使用指南
Flux-3-Max 图生视频提示词配方:面向开发者的复制粘贴模板
可复用的首帧描述结构、运动与镜头措辞,以及稳定性负面提示词
本页内容
为什么提示词结构比提示词长度更重要
刚接触图生视频的开发者常常把提示词写成剧本:一大段文字描述角色的背景故事、情绪、色调,以及十几件应该发生的事情。这种做法会失败,因为模型不是在阅读叙事——它是在以源帧为条件进行一次短生成。你添加的散文越多,信号就越模糊。
真正有效的是有序结构。flux-3-max/image-to-video 的提示词应该读起来像一份小型配置文件:先锚定画面,再声明运动,最后约束输出。每个块回答一个问题。
- 首帧块——源图像中已经可见什么?主体、场景、光照。
- 运动块——片段中什么发生变化?主体动作和镜头运动。
- 负面块——什么绝不能出现?仅限伪影类别。
这个顺序很重要,因为模型首先关注源帧。如果开头文字描述的场景与图像不符,后续一切都会漂移。如果开头文字确认了画面,模型就有了稳定的基础来接受随后的运动指令。
长度本身不是敌人——冗余才是。十个各司其职的词胜过一百个互相复述的词。审阅提示词时,对每个短语问一句:这会改变模型渲染的内容吗?如果不会,就删掉它。本指南后面的模板之所以简短,正是这个原因。
再记住一条规则:提示词不是愿望清单。堆叠相互竞争的指令(“缓慢推近的同时环绕并拉远”)会让模型面对矛盾的物理逻辑,结果通常是抖动而非平滑运动。单一意图的表述贯穿下文每一节。
首帧描述块
首帧块是对源图像已有内容的描述,用模型的语言重写。你不是在虚构场景——你是在告诉模型它看到的是什么,这样运动指令才有作用的主体。
主体
用一个名词短语命名主要主体,如有必要再加一个材质或状态形容词:桌上一只陶瓷杯、一位穿亚麻衬衫的女人、黄昏时的山脊。避免描述情绪的形容词——它们不属于提示词,因为它们无法映射到像素。
场景
用一个从句说明环境:在明亮的影棚里、靠着一面混凝土墙、在森林小径上。这有助于模型决定背景中哪些部分应保持稳定、哪些可以变化。
光照
光照是大多数提示词中规定得最不充分、却在输出中最显眼的部分。一个短从句就够了:左侧柔和的窗光、阴天日光、温暖的灯光。说明光照方向而不仅是质量,能让模型在各帧之间保持一致的明暗假设。
不要包含什么
首帧块不是放背景故事、情感或未来事件的地方。如果你想让主体微笑,那是运动指令,不是描述。保持该块纯描述性,可以防止模型幻觉出画面并不支持的细节。
一个完整的首帧块可能是:木桌上一只陶瓷杯,在明亮的影棚里,左侧柔和的窗光。这就是全部的锚点。之后的一切都是运动。
运动与镜头运动的措辞
运动措辞在具体、简短、单一意图时效果最好。模型对运动动词和镜头几何有反应,对导演式的抽象没有反应。
主体运动
使用一个动作从句:蒸汽缓缓升起、她微微转头、布料在风中摆动。让主体和动词靠在一起。避免在同一主体上串联两个动作,除非它们自然关联——他举起杯子喝了一口可以;他一边举起杯子一边走开不行。
镜头运动
镜头运动最好用一个短语表达,说明操作和方向:缓慢推近、从左到右平移、环绕主体、轻微上摇。缓慢或轻微这样的词往往比数字速度更有用,因为它设定意图,而不要求模型无法可靠兑现的精确速率。
每个片段只选一个镜头运动。堆叠运动是输出不稳定的最常见原因:当同时要求推近和环绕时,模型试图同时满足两者,导致主体边缘周围出现扭曲。如果你确实需要复合运动,把它拆成两个片段,或者接受第二个运动只能是近似的。
分离主体与镜头
把主体运动和镜头运动写成两个独立的句子。蒸汽缓缓升起。缓慢推近。这样修改其中一个时无需改动另一个——正如迭代一节所说明的,这就是调试提示词的方式。
应避免的短语
避免抽象方向:电影感、史诗感、动态、情绪化。这些没有指定像素变化,只会增加噪声。如果你想要特定的观感,描述镜头几何或光照,而不是感觉。
