在Runway里输入提示词，最怕的不是参数不对，而是脑子里根本没有画面。你或许能写出“a beautiful landscape”，但Runway返回的往往是一段平庸的航拍镜头，和想象中云雾缭绕的峡谷相去甚远。问题出在提示词缺少可调用的视觉细节，而这些细节恰恰是分类词库要解决的核心。分类词库不是简单地把词语按主题堆放，而是把每个主题下最容易影响画面质量的关键元素拆解开，让你在想不出词的时候，能像查字典一样快速定位到“光影词”“材质词”“镜头词”，从而组合出有层次、有叙事感的提示词。
Runway背后的视频生成模型对自然语言有很强的理解能力，但它依然高度依赖提示词中具体名词和形容词的密度。比如写“a person walking in the forest”，模型可以生成一段人走路的视频，但人物穿什么衣服、森林是清晨还是黄昏、镜头是跟拍还是固定机位，这些信息全部缺失，最终结果自然充满随机性。有了分类词库，你可以快速补全这些信息，让提示词从模糊的“一个人走在森林里”变成“一个穿着米色风衣的年轻女性在晨雾弥漫的松树林中缓慢行走，镜头从侧面低角度跟拍，柔和的体积光穿过树冠”。这种改变不需要任何额外参数调整，纯粹靠词汇就能大幅提升画面质量。
为什么Runway提示词需要分类词库
人的记忆天然是分类存储的，但视频生成模型并不理解“风景”这个抽象概念，它只认识具体的像素特征和与之关联的文本标签。当你想到“风景”时，大脑会同时激活山脉、河流、云层、季节、天气、时间段等子类，但真正写提示词时，这些子类往往被简化为一个笼统的词。分类词库的意义就是把这种隐性的联想外化成可检索的列表，降低每次生成时的认知负担。你没有必要强行记住几百个专业摄影词汇，只需要在需要时打开对应的分类，勾选几个关键词，就能拼出一句结构完整的提示词。
另一个容易被忽略的点是，Runway的提示词对镜头语言尤其敏感。同样的主体和环境，加入“aerial view”“close-up shot”“tracking shot”等词之后，视频的构图和运动方式会发生明显变化。这些镜头词汇不属于任何单一主题，但可以独立成一个分类，和风景、人物、动物、科幻交叉使用。分类词库如果只按内容主题划分，仍然会漏掉这类跨主题的通用元素。因此一个完整的词库至少应该包含两层：内容层（风景、人物、动物、科幻等）和表现层（光影、镜头、风格、时间、天气），两层组合后才能最大化提示词的可控性。
从实际使用流程来看，分类词库还能减少重复试错。很多人在Runway中不断调整提示词，往往是因为第一次生成的结果偏离预期，但又说不清哪里不对。如果手边有一份结构化词库，你就可以逐项排查：是主体描述不够具体？还是缺少环境信息？是镜头运动没写？还是风格词冲突？分类词库提供了一种调试思路，让提示词优化从凭感觉变成按维度检查，效率提升非常明显。
四大主题分类词库：风景、人物、动物、科幻
下面给出四个最常见主题的基础词库框架。每个主题都拆成主体特征、环境背景、光影天气、镜头运动四个维度，你可以直接复制到自己的笔记软件里，按需取用。风景类最依赖光影和季节词，因为同样的山在不同时段呈现出的氛围完全不同；人物类则要把动作和服装细节写清楚，否则模型容易生成僵硬或穿着随意的人物；动物类必须配合生态环境，否则主体会显得悬浮不真实；科幻类则需要借助材质、光线和未来元素来营造陌生感。
风景类词库
风景提示词的核心是让场景有可被感知的时间和空间层次。不要只写“mountain”，而要写“snow-capped mountain at sunrise with cloud inversion below the peak”。季节词如“autumn foliage”“winter frost”“spring blossom”能瞬间改变整个画面的色调，天气词如“mist”“rain”“fog”“clear sky”则决定空气透视感。镜头方面，风景常用“panoramic view”“drone shot”“wide angle”来强调空间广度。把下面的关键词组合成完整句子，就能稳定生成具有电影感的自然风光。
主体特征：mountain range, ocean cliff, desert dune, pine forest, glacier lake, rice terrace 环境背景：winding river, ancient stone path, distant village, rocky coastline, bamboo grove 光影天气：golden hour, blue hour, overcast sky, volumetric light, sun rays through clouds, heavy mist 镜头运动：slow pan, aerial orbit, timelapse, dolly zoom, static wide shot 风格质量：ultra detailed, 8k, cinematic composition, natural color grading, National Geographic style
人物类词库
人物类提示词的关键在于可辨识的服装、动作和情绪。Runway对“a person”的理解非常模糊，但如果写成“an elderly fisherman wearing a worn-out yellow raincoat, standing on a wooden pier, staring at the horizon with a tired expression”，画面立刻有了故事感。动作词要具体到肢体姿态，比如“tying shoelaces”“flipping through a book”“leaning against the railing”，避免使用“doing something”这种空泛描述。情绪可以通过面部表情和身体语言共同体现，例如“shoulders slightly hunched”“gentle smile”“eyes looking away”。镜头方面，人物视频常用“medium shot”“close-up”“over-the-shoulder shot”来引导视线。
主体特征：young woman in beige trench coat, elderly man with silver beard, child wearing red beanie, street dancer in baggy jeans 动作姿态：walking slowly, tying shoelaces, flipping through a book, leaning against the railing, adjusting a camera strap 情绪表达：tired but determined, lost in thought, gentle smile, nervous fidgeting, calm and composed 服装细节：worn-out leather jacket, wool scarf, denim overalls, white sneakers, vintage round glasses 镜头运动：medium shot, close-up on hands, over-the-shoulder shot, slow tracking, static portrait
