Kandinsky 6.0 Pro 图生视频提示词配方：可直接复制的提示词，获得更好的运动效果

为什么提示词的结构比长度更重要

图生视频的提示词不是文生图提示词的加长版。当你提供一张参考帧时，模型已经知道场景长什么样。你的提示词要做的是描述这段视频里发生了什么变化，而不是重新描述已经可见的内容。

这种职责上的转变，就是为什么一段 12 个词的结构化提示词通常胜过一段 120 个词的段落。长段落把主体描述、运动意图、镜头行为和风格期望混成一团无法区分的混合物。模型无法判断哪个从句控制镜头、哪个从句控制主体，于是它只能折中：镜头漂移一点，主体移动一点，结果显得糊成一团。

结构化提示词把关注点分层隔开：

• 主体锚点——简短地回指参考图里有什么，确认哪些内容应保持稳定。
• 运动线索——你想要的特定物理变化，带有方向和强度。
• 镜头描述——一个只描述虚拟镜头的独立从句。
• 风格约束——外观、质感和一致性方面的护栏。

每一层控制在一句话或一个短语内。目标不是为简洁而简洁，而是要做到可解析：每一层都是一个变量，你可以在迭代过程中独立修改。分层提示词既是生成工具，也是调试工具。

结构胜出的另一个原因：可复现性。当一段视频效果不错时，你需要知道它为什么效果不错，才能复用。用段落写，原因就被埋没了。用分层写，你可以把胜出的那一层复制到下一次实验，只变动你正在测试的那一层。

实用规则

如果提示词里的某个词既不描述参考图的主体、也不描述运动、镜头或风格约束，那它很可能就是噪音。删掉它，重新生成，再对比。多数情况下，更短的结构化版本能更好地保持画面，运动也更干净。

本指南的前提

以下内容都是为通过 HiAPI.ai 统一接口调用 kandinsky-6.0-pro 图生视频而写的，其中图生视频调用需要一个参考图加一段提示词，返回一段生成的视频。这些配方都是纯文本——没有特殊语法——因此在任何调用同一端点的客户端里都能用。

图生视频提示词的解剖结构

把提示词当作一张有四个槽位的表格。每次都按同样的顺序填写，你的实验就能保持可比性。

槽位 1：主体锚点

一个简短短语，点明哪些内容必须保持可辨识。这不是完整描述——图像本身已经承载了这些。它是一个稳定性信号。

示例：the woman、the ceramic vase、the mountain ridge、the abstract shapes。

避免重新指定画面中已经可见的细节。重新描述服装、光照或颜色会诱使模型去"改进"它们，结果表现为闪烁或主体身份漂移。

槽位 2：运动线索

一个主要运动，用动词、方向和一个强度限定词来表达。

示例：turns her head slowly to the left、gently sways side to side、drifts steadily upward。

每段视频只选一个主要运动。两个强度相近、相互竞争的运动是输出浑浊的最常见原因。

槽位 3：镜头描述

一个以镜头语言开头的独立从句：camera、the camera 或 shot。让主体不进入这个从句，是镜头行为可预测的关键。

示例：camera slowly pushes in、camera holds static、camera pans left at a steady rate。

槽位 4：风格约束

外观和一致性方面的护栏。短一点没关系。

示例：photorealistic, consistent lighting, no flicker、flat illustration style, stable linework、cinematic color grade, shallow depth of field。

组装起来

the woman, turns her head slowly to the left, camera holds static, photorealistic, consistent lighting

这就是完整的解剖结构。十八个词，四个槽位，一个可控的想法。本指南后续每个配方都是同样的形状，只是槽位 2 和槽位 3 的内容不同。

槽位纪律

两个习惯能让这套解剖结构扎根：

• 固定顺序。永远是主体、运动、镜头、风格。当你回读旧提示词时，顺序能立刻告诉你改过哪一层。
• 每个逗号分隔的从句只放一个想法。逗号起的是软分隔作用；如果一个从句同时包含主体动作和镜头移动，就把它拆开。

常见主体类型的运动线索配方

运动措辞的效果取决于画面里有什么。这些是可以直接复制的起点——把方括号部分换成你自己的主体。

人物与角色

人物主体对过度动画最敏感。小而具体的动作显得自然；大幅动作显得诡异。

• [the person], blinks and turns their head slightly toward [direction], camera holds static, natural skin texture
• [the person], smiles subtly while breathing, shoulders rise and fall gently, camera holds static
• [the person], walks slowly toward the camera, steady gait, camera pulls back at the same pace
• [the person], raises one hand to [gesture], other hand stays still, camera holds static

