可以在 ezVideo 免费图生视频生成器 中直接尝试。

图生视频提示词快速入门
先从一个主体、一个动作和一种镜头运动开始。只有在确实有帮助时,再补充光线和限制条件。
| 提示词要素 | 应该描述什么 | 示例 |
|---|---|---|
| 主体 | 图片中已经出现的人、动物、产品或场景 | 画面中的狗 |
| 动作 | 一个清晰的动作 | 缓慢向前走两小步 |
| 镜头 | 一种镜头运动,或保持固定机位 | 缓慢推近 |
| 速度 | 动作发生的快慢 | 轻柔、自然的节奏 |
| 风格与光线 | 要保留或希望加入的画面氛围 | 柔和的自然光 |
| 限制条件 | 需要前后一致的重要细节 | 五官和毛发纹理保持稳定 |
这些内容只是测试起点,不能保证每次都得到完全相同的结果。动作是否准确、细节能否保留,还会受到源图、所选模型、参数和生成过程的影响。
什么样的图生视频提示词更好?
源图已经提供了大量视觉信息。通常不需要重新描述每件物品、每种颜色或每一件衣服。把提示词重点放在“哪些内容要随时间变化”上。
一个实用的公式是:
主体 + 动作 + 镜头运动 + 动作速度 + 风格或光线 + 限制条件
宠物照片可以这样写:
金毛犬向前走两小步,尾巴轻轻摇摆。镜头缓慢推近,让狗始终位于画面中央。使用自然日光,保持五官和毛发纹理一致。
把它和下面这句比较:
让狗动起来。
后一句没有说明具体动作、速度和构图,模型需要自行补全更多内容。前一句则给出了一个容易执行的短动作。
不必每次都写满六个要素。如果源图的光线已经合适,就把篇幅用在动作和镜头上,不要再要求模型重新设计风格。

图生视频的镜头运动提示词
镜头提示词决定观众如何进入这个场景。对于单张图片动画,先从幅度较小的运动开始,通常比一上来就大幅改变视角更容易得到稳定结果。
缓慢推近
推近镜头会让视角逐渐靠近主体。它适合让人像更有亲密感,也适合把注意力引向产品。
提示词写法:
镜头缓慢、平稳地向主体推近。
示例:
女生轻轻微笑并自然眨一次眼,镜头缓慢推近。柔和日光,五官保持一致,保持单一连续镜头。
推镜头改变的是视点;变焦则是通过放大来改变取景。生成结果可能会把两者混合在一起,所以如果区别很重要,直接描述你希望看到的画面效果。
缓慢拉远
拉远镜头会逐渐离开主体,同时展示更多周围环境。
提示词写法:
镜头缓慢拉远,构图保持稳定。
示例:
镜头从小屋缓慢拉远,树叶轻轻摆动。保留可见的建筑结构和周围树木。
当源图周围留白很少时,拉远幅度要小一些。只要超出原始画面,模型就需要自行补出新的内容。
小幅环绕
环绕镜头会从主体周围移动,帮助画面产生空间感。
提示词写法:
镜头围绕主体做小幅、平滑的环绕运动。
示例:
镜头小幅环绕,从略有变化的角度展示香水瓶正面。反光轻柔,瓶身轮廓和标签设计保持一致。
如果产品只展示了一个侧面,不要一开始就要求 180 度环绕。源图没有提供背面信息,模型可能会随意编造隐藏部分、改变包装,甚至改掉标志。
跟拍
跟拍镜头会跟随移动中的主体。要让人物动作和镜头方向彼此匹配。
提示词写法:
镜头平滑地从侧面跟拍主体。
示例:
人物缓慢向前走一步,镜头从侧面跟随移动。姿态自然,衣服保持一致,构图稳定。
上摇或下摇
摇镜头会在机位基本固定的情况下向上或向下转动。
提示词写法:
镜头从鞋子缓慢向上摇到外套。
示例:
模特保持放松姿态,镜头从鞋子缓慢向上摇到外套。保留服装细节和身体比例。
最好选择一张已经包含你想展示区域的图片。紧凑的人像特写并不适合拿来做完整的全身展示。
固定机位
固定机位保持视角不变,只让主体或环境产生轻微变化。
提示词写法:
固定机位,主体做细微动作。
示例:
杯口的热气缓慢升起。杯子、杯柄和桌面保持不动。固定机位,柔和窗边光。
当产品形状、文字或整体构图比镜头效果更重要时,固定机位通常是很好的起点。

让动作词更具体
动作要和源图中的姿势、取景范围相匹配。
| 主体 | 可以先尝试的动作 | 注意事项 |
|---|---|---|
| 人像 | 轻轻微笑、眨一次眼、略微转头 | 动作越小,越少需要补出看不见的五官细节 |
| 全身人物 | 走一步、整理袖口、轻微换重心 | 如果手脚要动,最好保证它们在画面中可见 |
| 宠物 | 歪头、摇尾巴、向前走两小步 | 先确认需要动的身体部位确实在画面里 |
| 产品 | 轻微转动、保持不动但让高光移动 | 大幅旋转可能暴露源图没有提供的表面 |
| 食物 | 冒出热气、让表面产生小幅波纹 | 只有在符合食物状态时才要求热气 |
| 风景 | 云朵飘动、树叶摇曳、水面流动 | 环境动作要和原场景的天气与质感一致 |
短视频里不要一次要求一长串动作。让人物走路、转身、挥手、跳跃再坐下,会给模型带来太多需要同时协调的变化。
先只写一个动作。等简单版本稳定后,再考虑增加第二个动作。