真正有用的稳定性负面提示词
负面提示词经常被误用为第二段风格描述——用来列出所有你不喜欢的东西。这会过度约束模型,往往让输出更差,因为生成现在要同时避开许多东西,而不是把一件事做好。
在 flux-3-max/image-to-video 中,负面提示词的有效用途是伪影抑制。狭窄的、技术性的负面词告诉模型应避免哪些失败模式,而不触及创作方向。
有用的伪影负面词
扭曲、形变、闪烁——时间稳定性问题。多余肢体、重复面孔——人物周围的结构错误。文字伪影、水印——不需要的类字形细节。边缘模糊、轮廓锯齿——边界不稳定。
这些都是对生成如何失败的描述,而不是对你希望它看起来怎样的描述。这就是判断一个负面词是否该留下的测试。
通常有害的负面词
避免负面风格词:不要电影感、不要卡通、不要鲜艳颜色。这些会与正面提示词对抗,可能让输出变得平淡。如果正面提示词规定得当,风格负面词是不必要的。
保持列表简短
两到五个狭窄的负面词通常就够了。过长的负面列表会增加冲突约束的概率,模型可能连同伪影一起抑制掉合法细节。先从时间稳定性和边界项开始,只有在测试运行中观察到相应伪影时才添加其他项。
可直接复制的配方模板
这些骨架遵循前几节的顺序:首帧块,然后是运动,最后是负面词。替换方括号中的槽位,保持结构不变。
产品片段
[产品名词短语] 在 [表面] 上,位于 [环境],[光照方向与质量]。
[一个细微的主体运动,例如 反光移动 / 光线掠过表面]。
[单个镜头运动,例如 缓慢推近 / 轻微环绕]。
负面:扭曲、闪烁、文字伪影。
人像片段
[人物名词短语] 穿着 [服装],背景是 [背景],[光照方向与质量]。
[一个小的主体运动,例如 头部微微转动 / 眼睛眨动]。
[单个镜头运动,例如 缓慢推近 / 轻微上摇]。
负面:扭曲、多余肢体、重复面孔。
环境片段
[风景或室内名词短语],[一天中的时间与天气],[光照方向与质量]。
[一个环境运动,例如 云朵飘动 / 树叶随风摇动]。
[单个镜头运动,例如 从左到右缓慢平移 / 轻微上摇]。
负面:闪烁、边缘模糊、形变。
适配规则
- 主体短语保持一个名词,最多加一个修饰语。
- 想要不同动作时只改运动动词——保持结构固定。
- 如果片段看起来不稳定,先移除镜头运动,再做其他改动;仅保留主体运动通常是更安全的基线。
这些模板是起点,不是最终提示词。源帧与措辞的交互比大多数开发者预想的更多,所以把每个模板当作一个假设,在一次短运行中验证后再投入批量使用。
跨片段迭代与批量处理
收敛到好提示词的最快方式是一次只改一个变量并检查一次短运行。一个实用的循环是这样的:
- 从最接近的模板写一个提示词。
- 生成一个短片段。
- 对照源帧检查——主体是否保留?运动是否单一意图?是否存在伪影?
- 找出负责的单个块,只改那个块。
- 重新生成并比较。
这个循环在第一个片段上故意很慢,之后则很快,因为每个固定下来的块都成为可复用的资产。大多数不稳定都追溯到堆叠的镜头运动(运动块)或与画面不匹配的主体短语(首帧块)。一次只改一个,你就能知道是哪一个。
扩展到批量
一旦提示词在一帧上稳定,就把它提升为模板,并在相似的源帧上应用同样的结构。批量迭代之所以有效,是因为结构不变,只有槽位变化:
- 让首帧块与每张新图像同步;不要从不同帧复制描述。
- 除非片段类型改变,否则保持运动措辞一致。
- 按片段类别固定负面词列表。
按片段类型分组审阅批量结果,而不是按单个文件审阅,这样系统性问题(例如所有人像片段都在肩部扭曲)会立刻显现,而不是埋没在逐文件笔记中。
最后,记录哪个提示词变体产生了哪个输出。按片段类别记录提示词编辑的简短变更日志,能比任何单个巧妙的短语节省更多时间。构建循环,保持结构,让模板承担重复工作。