给人脸多用 subtly、slightly 和 gently，它们是强度阻尼器。

物体与产品

物体需要一次干净利落的变形。旋转和光线移动是最安全的。

• [the object], rotates slowly clockwise, camera holds static, product photography lighting, no flicker
• [the object], subtle highlight travels across its surface, object stays still, camera holds static
• [the object], gently floats and bobs in place, soft shadow moves with it, camera holds static
• [the object], lid opens slowly, body remains stationary, camera holds static

自然与环境

户外场景能容忍更多运动，因为观众预期有环境动感——但应该从大到小分层。

• [the landscape], clouds drift slowly to the right, camera holds static, consistent lighting
• [the landscape], water ripples gently, [foreground element] sways in a light breeze, camera holds static
• [the landscape], fog rolls slowly forward from the background, camera holds static
• [the landscape], sun light shifts from warm to cool across the scene, camera holds static

抽象与风格化输入

抽象画面没有物理逻辑可以依靠，所以要明确说出运动的几何形态。

• [the abstract shapes], expand outward from the center at a steady rate, camera holds static
• [the abstract shapes], flow in a continuous horizontal loop, camera holds static, stable palette
• [the abstract shapes], slowly morph into softer forms, camera holds static
• [the abstract shapes], pulse gently in place, rhythm stays even, camera holds static

读懂其中的模式

上面每个配方的骨架都一样：动词 + 方向 + 强度。当一段视频出问题时，修正点几乎总在这三部分之一——动词错了（旋转还是平移）、缺方向，或缺强度阻尼。

镜头描述配方

镜头语言只有在被隔离出来时才有效。这些措辞假设主体从句已经存在，且没有提到镜头。

固定机位

• camera holds static, locked-off shot
• camera is completely still, no movement

当场景内容繁忙时，值得使用明确的 no movement 措辞；它给模型一个硬约束，用来抵抗主体的环境性运动。

摇镜

• camera pans slowly left across the scene
• camera pans right at a steady rate
• camera pans horizontally, constant speed

始终包含一个方向和一个速率词（slowly、steady、constant）。否则摇镜往往会在视频中途加速或反向。

推近与拉远

• camera slowly pushes in toward the subject
• camera pulls back gradually, revealing more of the scene
• camera dolly-in at a slow, even pace

推近和拉远是让静态参考图活起来最强的单一镜头运动。把它们和一个几乎不动的主体搭配，可获得最大控制力。

环绕与弧线

• camera orbits slowly around the subject, arc of about 30 degrees
• camera arcs to the right, maintaining distance from the subject

环绕是图生视频中最容易失败的镜头运动，因为展示未见过的侧面需要模型凭空发明几何结构。弧线要短，并明确说出来。如果视频崩坏，就把弧线措辞减为 slight arc，或退回到推近。

俯仰与垂直移动

• camera tilts upward slowly
• camera rises vertically, keeping the subject centered

组合主体运动与镜头运动

当主体和镜头都运动时，保持它们的方向相容，而不是相反：

the runner, jogs slowly toward the camera, camera pulls back at the same pace, outdoor daylight, consistent lighting

主体向前移动加上镜头后退，读起来像稳定的跟拍。主体向前移动加上镜头也推近，读起来像相撞路线，通常会变形。

每段视频只用一个镜头运动

不要叠加摇镜、推近和俯仰。一个命名的镜头运动会产生可预测的视频；两个竞争的运动会产生折中效果，读起来像漂移。如果某个特定镜头确实需要复合运动，先单独测试，再与主体运动组合。

一个可改编的复制粘贴配方模板

这是完整模板。填好方括号，删掉不需要的可选行，并保持从句顺序固定。

[subject anchor], [motion verb] [direction] [intensity], camera [camera move] [rate], [style constraint], [consistency guardrail]

实例：产品视频

the ceramic vase, rotates slowly clockwise, camera holds static, studio product lighting, consistent shadows, no flicker

实例：人像视频

the woman, turns her head slightly to the right and blinks, camera slowly pushes in, photorealistic, natural skin texture, consistent lighting

实例：风景视频

the mountain ridge, clouds drift slowly to the right, camera pans slowly left, cinematic color grade, consistent lighting

