Ray 3.2 文生视频提示词：5 个配方与真实片段

TL;DR

• Ray 3.2 文生视频没有输入帧，因此提示词必须构建整个镜头：主体、首帧构图、镜头运动、节奏、光影，以及一份简短的负面清单。这就是本页要训练的那项核心技能。
• 下面是我们亲自编写并在 ray-3.2/text-to-video 上运行的五个可复制粘贴的提示词，每个都内嵌了它实际生成的片段。每个片段都是 5 秒生成；其中四个为 540p，一个为 720p。
• 一条可靠的 Ray 3.2 提示词每次都遵循相同的顺序：镜头运动 → 主体 → 环境 → 光线与色彩 → 负面词。 以镜头开头，而不是主体。
• 发布前已实测验证：duration 接受 5 或 10，resolution 接受 540p / 720p / 1080p，aspect_ratio 接受六个值——16:9、9:16、1:1、4:3、3:4、21:9。
• 定价按片段计费，而非按秒计费：5 秒/540p 片段为 $0.2145；5 秒/720p 为 $0.429（价格为 2026-10 时点——请查看 定价页面 获取当前价目表）。

为什么文生视频提示词是一门独立的技能

如果你用过图生视频，这里的肌肉记忆会误导你。在图生视频中，首帧已交给模型，因此你的提示词只需要描述运动。文生视频从零开始——模型仅凭你的文字就同时发明首帧和运动。一条只说“镜头缓慢推进”的提示词，根本没有可推进的对象。

所以在 ray-3.2/text-to-video 上，提示词承担双重负荷：它既要构图出一个可信的开场帧，又要编排这个帧如何运动。下面的配方围绕一个让这两项任务都明确的结构来构建。如果你已经有一张想动起来的静帧，不要勉强用文生视频——改用 Ray 3.2 图生视频端点，它会以你的帧为锚点，只需要提示词中运动的那一半。

在 Ray 3.2 上行之有效的提示词骨架

在所有测试中，画面保持连贯的片段都遵循相同的分句顺序：

1. 镜头运动放最前。 “缓慢的电影感推轨”、“横向漂移的航拍镜头”、“手持推进”。Ray 3.2 把开头的分句当作主导指令，所以把运动放在那里。
2. 主体 + 它的动作。 一个清晰的主体做一件清晰的事。两个相互竞争的主体，正是运动开始拖影的地方。
3. 环境。 场景要足够填满画面，但别塞得太满——密集场景会牺牲运动稳定性。
4. 光线与调色。 这是 Ray 3.2 大放异彩之处；它对光影语言（“黄金时刻”、“青与品红的霓虹”、“逆光”）反应强烈。明确说出调色风格。
5. 一份简短的负面清单。 用 Negative: ... 结尾，抑制常见的失败模式——文字、logo、四肢变形、频闪、突兀剪辑。

整个提示词保持几句话即可。更长并不更好；多余的分句会稀释镜头指令。

配方 1——以镜头开头：缓慢推轨

教学点： 把镜头运动放在第一个分句，并用 21:9 营造宽银幕电影感。

缓慢的电影感推轨镜头，朝向一位独自站在风化的铁制阳台上的灯塔看守人，
咸味水雾飘过画面。阴天黎明光线，冷调蓝灰色，柔和的漫射阴影。
镜头以稳定、从容的节奏向前滑行，逐渐压缩距离，海鸥从背景掠过。变形宽银幕
镜头质感，浅景深，轻柔胶片颗粒。负面：不要文字，不要
logo，不要变形的手，不要突兀剪辑。

设置：duration 5，resolution 540p，aspect_ratio 21:9。 开头的“缓慢的电影感推轨”承担了主要作用——Ray 3.2 把它读作首要指令，让向前的滑行保持稳定而不漂移。“从容的节奏”是一个有用的短语，能抑制文生视频模型默认会出现的过度急切的高速运动。

配方 2——建立镜头与节奏

教学点： 一次带有刻意“揭示”的航拍建立运动，以及光影语言如何承载整体情绪。

航拍建立镜头，在黄金时刻缓慢漂移过一片梯田稻谷山谷，低垂的太阳斜扫过
倒映着琥珀色天空的灌水水田。薄雾积聚在下层梯田中。镜头以缓慢、从容的
节奏横向移动，逐渐揭示出一位沿着狭窄土路行走的农夫。温暖的高动态范围
光照，浓郁的绿色与金色，电影感薄雾。负面：不要文字，不要水印，
不要闪烁，不要扭曲的几何形状。

设置：duration 5，resolution 720p，aspect_ratio 16:9。 两点让这个片段成功。第一，“逐渐揭示出一位农夫”给了横向运动一个目的——镜头有地方可去。第二，光影段落（“黄金时刻”、“低垂的太阳斜扫”、“温暖的高动态范围”）正是 Ray 3.2 电影感外观的来源；去掉它，你得到的只是一条平淡的无人机镜头。这也是我们提取封面帧的片段。

配方 3——光影驱动氛围与手持运动

教学点： 用调色语言营造氛围，以及用“手持推进”获得活力而不混乱。

夜晚被雨水打湿的小巷，霓虹招牌倒映在水坑中，蒸汽从街头小吃摊升起。
手持镜头沿着小巷轻轻推进，湿漉漉的反光随着每一步微微闪烁。情绪化的
青与品红霓虹光，深邃阴影，体积光雾气，背景招牌形成电影感散景。
负面：不要可读文字，不要 logo，不要变形的人，不要频闪。

