想让AI直接产出广告级短视频，第一步不是学剪辑，而是学会把创意翻译成可灵能读懂的分镜指令。很多人输给AI的提示词只有一句话，比如“一个女生在咖啡店喝咖啡，阳光洒进来”，这种写法生成的结果往往只有单一机位、画面拖沓、缺少镜头变化。真正有效的做法是把提示词改造成带有镜头编号、景别、运镜方式、动作描述和时长的结构化文本。下面这张图展示了从模糊创意到分镜脚本的转换逻辑，你可以把它理解成一条流水线：左边是自然语言创意，右边是AI能稳定执行的镜头拆解。
可灵对提示词中的“镜头语言”非常敏感，像“特写”“全景”“缓慢推近”“手持跟拍”这些词会直接影响生成的画面构图和运动轨迹。如果你在提示词里不写景别，AI会默认使用中景或全景，导致产品细节不够突出；不写运镜，画面就会像监控录像一样固定不动。因此，第一条规则是：每一个分镜都必须明确三个要素——景别、运镜、动作。例如写“中景，镜头缓慢推近，女生端起咖啡杯轻抿一口，眼神看向窗外”，比只写“女生喝咖啡”能获得更精准的结果。
分镜提示词的基础结构：以镜头为单位拆解
给可灵写分镜提示词，推荐使用“镜头序号 + 景别 + 运镜 + 主体动作 + 环境细节 + 时长”这样的字段组合。景别控制在远、全、中、近、特五个级别，广告片常用近景和特写来突出产品，用全景交代场景。运镜方式可以写“固定”“推”“拉”“摇”“移”“跟”“升降”，也可以直接写“缓慢推近”“快速甩镜”这类带有速度感的描述。动作描述要具体到肢体和表情，比如“手指轻轻划过杯沿”“嘴角微微上扬”，避免“很开心”这种抽象词汇。
下面是一个可直接粘贴到可灵输入框的分镜提示词示例，只用文本格式即可，不需要额外符号。注意每个镜头独立成段，用数字编号隔开，AI会按照顺序生成连续画面。
镜头1：全景，固定机位，清晨的咖啡店室内，暖黄色灯光，女生坐在靠窗位置，双手捧着白色马克杯，背景有其他顾客模糊走动，时长3秒 镜头2：中景，缓慢推近，女生低头看向杯中的咖啡拉花，蒸汽缓缓上升，阳光从左侧窗户照在桌面上，时长2.5秒 镜头3：特写，微距镜头，咖啡表面拉花逐渐清晰，奶泡纹理细腻，光线在液体表面轻微晃动，时长2秒 镜头4：近景，手持轻微晃动，女生端起咖啡杯送到嘴边，动作放缓，视线始终停留在杯沿，背景虚化，时长3秒 镜头5：特写，快速甩镜转场，杯底落在木桌上发出轻微声响，咖啡液面晃动，画面定格，时长1.5秒
这种写法的优点在于AI不会自由发挥镜头数量，而是严格按照你给的五个镜头去生成。如果只写一段长文字，AI可能自动合并镜头，或者在一个镜头里塞进多个动作，导致节奏混乱。另外，给每个镜头标注时长也能有效避免画面拖沓——广告级短视频的镜头一般不超过3秒，快节奏部分甚至只有1秒左右。
控制节奏与转场：用提示词强化广告感
广告级短视频和普通生活记录最大的区别是节奏快、转场硬、信息密度高。可灵支持在提示词中直接指定转场方式，常见的有“硬切”“叠化”“甩镜”“匹配剪辑”“遮罩转场”等。你可以在两个镜头之间加入一行转场描述，或者直接在当前镜头的结尾写上“接下一镜头：硬切”。更好的做法是把转场和运镜结合起来，比如“镜头向右快速摇动，利用运动模糊切换到下一个场景”，这样AI会生成带有动态模糊的过渡帧，比单纯的硬切更有冲击力。