负面提示词能做什么,不能做什么?
负面提示词用来描述你不希望出现的元素或行为。不同模型对负面提示词的支持方式和效果并不一样。
不要默认每个模型都有独立的负面提示词输入框。如果界面只有主提示词,就先用“镜头保持稳定”“产品轮廓一致”这类正向描述。只有在确实针对某个问题时,再补充简短的限制语句。
| 目标 | 先描述希望出现的状态 | 模型支持时可选的负面短语 |
|---|---|---|
| 人像稳定 | 五官一致,表情细微变化 | 面部变形 |
| 产品稳定 | 形状、标签布局和颜色保持一致 | 标签改变、产品重复 |
| 镜头平滑 | 一个连续镜头,构图稳定 | 突然切镜、镜头抖动 |
| 动作自然 | 姿态自然,手部位置清楚 | 多余肢体、手部变形 |
| 场景稳定 | 保留可见背景和原始构图 | 背景替换 |
人像可以这样写:
轻微微笑并自然眨眼,五官保持一致,镜头稳定。
产品可以这样写:
产品保持静止,柔和高光从表面扫过。包装形状、标签布局、标志和品牌颜色保持一致。
“保持标志不变”能够表达目标,但不能保证生成结果里的文字、品牌标志或五官完全不变。发布广告或商业素材前,一定要检查整段视频。
如果源图需要更干净的背景或更合适的光线,可以先用 AI 图片编辑器 做准备。

12 个可直接套用的图生视频提示词示例
请根据图片里真实可见的内容调整主体和动作。每个示例都只描述一个短场景。
下面的示例视频使用 MiniMax H3、768P 和 4 秒时长设置生成。每张源图都配有对应提示词和生成视频。
1. 老家庭合照
源图

提示词
家人轻轻微笑并自然眨眼,带有细微呼吸感。镜头非常缓慢地推近,让所有人保持在画面中央。保留原始光线、服装和五官特征。
生成视频
合照人数较多时,先用幅度更小的动作,不要一开始就要求每个人做不同的动作。
2. 人像照片
源图

提示词
主体向镜头小幅转头并露出柔和笑容。镜头缓慢推近,使用柔和自然光,五官和发型保持一致,保持单一连续镜头。
生成视频
3. 宠物照片
源图

提示词
狗狗轻轻歪头,画面中可见的尾巴自然摇摆。固定机位,动作自然,毛发花纹和五官保持一致。
生成视频
如果尾巴没有出现在画面里,就删掉这条动作要求。
4. 产品瓶
源图

提示词
瓶子保持静止在摄影棚台面上,柔和高光从玻璃表面扫过。固定机位,瓶身轮廓、标签布局、标志和颜色保持一致。
生成视频
当标签细节很重要时,让瓶子保持不动,通常比一开始就要求旋转更容易得到可用结果。
5. 时装照片
源图

提示词
模特轻轻整理可见的袖口,同时略微调整重心。镜头小幅移动,展示面料纹理。使用柔和摄影棚光,服装设计和身体比例保持一致。
生成视频
6. 食物照片
源图

提示词
热腾腾的汤面上方缓慢升起蒸汽,镜头慢慢推近形成特写。温暖的餐厅光线,食物摆放、碗的形状和颜色保持一致。
生成视频
7. 旅行风景
源图

提示词
镜头缓慢向前滑过眼前的山谷,云朵在天空中轻轻飘动。保留山脉、地平线和原始日光。
生成视频
8. 海滩照片
源图

提示词
小浪自然地涌向海岸,棕榈叶轻轻摆动。镜头缓慢横向移动,保持温暖的黄金时段光线、稳定的海岸线和地平线。
生成视频
9. 室内房产展示
源图

提示词
镜头在室内短距离、缓慢地向前移动。地板上的阳光轻微移动。保持建筑线条笔直、家具位置不变,以及可见的房间布局。
生成视频
单张室内图更适合做短镜头,不要把它当成能够穿过未展示空间的完整看房视频。
10. 动漫角色
源图

提示词
角色眨一次眼,头发和画面中可见的衣物在微风中轻轻摆动。镜头缓慢推近,光线柔和有空气感,脸部设计和服装细节保持一致。
生成视频
11. 产品包装
源图

提示词
柔和光线从包装正面掠过,包装本身保持静止。固定摄影棚机位,盒体几何形状、标签布局、品牌颜色和可见文字保持一致。
生成视频
如果要用于商业场景,请逐帧检查小字号文字。
12. 动态海报
源图