四步构建你自己的配方

1. 把主体锚点写成一个名词短语。不要描述——只命名。
2. 从本指南的配方里选一个运动，只修改方向和强度词。
3. 选一个镜头短语，确保它与主体运动不矛盾。
4. 加一个风格约束和一个一致性护栏（consistent lighting、no flicker、stable palette）。

把填好的模板保存成一个纯文本文件，每行一个，按意图命名（portrait-headturn、product-rotate、landscape-clouds）。这个文件就成了你的配方库，每次新实验都从复制已有的一行开始，而不是从头写。

给模板本身做版本管理

如果你发现自己反复添加第五个槽位——比如一个光照从句——那就刻意把它提升进模板，并一次性更新所有配方。临时添加正是模板腐烂成段落的原因。

以受控步骤迭代

提示词迭代失败，往往是因为你一次改了好几样东西，无法归因结果。解决办法是流程性的，不是创意性的。

每次运行只改一个变量

先生成一个基线，然后每次运行只改以下之一：

• 运动动词
• 方向
• 强度限定词
• 镜头运动
• 镜头速率
• 风格约束

其余一切保持逐字节相同。这和受控实验是同一门纪律，也是了解模型响应什么的唯一可靠方法。

保留对比日志

日志可以是一个纯文本文件或电子表格。每次运行记录：

• 配方名称
• 完整提示词文本
• 相对上一次运行改了哪个单一变量
• 简短结论：keep、reject 或 needs another pass

因为提示词是纯文本，粘贴完整提示词成本很低，并让每次运行完全可重建。不要在日志里概括提示词——原样复制。

对照固定基线比较

最有用的习惯是为每种主体类型维护一个基准配方，每当管道里改了别的东西就重新生成它。如果基线看起来仍然正确，说明你的管道稳定，任何差异都可归因于提示词修改。如果基线变了，就停下提示词工作，先调查管道。

小批量测试，分组审阅

测试一个方向或强度词时，跑一小批变体，而不是单个视频。并排审阅，选出最好的，然后从库里删掉其余。保留每一个变体会把配方库变成无法阅读的档案。

晋升胜者，淘汰败者

当某个变体明显胜过基线时，覆盖库里的基线条目并记下日期。配方库应始终包含每个意图当前已知最好的配方，而不是每次尝试的历史。

常见失败模式以及如何重构提示词

大多数图生视频问题其实是穿着设置外衣的提示词问题。在动任何其他参数之前，先试试下面的重构。

视频过度动画

症状：一切都在动——主体、背景、光照——画面显得嘈杂。

重构：加强度阻尼（slowly、subtly、gently），明确冻结镜头（camera holds static, no movement），并加一个一致性护栏（consistent lighting, no flicker）。如果仍然存在，从主体从句里删掉一个次要运动。

视频几乎静止

症状：输出基本就是参考图，只有微弱闪烁。

重构：让运动动词更强、更物理（用 rotates 而不是 shifts，用 walks toward the camera 而不是 moves）。如果缺方向，补上。如果主体必须保持不动，就改为加一个镜头运动——缓慢推近能创造感知上的运动，而不触碰主体。

主体身份漂移

症状：人脸、标志或产品形状在视频中变形。

重构：缩短主体锚点，停止重新描述可见细节。在风格约束里加 subject remains unchanged 或 stable [feature]。揭示新角度的大幅镜头运动会加重漂移——减少弧线或去掉它。

镜头与主体打架

症状：即使两个从句看起来都合理，画面仍显得不稳定。

重构：检查方向。相反的向量（主体向左移动，镜头快速向右摇）会造成明显冲突。让它们对齐，或把其中一个减为 slowly。

两个运动相互竞争

症状：两个运动都没完成；都显得半心半意。

重构：拆成两个配方，每段视频只生成一个运动。如果确实两个都需要，就给它们排序（first [motion A], then [motion B]），并接受更松散的结果。

风格漂向通用化

症状：视频看起来比参考图更平滑、更"AI 味"。

重构：在风格槽里明确重申媒介（flat illustration、35mm film look、product photography），并在相关处加 stable palette, consistent linework。

通用规则

如果改设置和改提示词都看似能解决问题，先试改提示词——它更快、测试免费，并让你的管道在各次运行间保持可比。只有当重构后的提示词仍在同一方向上失败时，才去动设置。

一旦某个配方经受住这些重构，就保存它。一个小而久经考验的结构化配方库，比任何单个聪明提示词都更有价值，也正是它让 kandinsky-6.0-pro 图生视频在你的管道中可复现。