想让AI生成真正有电影感的视频，核心不是堆叠“cinematic”“8k”“masterpiece”这类空泛词汇，而是把景别、运镜和光影这三层镜头语言写清楚。很多失败的提示词往往只有一个场景描述，比如“夜晚的街道，一个人撑着伞走过”，模型只能猜测机位和氛围，结果自然像随手拍。实际上只要把镜头参数和光线方向补进去，画面质感就能明显提升。
一、先固定景别：让AI知道该拍多大范围
景别是镜头与被摄主体的距离关系，直接影响观众获取的信息量。远景适合交代环境，中景适合表现人物动作与关系，特写则用来放大情绪或物件细节。AI视频模型对这类词非常敏感，尤其当景别词汇和主体描述放在一起时，它会优先按照景别来规划画面范围。例如同样一个“海边的人”，写法不同会得到完全不同的构图。
远景：人物站在空旷海滩，天空占画面上方三分之二，人物很小，海平面清晰 中景：人物腰部以上入镜，海风吹动头发，背景有轻微浪花 特写：人物眼睛倒映海面反光，睫毛湿润，背景完全虚化
写提示词时不要只写“近景”，最好加上身体范围说明，比如“胸部以上”“腰部以上”，这样AI生成的构图更稳定。也可以直接使用英文术语，如extreme wide shot表示大远景、medium close-up表示中近景、insert shot表示插入镜头。景别还与焦距相关：35mm接近人眼视角，85mm更适合人像并带来浅景深，24mm以下则有广角畸变。把这些词融入提示词，AI会理解得更准确，例如85mm portrait lens, shallow depth of field。
如果画面主体是物体而不是人物，景别同样重要。拍一碗食物，用俯拍特写能突出质感，用中景则会把桌面和周围环境一起拍进去。景别写错，后面运镜和光影再好，画面信息也可能跑偏。
二、运镜要写出方向、速度和设备感
很多提示词只会写“镜头移动”，但“移动”太宽泛。运镜至少包含三个信息：怎么动、朝哪个方向、速度如何。是推镜还是拉镜，是横移还是跟拍，是缓慢推进还是快速甩镜。没有这些限制，AI可能随机生成一个不合适的运动。比如“镜头慢慢推向窗户”就比“镜头移动”具体得多；“手持跟拍，轻微晃动，从人物背后绕到侧面”则能带来纪录感。
推拉：slow push in（缓慢推近）、pull back（拉远） 横移：lateral tracking shot（横向跟拍） 升降：crane up（升起）、low angle tilt up（低角度上摇） 手持：handheld, slight shake, documentary style 稳定：steadicam, smooth gimbal movement
组合运镜时建议写清起始与结束位置，例如“从门缝推向人物脸部，速度缓慢，带有轻微呼吸感”。这种写法比单独一个zoom in可靠得多。设备感也很重要：斯坦尼康的平滑、手持的晃动、无人机的俯冲都有不同情绪。如果不写设备感，AI可能默认使用平滑运镜，削弱真实感。需要紧张感时，可以写“快速甩镜，轻微失焦，手持震动”；需要安静观察感时，则写“固定机位，极缓慢推近，几乎察觉不到移动”。
三、光影是电影感的底色：描述光源方向、色温与对比
光影描述最容易被人忽略。只写“夜晚”没有光源信息，模型可能生成均匀的暗蓝色画面。电影感来自明确的光线逻辑：主光从哪来、什么色温、阴影多重、有没有轮廓光。提示词中应包含光源方向，例如侧光、逆光、顶光；光质，例如硬光、柔光；色温，例如暖黄、冷蓝、中性白；以及明暗对比度。
比如“黄昏室内，窗户在人物左侧，暖橙色阳光从百叶窗透过，在墙面形成条纹阴影，人物右侧偏冷，整体对比强烈”。这样的光影描述比只写“黄昏室内”有质感得多。再看几个具体示例：
柔和晨光，从右侧窗户射入，色温偏暖，空气中灰尘可见，人物脸部有柔和阴影，背景较暗 硬光逆光，太阳在人物正后方，轮廓光强烈，镜头产生轻微眩光，地面有长阴影 霓虹灯光，红蓝双色从两侧投射，人物面部一半红一半蓝，高对比，赛博朋克氛围
另外可以加入光效词，如volumetric light表示体积光、practical light表示道具光源、lens flare表示镜头耀光。注意不要一次堆太多光源，逻辑冲突会让画面花掉。通常主光一个、辅助光一个、轮廓光可选，已经足够。写光影时还要考虑时间与天气，阴天是散射柔光，正午是顶部硬光，黄昏是低角度暖光，这些背景信息会帮助AI判断光线方向。
四、音频提示词要和画面相互咬合
很多AI视频生成工具已经支持音频提示词，或者允许在生成视频时同时生成环境声。音频提示词需要和画面保持同步：空间大小、材质反射、时间环境都要一致。雨夜街道要写雨滴落在不同表面的声音，室内场景要写混响小、声音发闷的听感。
音频提示词可以分三层：环境底噪、具体动效、空间反射。例如画面是“夜晚地铁站，列车进站”，音频提示词可以这样写：
低频列车轰鸣，由远及近，轨道摩擦声，站台广播回声，脚步在瓷砖地面反射，远处通风系统持续嗡鸣
描述时可以用“由远及近”“左右声像从右到左”“混响较长”等词，让AI理解声音运动。不要只写“地铁站声音”，这会得到模糊的噪声。空间描述也很关键：large hall reverb表示大厅混响、dry close mic表示近距离干声。音画不同步是常见问题，写完视频提示词后，最好单独写一遍音频提示词，确保声源在画面内或画外有明确逻辑。例如画面中有人走路，脚步声必须和步频、地面材质一致，不能只写“脚步声”。
五、一套可直接套用的电影感提示词模板
把景别、运镜、光影、音频组合起来，就能形成完整提示词。模板如下：
[主体与动作] 一个穿深色风衣的中年男人，走在雨后石板路上，抬头看向远处钟楼 [景别] 中近景，人物腰部以上，背景钟楼虚化 [运镜] 缓慢横移，从人物右侧移到左侧，带轻微手持晃动 [光影] 阴天散射光，偏冷，地面反光，人物脸部有柔和阴影 [音频提示词] 脚步声在石板路回响，远处钟声，轻微风声，环境空旷
这个模板的优点在于每个模块都独立，AI不容易混淆。实际写提示词时可以去掉英文，但建议保留固定镜头术语。常见错误包括：景别和运镜冲突，例如特写却写大范围横移；多个光源方向打架，例如左侧阳光又写右侧霓虹主光；音频声源与画面不一致。写完检查一遍逻辑，比增加更多修饰词更重要。
电影感不是玄学，而是镜头语言的翻译。把景别、运镜、光影、音频提示词拆开写清楚，AI生成视频的稳定性会明显提高。与其追求“电影级”这种空词，不如把重点放在可执行的描述上，让每一段提示词都能对应到具体的画面元素。