博客

使用指南

面向开发者的 Wan 2.7 视频文生视频提示词配方

可直接复制的提示词结构,涵盖镜头分段、运镜、节奏与负面提示词

2026年11月12日
封面图:半透明玻璃平面相互交叠,将淡色场域折射成冷蓝色条带,扁平而具建筑感,不含任何文字。
本页内容

为什么提示词的结构比长度更重要

大多数令人失望的文生视频渲染结果,并不是因为提示词太短,而是因为提示词缺乏结构。当你把主体、动作、镜头、光线和节奏全都塞进一段流畅的文字里时,模型只能去猜哪一句是主要指令、哪一句是修饰。结果就是一段看似合理却不可预测的片段:做演示还行,批量生产就没法用了。

结构化提示词则完全不同。它把片段拆分成显式、带标签的若干关注点,让每一部分都能被独立解读。这对开发者有三个实际好处:

  • 可预测性。 当镜头指令独占一行时,改动它只会改变镜头——不会改变主体的服装、光线或节奏。
  • 可对比性。 两条结构化提示词可以逐行比对,两段密集的段落通常做不到。
  • 可复用性。 带命名槽位的骨架可以用程序填充,一次性写好的段落只能复制粘贴。

长度不是目标。一条结构良好的提示词往往比它替代的那段文字更短,因为每一句都物有所值。与其把它当成散文,不如把它当成一份小型配置文件:几个字段,每个字段都有清晰的约定。

实用法则

如果你指着一行却说不出它控制什么,那就删掉它,或者把它挪进某个槽位。无法映射到槽位的形容词(“惊艳”“震撼”“杰作”)往往只会增加噪声而非方向。真正起作用的是放进正确槽位的具体名词和动词。本指南的其余部分都围绕这一理念展开。

同样的内容,不同的结构:一块密实的整体与五个离散的槽位,带来更稳定的输出带。

五槽位提示词骨架

每个片段都从同一个骨架开始。五个槽位覆盖了绝大多数可控变化,顺序的重要性不如一致性。

SUBJECT:   <谁或什么,一句话,具体名词>
ACTION:    <片段中发生了什么,用现在时>
CAMERA:    <景别 + 运动 + 主体构图>
LIGHTING:  <时段、光源、对比度、色温>
PACING:    <时长感、运动速度、结尾时的变化>

每个槽位该放什么

SUBJECT(主体) 锚定身份。只保留要点:实体类型、显著特征、服装或材质。不要在这里讲故事——那是 ACTION 的职责。

ACTION(动作) 描述一个连续的动作节拍。“她从窗边转身,端起杯子”是一个节拍。“她转身、端起杯子、走向门口并离开”是四个节拍在争抢一个短片段。

CAMERA(镜头) 把景别和运动放在一起,因为模型会把它们当作一个决策来读。“中景,缓慢推进”是自洽的。同一提示词里同时出现“特写”和“广角建立镜头”则不是。

LIGHTING(光线) 给渲染一个物理锚点:窗光、阴天、正午硬阳光、暖色实用灯具。它悄悄控制氛围,但要把它陈述为事实而不是情绪。

PACING(节奏) 告诉模型片段在结尾与开头相比应该是什么样。“缓慢、连续、最终归于静止”是节奏指令。单独一个“动态”不是。

填充示例

填充后的骨架如下:

SUBJECT:   a ceramic mug on a wooden desk, steam rising
ACTION:    steam curls upward and thins out
CAMERA:    close-up, locked-off, slightly low angle
LIGHTING:  soft morning window light from the left, cool shadows
PACING:    slow and continuous, nearly still by the final second

每个槽位保持一到两行。如果某个槽位需要一整段,那这个片段很可能是想做的事情太多,应该拆成两个片段。

五块叠放的玻璃平面对应五个提示词槽位——一个可复用于任何片段的骨架。

编写运镜与节奏提示

镜头语言是提示词质量分化最快的地方。模糊的运动动词产生模糊的运动。借用真实电影摄影的术语翻译起来更可靠,因为它们描述的是具体的几何变化。

经得起考验的运动词汇

  • Pan(摇) —— 摄影机从固定位置水平旋转。搭配方向使用:“缓慢左摇”。
  • Tilt(俯仰) —— 从固定位置向上或向下旋转。
  • Dolly / push in / pull out(推轨 / 推近 / 拉远) —— 摄影机物理性地靠近或远离主体。
  • Tracking(跟拍) —— 摄影机沿着移动中的主体一同移动。
  • Zoom(变焦) —— 焦距变化,摄影机位置不变。与推轨不同;二选一,不要同时用。
  • Orbit / arc(环绕 / 弧线) —— 摄影机围绕主体转圈。
  • Locked-off(固定机位) —— 完全不动。被低估,但极其可靠。

始终把轴向与速度、主体关系组合起来:“缓慢推近,主体居中”,而不是只写“戏剧性镜头”。每个片段一个运动是安全的默认值。两个运动在共享同一轴向时可以成立(缓慢推近的同时微微上仰);方向相反的运动通常会互相冲突。

节奏提示

节奏关乎片段随时间的形状,而不是它的字面长度。有用的短语:

  • “缓慢、连续的运动”
  • “运动在结尾归于静止”
  • “匀速,无加速”
  • “仅有细微漂移”

避免堆叠强度词。“快速、动态、充满活力、电影感”没有给模型任何可遵循的形状。“稳步走入,停在画面中心”则给出了形状。

镜头与节奏的搭配

镜头和节奏应该彼此一致。固定机位的特写配上“画面中快速移动”是矛盾的。缓慢推近配上“主体几乎静止,轻微呼吸动作”则是自洽的。拿不准时,降低运动幅度、提高具体程度——一个描述精确的静止镜头胜过一段描述含糊的动态镜头。

