先说结论
想要一个慢慢推近的镜头，出来却是乱晃、动作做一半，常见原因是提示词只写了「发生什么」，没写「怎么拍」。
一段提示词只写一个镜头：景别、机位运动、一个动作，动作量跟着时长走。
说明一下：这是通用写法整理，不是我们的实测，效果以你自己的测试为准。
为什么不写镜头，画面就容易乱？
不写景别和机位，怎么拍就交给模型自己决定，每次出来的镜头都可能不一样。
一个镜头里写好几个动作，时长装不下，动作就容易被压缩、跳过或做一半。
有官方指南提到，提示词要用具体的描述，少用抽象词和否定句。「拍得有电影感」这种话，不如直接写「中景，镜头缓慢推近」。
景别和机位运动是什么意思？
景别是画面框住多大范围：
- 远景：人很小，主要交代环境。
- 全景：人从头到脚都在画面里。
- 中景：大约腰部以上。
- 近景：胸部以上，看得清表情。
- 特写：只拍脸、手或一个物件。
机位运动是镜头自己怎么动：
- 固定：镜头不动，只有画面里的人或物在动。
- 推 / 拉：镜头往前靠近 / 往后退远。
- 摇：镜头位置不变，左右或上下转头。
- 移：镜头整个平移。
- 跟：镜头跟着人走。
怎么写？3 步
1. 先写景别和机位运动，一个镜头只选一种运动，例如「中景，固定镜头」或「近景，镜头缓慢推近」。
2. 写一个主体、一个动作，用具体动词，例如「她把杯子放到桌上」，别写「她做了一系列准备」。
3. 动作量跟着时长走：时长短，只放一个简单动作；时长长一些，可以加上这个动作的结果或一个反应，例如「放下杯子，抬头看向窗外」。时长在工具里能单独设置的，就用设置项，不要只写在提示词里。
可以直接复制的镜头提示词结构
> 【景别】，【机位运动】。
> 【主体】在【场景】里【一个动作】。
> 【光线 / 氛围】，【画面风格】。
> 时长：【按你用的工具可选范围填】。
示例：
> 近景，镜头缓慢推近。
> 一位穿灰色毛衣的女生坐在窗边木桌前，把手里的白色陶瓷杯放到桌上，然后抬头看向窗外。
> 午后侧光，暖色调，写实风格。
示例里的人物和动作是随手编的，换成你自己的内容就行。
常见问题
问：好几个镜头能写在一段提示词里吗？
答：建议拆开。一段只写一个镜头，分别生成再剪到一起，每个镜头更好控制，哪个不满意也只用重做那一个。
问：机位运动能组合吗，比如边推近边摇？
答：可以试，但先从单一运动开始。一个镜头里运动越多，越难判断是哪一句没被执行。
问：不想让镜头晃，要写「不要晃动」吗？
答：直接写「固定镜头」更好。有官方指南提到，否定句更容易出错，能正面写想要的样子就正面写。
问：时长和动作量具体怎么对应？
答：没有统一标准，各家能设的时长也不一样。先按「一个镜头一个动作」生成，看动作是做完了还是被拖长，再增减动作或调时长。
问：这个写法实测过吗？
答：没有。这篇是通用写法整理，不是我们的实测，效果以你自己的测试为准。
最后更新：2026-10-26 NextRelay