想让AI视频有一致的电影感，只输入一句“主角在森林里走路”是远远不够的。画面发灰、运动生硬、光影扁平，通常不是模型能力问题，而是提示词缺少了镜头语言、光影方案和风格参考。电影摄影与绘画经过上百年积累，已经形成了一套可以量化的视觉描述方法，把这些词迁移到AI提示词里，能明显提高画面稳定性和叙事感。
一、电影摄影提供的镜头语言提示词
电影摄影和普通拍照最大的区别在于运动与时间。AI视频提示词如果只描述画面内容，不描述镜头如何运动，生成结果往往像缓慢推近的幻灯片。把电影中的景别、运镜、焦段和机位高度写进提示词，等于给模型一个明确的拍摄方案。
景别方面，可以用 extreme close-up、close-up、medium shot、full shot、wide shot、establishing shot 等词，它们直接决定主体在画面中的占比。运镜词则包括 tracking shot、dolly in、crane up、pan left、handheld、steadicam、static camera 等。焦段可以写 24mm lens、35mm lens、85mm lens、200mm telephoto，广角适合强调空间，长焦适合压缩景深和突出主体。
灯光是电影感的核心来源。比如 low-key lighting 适合悬疑和黑色电影，high-key lighting 适合明亮轻快的画面，volumetric light 可以制造丁达尔光束，practical light 带来画面中的可见光源，Rembrandt lighting 则让人物面部形成稳定的三角形光斑。把这些灯光词与镜头词组合，AI视频的画面会从“记录”变成“叙事”。
cinematic shot, medium shot, dolly in, 85mm lens, shallow depth of field, low-key lighting, volumetric light, practical light, film grain
二、摄影与绘画提供的光影、色彩与质感描述词
如果说电影摄影解决的是镜头与运动，摄影和绘画则更多解决画面的光学质感与风格倾向。摄影提示词会告诉AI光圈、快门、白平衡、胶片类型等信息，绘画提示词则从笔触、颜料和色彩体系入手。两部分可以单独使用，也可以叠加在同一个视频提示词里。
摄影类关键词适合模拟真实相机效果。例如 f/1.8 aperture、shallow depth of field、80mm macro lens、low ISO、daylight white balance、Kodak Portra 400、Fuji Velvia 50、fine grain、motion blur。这些词会让画面带上特定胶片的色彩倾向和颗粒感，比单纯写“复古滤镜”更可控。
绘画类关键词则适合塑造非真实感或强烈的艺术风格。 impasto brushstrokes 表示厚涂笔触，watercolor wash 是水彩晕染，chiaroscuro 是明暗对照法，pastel palette 是柔和粉彩，ink wash 是水墨，oil painting texture 是油画肌理。把这些词放进提示词，AI会在保持主体动作的同时，用相应绘画逻辑重新组织色彩和边缘。
soft diffused light, f/1.8 aperture, shallow depth of field, Kodak Portra 400, fine grain, muted color grading, oil painting texture, impasto brushstrokes, warm highlights
三、把视觉提示词组合成稳定模板
直接堆砌关键词容易让AI理解混乱。更稳妥的做法是模块化：先写主体和动作，再交代环境与时间，然后补充镜头语言，最后叠加光影氛围、风格媒介和画质修饰。这个顺序不要求每次都固定，但保持逻辑清晰能让模型更稳定地抓住重点。
下面是一个可复用的英文提示词模板：主体 + 动作 + 场景 + 时间天气 + 镜头语言 + 光影 + 风格媒介 + 画质。例如：A woman in a long coat walking slowly through a misty forest at dawn, medium shot, tracking camera, fog, soft diffused light, muted color palette, 35mm lens, shallow depth of field, Kodak 500T film grain, cinematic look。这段提示词同时覆盖了人物、动作、环境、天气、机位、光线和胶片风格，画面指向非常清晰。
实际使用时，如果模型对某个词不敏感，可以调整顺序或增加同义词。例如运动幅度不够时，加入 slow motion、smooth camera movement、speed ramp；画面太假时，加入 photorealistic、8k、high dynamic range、natural skin texture。负面提示词可以写 blurry、distorted face、extra fingers、jittery motion，用来排除不希望出现的元素。
A man standing by a rainy window at night, close-up, slow dolly in, neon reflections on glass, low-key lighting, cinematic color grading, 50mm lens, f/2.0, shallow depth of field, photorealistic, film grain
四、音频提示词如何从电影声音设计中提取
很多AI视频生成平台开始支持音频或背景音乐生成，但音频提示词往往被简单写成“下雨声”或“音乐”。电影声音设计把声音分为环境声、拟音、对白、音乐和音效几个层次，这套分类同样适用于AI音频提示词。描述得越细，生成的声音越有空间感。
环境声可以用 ambient forest sound、distant traffic hum、room tone、soft wind、rain on window；拟音可以写 footsteps on leaves、fabric rustle、metal clink；空间感可以写 slight reverb、wide stereo field、close-mic、low rumble。这些词让音频不只是背景音，而能配合画面形成真实的听觉距离。
如果生成的是配乐，可以指定风格和情绪：orchestral score、ambient electronic、minimal piano、tense drone、uplifting strings。音画同步方面，可以在提示词里写明 footsteps sync with walking speed 或 door slam matches camera cut，让音频节奏与视觉剪辑对齐。音频提示词同样需要模块化：环境 + 主体声音 + 空间感 + 音乐风格 + 节奏/情绪。
ambient forest sound, gentle wind, distant birds, soft footsteps on leaves, subtle room tone, slight reverb, minimal piano, slow tempo, calm mood
从电影、摄影、绘画中借用的不是风格标签，而是一套可拆解、可组合的视觉与听觉语言。把它们模块化后，AI视频的稳定性和叙事感会明显提升。实际使用时不必一次性写满所有维度，先固定镜头语言，再叠加光影与材质，最后用音频提示词补齐空间与情绪，就能让生成结果从随机快照逐步接近有意图的短片。