提示词
主角做轻微的头部动作,背景粒子缓慢漂浮。保持固定构图,动作幅度柔和,保留海报布局和标题位置。
生成视频
如果标题必须完全准确,可以先生成不带文字的动画,之后再用视频编辑器叠加原始字样。
你可以把这些示例作为起点,在 ezVideo AI 视频生成器 中测试。不同模型对同一提示词的理解可能不同,请根据结果调整。
如何在 ezVideo 中测试图生视频提示词
准备一张清晰的源图,从一个动作开始。生成前,在工作区确认当前可用模型、输入要求、时长和分辨率。
1. 准备源图
选择主体清楚、为预期动作留有空间,并且包含你希望模型保留的细节的图片。
如果源图中的脸部已经模糊,或产品标签本来就看不清,动作提示词无法可靠地还原原始细节。需要时,可以先使用 ezVideo 图片编辑器 准备源图,并确认编辑没有破坏重要特征。
2. 先写一个简单基线提示词
从动作和镜头开始:
主体轻轻微笑。镜头缓慢推近,保持单一连续镜头。
先生成一个基础版本,再逐步增加限制条件,不要一开始就堆很长的指令。
3. 看完整段视频
检查开头、中段和结尾,重点留意脸部、手指、产品边缘、文字、背景和构图是否发生异常变化。
首帧看起来稳定,并不代表整段视频都适合发布。
4. 一次只改一个指令
如果镜头移动太快,只改镜头描述:
镜头非常缓慢地推近,构图保持稳定。
如果主体变化太大,就减少动作:
细微呼吸,自然眨一次眼。
记下源图、模型、参数和提示词,方便比较不同版本。生成本身存在随机性,一次成功并不能说明某个短语在每次生成中都有效。
5. 迭代前先确认积分
不同模型和参数可能消耗不同数量的积分。重复测试前,先查看工作区显示的预估消耗和 ezVideo 定价页面。

常见提示词问题与调整方法
| 问题 | 可能原因 | 下一步可以怎么试 |
|---|---|---|
| 主体几乎不动 | 动作太模糊,或限制条件太多互相干扰 | 指定一个可见动作,例如轻微转头 |
| 主体动得太大 | 对当前画面或时长来说,动作幅度过大 | 改成细微动作,并简化提示词 |
| 脸部发生变化 | 转头暴露了源图没有提供的细节,或源图本身不清楚 | 换更清晰的图片,并缩小转头幅度 |
| 产品标签变化 | 旋转或生成过程改变了细节 | 让产品保持静止,只做轻微运镜或光线变化 |
| 背景变形 | 镜头移动揭示了源图之外的区域 | 缩短镜头移动距离,使用更稳定的构图 |
| 视频出现切镜 | 提示词暗示了多个场景或连续事件 | 要求一个连续镜头和一个动作 |
| 手部不自然 | 动作太复杂,或手部被遮挡 | 使用手部清晰可见的姿势,并减少动作 |
这些调整能够提高成功率,但不能消除所有生成错误。如果简化多次仍然失败,可以换一张源图或尝试其他模型。
图生视频提示词检查清单
生成前,确认:
- 请求的动作适合主体当前姿势。
- 需要移动的身体部位或产品表面清晰可见。
- 提示词只包含一个主要动作和一个镜头方向。
- 动作幅度适合预期视频时长。
- 光线描述与源图一致。
- 限制条件集中在真正重要的细节上。
- 整段提示词描述的是一个连续场景。
- 生成后会检查脸部、文字和品牌元素。
从清晰的图片、一个动作和一种镜头运动开始。看完结果后,再针对问题补一条具体修正。
把源图上传到 ezVideo 图生视频生成器,先用上面的一个提示词开始测试。
常见问题
什么是好的图生视频提示词?
好的提示词会说明可见主体、具体动作、镜头运动,以及需要保持一致的重要细节。例如:“主体轻轻微笑,镜头缓慢推近,五官保持一致,使用柔和日光。”
图生视频提示词应该写多长?
写到足以说明动作即可,同时要符合所用工具的输入限制。先从几句重点明确的描述开始,只有在确实能界定场景或解决已发现的问题时,再增加说明。
第一次应该尝试哪种镜头运动?
对于很多人像和产品图,缓慢推近或固定机位都是实用的起点。大幅环绕和戏剧化拉远需要模型补出源图中不存在的细节,稳定性通常更低。
负面提示词对所有 AI 视频模型都有效吗?
不一定。不同模型的支持方式和执行效果不同。如果没有独立的负面提示词输入框,先在主提示词中清楚描述希望出现的状态。不要默认模型会严格执行一长串负面短语。
提示词能让标志或脸部完全不变吗?
提示词可以表达这个目标,但不能保证完全保持。减少关键细节周围的动作,检查整段视频;如果品牌字样或排版必须准确,可以在后期叠加原始素材或继续编辑。
需要把源图里的所有东西都描述一遍吗?
通常不需要。重点描述哪些内容要随时间变化。只有当某些视觉细节会影响动作或一致性时,才重复说明,例如产品标签、五官或服装设计。
同一个提示词可以在不同模型之间复用吗?
可以把它当作起点。不同模型对同一套动作和镜头语言的理解会有差异。尽量保持源图和参数可比,再根据生成结果调整提示词。