动物类词库
动物类提示词最容易出现的问题是主体和环境脱节。你写“a fox”时，模型可能生成一只站在空白背景里的狐狸，看起来像贴图。解决办法是强制加入生态环境和动物行为，比如“a red fox standing on a moss-covered rock in a misty forest, ears perked up, looking back over its shoulder”。动物的姿态和动作往往比外观更重要，因为观众对动物行为有直觉判断，站立、奔跑、捕食、梳理毛发等行为词能大幅提升真实感。镜头语言也可以辅助叙事，例如用“low angle close-up”强调动物的体型，用“telephoto lens compression”模拟野生动物摄影的质感。
主体特征：red fox, african elephant, humpback whale, snow leopard, barn owl, seahorse 生态环境：misty forest floor, savanna grassland, deep blue ocean, rocky mountain slope, coral reef 行为动作：ears perked up, looking back over shoulder, diving into water, stalking prey, grooming feathers 光影天气：dappled sunlight, underwater light rays, moonlit night, heavy rain, golden backlight 镜头运动：low angle close-up, telephoto lens, slow motion, tracking shot, aerial view
科幻类词库
科幻类提示词不能只堆砌“futuristic”和“neon”，那样只会得到廉价赛博朋克画面。真正高级的科幻感来自材质、光线和空间逻辑的组合。比如“a derelict space station corridor with exposed cables and flickering fluorescent lights, viewed from a low angle”就比“futuristic city street”具体得多。金属、玻璃、全息投影、悬浮结构、生物机械等材质词能快速建立视觉差异。光线方面，“volumetric laser beams”“holographic glow”“cold blue ambient light”都是常用元素。镜头运动可以更大胆一些，比如“slow orbital shot”“rapid push-in”“wormhole transition”来匹配科幻场景的陌生感。
主体特征：derelict space station, cybernetic android, floating island, quantum gateway, bio-mechanical creature 环境背景：exposed cables, holographic billboards, zero-gravity corridor, alien jungle, neon-lit alley 材质光线：brushed metal, transparent glass, glowing circuits, volumetric laser beams, cold blue ambient light 镜头运动：slow orbital shot, rapid push-in, wormhole transition, low angle tracking, dutch angle 风格质量：cinematic sci-fi, Blade Runner style, hard surface modeling, atmospheric haze, 8k octane render
从分类词库到高质量视频：提示词组合与调优技巧
有了分类词库，下一步是学会组合。一个可靠的提示词结构是：主体描述 + 环境背景 + 光影天气 + 镜头运动 + 风格质量。这个顺序不是死板的，但保持稳定有助于Runway理解各部分的权重。例如从风景类词库中选取“misty pine forest”“golden hour”“slow pan”“volumetric light”，组合成“golden hour sunlight filtering through misty pine forest, volumetric light, slow pan, ultra detailed, 8k, cinematic composition”。如果你想让画面偏向纪录片风格，可以加入“National Geographic style”或“documentary footage”；如果偏向电影感，就用“cinematic color grading, anamorphic lens flare”。这种组合方式比随手写五个形容词更容易控制输出方向。
常见误区之一是形容词堆砌。写“beautiful amazing stunning incredible landscape”并不会让画面变得更好，反而会稀释关键词的权重。Runway的文本编码器会尝试理解所有词，但无效形容词占用了注意力，真实有效的主体和环境信息反而被削弱。正确做法是挑选一两个精准的形容词，比如“ethereal”“moody”“serene”，然后让名词承担主要信息量。另一个常犯错误是缺少摄像机运动词，所有视频都默认成缓慢推拉镜头，导致看起来像幻灯片。即使你只想要静态画面，也应该写上“static shot, fixed camera”来明确意图，而不是留空让模型随机发挥。
调优过程中，务必利用Runway的负面提示词或排除词功能。如果在生成森林场景时总是出现奇怪的建筑，可以在排除词中加入“building, house, man-made structure”。如果生成的人物脸部扭曲，可以加入“deformed face, extra limbs, bad anatomy”。这些负面词同样可以整理成一个小词库，按主题分类，例如风景类排除“people, cars, power lines”，人物类排除“blurry face, extra fingers”，动物类排除“collar, leash, human hand”，科幻类排除“wood texture, organic overgrowth”。负面词库和正面词库配合使用，能显著减少废片率。
最后，分类词库不是一成不变的。你可以把每次成功生成视频所用的提示词保存回词库，标注出有效组合和无效组合，逐渐形成自己的风格偏好。用Notion、Excel或者纯文本文件管理都可以，关键是每周花几分钟回顾Runway的生成历史，把那些带来惊喜画面的词汇提取出来，补充到对应分类下。时间久了，你的词库会带有个人的审美印记，这时候灵感就不再是问题，因为你能通过已有词汇的组合不断推导出新的画面，而不是每一次都从空白开始。