设置：duration 5，resolution 540p，aspect_ratio 16:9。 “手持镜头轻轻推进”为你带来一点有机的晃动，而“轻轻”又防止它变成摇晃镜头。不要可读文字这条负面词是刻意的：霓虹场景会引诱模型生成乱码招牌，而要求不要可读文字比指望它正确拼写词语更可靠。

配方 4——跟拍一个移动主体

教学点： 一个让单一主体保持居中的跟拍镜头，以及针对解剖结构失败的负面词。

一只赤狐在阳光照射的白桦林里跃过新落的粉雪，雪花在逆光中缓缓飞溅。
镜头以稳定的节奏与狐狸并排跟拍，让它保持在画面中央，同时树木飞速掠过。
清冽的冬日晨光，冷调白色带温暖阳光轮廓光，闪亮的雪粒。负面：
不要多余肢体，不要抖动，不要文字，不要不自然的变速。

设置：duration 5，resolution 540p，aspect_ratio 16:9。 “让它保持在画面中央，同时树木飞速掠过”是关键短语——它告诉 Ray 3.2 主体是锚点，而背景才是移动的东西，这正是真实跟拍镜头的读法。动物运动最容易暴露肢体瑕疵，所以 不要多余肢体 和 不要不自然的变速 在负面清单里占有一席之地。

配方 5——竖屏格式与微距俯仰

教学点： 切换到 9:16 用于社交，以及对紧凑微距主体做缓慢俯仰。

竖屏微距镜头，一杯浓缩咖啡正在萃取，深色油脂在柔和晨间窗光中
于大理石台面上的温暖玻璃杯中旋动。镜头从滴落的冲煮头缓慢上摇
到完成的杯子。浅景深，温暖的焦糖色调，轻柔升起的蒸汽，高级商业质感。
负面：不要颤抖的手，不要洒出，不要文字叠加，不要色带。

设置：duration 5，resolution 540p，aspect_ratio 9:16。 切换到 9:16 不额外收费——Ray 3.2 按时长和分辨率定价，不按宽高比，因此你可以用与宽银幕相同的价格制作竖屏社交片段。缓慢俯仰（“从……缓慢上摇到……”）让紧凑的微距主体有了运动感，而无需整个场景移动。

设置与成本速查表

参数	可接受值
duration	5、10（整数）
resolution	540p、720p、1080p
aspect_ratio	16:9、9:16、1:1、4:3、3:4、21:9

定价为每个片段固定金额（截至 2026-10）：

片段	价格
5 秒 · 540p	$0.2145
5 秒 · 720p	$0.429
5 秒 · 1080p	$1.7145
10 秒 · 540p	$0.643
10 秒 · 720p	$1.286
10 秒 · 1080p	$5.143

一个合理的工作流是先在 5 秒/540p 上迭代提示词（每次尝试约 21 美分），等构图和运动看起来正确后，再以更高分辨率重跑保留的那条。完整的最新价目表在 HiAPI 定价页面。

常见失败线索及如何措辞修复

• 运动过快。 在镜头分句中加上“缓慢、从容的节奏”。
• 招牌或字幕乱码。 把 不要可读文字 / 不要文字叠加 放进负面词，而不是试图拼出词语。
• 主体拖影或重影。 缩减到一个主体，并把它点名为锚点（“让它保持在画面中央”）。
• 霓虹或高对比场景中的闪烁与频闪。 加上 不要闪烁，不要频闪。
• 人和动物身上的肢体瑕疵。 加上 不要多余肢体，不要变形的手。

FAQ

Ray 3.2 文生视频片段可以多长？ 两种长度：5 或 10 秒。duration 字段只接受整数 5 和 10。

支持哪些分辨率和宽高比？ 分辨率为 540p、720p 和 1080p。宽高比为 16:9、9:16、1:1、4:3、3:4 和 21:9——共六种，覆盖宽银幕、竖屏、方形和变形宽银幕。

渲染竖屏（9:16）片段会更贵吗？ 不会。价格只取决于时长和分辨率，所以在相同长度和分辨率下，竖屏 9:16 片段与 16:9 片段价格相同。

我可以给 Ray 3.2 一张起始图像而不是文本提示词吗？ 可以，但那是另一个端点——Ray 3.2 图生视频 接受首帧（以及可选的末帧）。文生视频适用于你从描述而非图片开始的情况。

这些确切的提示词会重现这些确切的片段吗？ 视频模型不是确定性的，所以你会得到相同的风格和构图，但不会是像素级完全一致的片段。把这些提示词当作可靠的起点，按口味调整镜头和光影分句。

想试试这些提示词？

复制上面任意配方，在 Ray 3.2 文生视频模型页面 运行它——同样的 /v1/tasks 端点，一个 API key 用于所有模型。如果你在比较视频模型，同样的“可复制粘贴 + 真实片段”处理也在我们的 Seedance 2.5 提示词配方 和 Veo 3.1 Lite 文生视频提示词 中，这样你在投入之前就能看到同样的提示词结构在另一个引擎上的表现。