如果想要更高级的节奏控制，可以使用“节拍式”提示词：把整个脚本分成“起、承、转、合”四个部分，每个部分规定一组镜头数和总时长。比如起部分3个镜头共5秒，用来建立场景；承部分2个镜头共4秒，展示产品细节；转部分2个镜头共3秒，加入冲突或惊喜；合部分1个镜头2秒，收尾喊口号。将节拍信息写在提示词开头，AI会整体规划画面的运动幅度和剪辑密度。下面给出一个节拍控制模板。
【节拍说明】起：3镜头/5秒；承：2镜头/4秒；转：2镜头/3秒；合：1镜头/2秒 镜头1（起）：全景，固定，办公室清晨，主角推开玻璃门走进来，自然光，时长2秒 镜头2（起）：中景，跟随，主角走到工位放下背包，动作利落，时长1.5秒 镜头3（起）：近景，固定，主角按下电脑开机键，手指特写，时长1.5秒 转场：快速甩镜至产品 镜头4（承）：特写，微距，产品logo在屏幕上亮起，光线反射，时长2秒 镜头5（承）：中景，环绕，主角对着屏幕点头，表情满意，时长2秒 转场：硬切 镜头6（转）：近景，手持快速推近，主角突然转头看向镜头，表情惊讶，时长1.5秒 镜头7（转）：特写，快速变焦，产品界面弹出提示窗口，红色高亮，时长1.5秒 转场：叠化 镜头8（合）：全景，固定，主角微笑举起产品，背景逐渐虚化，字幕区域留白，时长2秒
这个模板把节拍和转场都写清楚了，可灵在生成时会把“甩镜”“硬切”“叠化”作为画面转换的依据，而不是随意拼接。需要注意的是，AI对转场词的识别有优先级，像“甩镜”“硬切”这类词出现频率高，生成效果更稳定；“匹配剪辑”“遮罩转场”虽然更炫酷，但偶尔会被忽略，建议放在镜头描述末尾并且单独成行。
角色一致性与负向提示词：提升广告成片率
多镜头短视频最怕角色“变脸”——第一个镜头是长发女生，第四个镜头变成短发或者换了衣服。可灵虽然支持角色参考图，但在纯文本提示词模式下，可以通过重复描述角色关键特征来锁定形象。具体做法是在每一个镜头的主体动作前加上相同的角色描述短语，比如“穿米色风衣、黑色长发、戴细框眼镜的女生”。这个短语在整段提示词中重复出现，AI会把它当作固定属性，避免前后不一致。对于产品也是一样，要反复写产品颜色、材质、logo位置，比如“银色铝合金外壳、左上角圆形logo的笔记本电脑”。
负向提示词同样重要，可灵支持在提示词末尾通过“排除以下元素”或直接写“不要出现”来约束画面。常用负向词包括：文字乱码、多余手指、画面变形、低清晰度、模糊、抖动过度、人物表情僵硬、产品变形。在广告场景里，还需要排除“品牌logo模糊”“产品颜色偏差”“多余路人”等细节。以下是负向提示词的写法示例，紧跟在最后一个镜头之后。
负向提示词：不要出现文字乱码，不要多余手指，不要人物面部变形，不要低清晰度，不要过度抖动，不要产品颜色偏差，不要背景出现无关品牌logo，不要模糊帧
把这条负向提示词附加到提示词末尾，能有效减少生成废片率。另外，如果画面中需要出现文字或标语，建议直接写“字幕区域留白，无任何文字”，让AI不要凭空生成乱码文字。需要后期加字幕时，留白区域可以给后期软件使用，避免AI生成不可控的文字。
整体来看，让可灵自动生成广告级短视频脚本分镜，核心就是把自然语言创意改写成“节拍描述+结构化镜头+转场指令+角色锁定+负向约束”的五段式提示词。刚开始可以先用3到5个镜头练习，熟练后再扩展到10个以上镜头的完整脚本。每次生成后根据画面反馈微调景别和运镜词，比如把“中景”改成“近景”来提升产品存在感，把“固定”改成“缓慢推近”来制造呼吸感。坚持用这种工程化方式写提示词，产出的素材会越来越接近可以直接投放的广告短片。