运动词汇如重叠的玻璃平面:摇、俯仰、推轨和变焦被框定为模型能一致解读的方向性手势。

构建负面提示词列表

负面提示词是一份小、稳定的清单,列出你在批量中永远不想看到的东西。把它当作共享基础设施,而不是每条提示词临时发挥。

简短的核心列表

核心列表保持紧凑、聚焦于瑕疵:

blurry, low resolution, jpeg artifacts, watermark, text overlay,
distorted hands, extra fingers, warped faces, duplicate limbs,
flickering, frame tearing, abrupt cuts, oversaturated, blown highlights

大约十几项,覆盖了大多数首次尝试的失败情况。不要每次渲染糟糕就冲动地往里加——过长的负面列表会和瑕疵一起压制合理的细节。

按项目分层追加

扩展应当是可选加入的,并限定在项目范围内,而不是核心列表:

core_negatives + ["logo visible", "brand colors"]        # product shots
core_negatives + ["crowd", "background people"]           # isolated subjects
core_negatives + ["rain", "wet surfaces"]                # interior scenes

这样共享基线保持稳定,同时允许每个项目收紧自己的约束。两条规则让列表保持健康:只有在同一瑕疵出现两次之后才添加该词;当你再也无法复现它原本修复的问题时,就删掉该词。

不该放进去的内容

不要否定你真正想要的风格词(在要求电影感镜头的同时写“不要电影感”),也不要在需要运动的片段里否定运动。负面提示词用来避开缺陷,用来指向某种观感则效果很差。后者应该用正向槽位来实现。

把配方改造成 API 请求模式

一条配方一旦跑通,就不要再手动粘贴了。把它存成带命名槽位的模板,从参数填充这些槽位。模板就成为你迭代、评审和复用的单元。

模板对象

{
  "template_id": "desk-product-closeup",
  "version": "3",
  "slots": {
    "subject": "a ceramic mug on a wooden desk, steam rising",
    "action": "{{action}}",
    "camera": "close-up, locked-off, slightly low angle",
    "lighting": "{{lighting}}",
    "pacing": "slow and continuous, nearly still by the final second"
  },
  "negative": "core_negatives"
}

你的请求构建代码随后把槽位渲染成最终提示词字符串,并通过 HiAPI.ai 上的文生视频端点发送。模型名和端点在同一个地方固定不动;只有槽位值在变动。

渲染提示词的组装

PROMPT = """SUBJECT: {subject}
ACTION: {action}
CAMERA: {camera}
LIGHTING: {lighting}
PACING: {pacing}"""

def build_prompt(slots: dict) -> str:
    return PROMPT.format(**slots).strip()

两条实用约定会立刻带来回报。第一,槽位值保持简短——超过两行的槽位通常其实是两个槽位。第二,冻结骨架字符串,只改变值;在不同运行之间改动骨架意味着你再也无法比较结果。如果某个槽位需要结构性变化,那是新的模板版本,而不是就地编辑。

提示词版本管理与输出对比

改动提示词的代价很小,盲目改动的代价很大。像管理代码一样管理它们:每次渲染记录是哪个提示词产生的,每次提示词改动都有可查看的前后对比。

每次渲染要记录什么

  • 模板 id 和版本
  • 精确的渲染后提示词字符串,而不只是槽位值
  • 负面列表版本
  • 输出文件或任务 id
  • 一行说明你本想改什么

有了这组记录,你就能在糟糕的批量结果之后回答真正重要的问题:是这次改动导致了回退,还是问题本来就存在?

对比渲染结果

成对评审,而不是孤立地看。挑选一小组固定的代表性槽位值作为冒烟集——一个静止镜头、一个运动镜头、一个特写、一个广角——每当模板版本升级就重新渲染它们。用相同输入并排比较新旧结果。如果冒烟集里什么都没变,这个改动大概率是安全的。如果它改善了一个案例却破坏了另一个,你就找到了边界,可以有意识地做决定。

回滚纪律

永远不要删除旧模板版本。把它标记为已取代,并保持可寻址。当两周后另一种场景类型出现回退时,之前的版本是你最快的参照点。负面列表同理:与模板一起做版本管理,因为负面项的改动对输出的影响可能和正面项一样大。

在不破坏可用提示词的前提下迭代

提示词工作最难的部分不是得到一条好配方——而是在不丢失已有成果的前提下改进它。典型的失败模式是一次改五样东西,喜欢结果,却完全不知道是哪项改动起了作用。

一次只改一个变量

选择一个槽位或一个负面词。其余一切固定,包括槽位值、模板字符串和版本输入。渲染冒烟集。做决定。然后进行下一项改动。

当片段接近但还不理想时,实用的处理顺序:

  • 先调节奏。 更柔和或更缓慢的运动比其他任何单项编辑都能修复更多感知问题,而且很少破坏渲染的其他部分。
  • 再调镜头。 每次只调整景别或运动速度中的一个属性。
  • 第三调光线。 微调方向和对比度。
  • 最后调主体和动作。 它们干扰最大,也最可能让之前的调优失效。

知道何时停下

不是每个缺陷都是提示词的缺陷。如果对节奏和镜头做了三次针对性编辑仍没有改变结果,这条配方可能需要一个新的节拍——拆分片段,而不是继续调优。同样,如果一次渲染除了一处持续缺陷之外都很好,就精确添加一个负面词,而不是重构提示词。

保持循环简短:一次编辑、一次冒烟集渲染、一个决定。经过几轮之后,这种纪律会产出一个你真正信任的提示词库——以及下个月仍能渲染出相同结果的模板。

准备好运行这些配方了吗?HiAPI.ai 上的 Wan 2.7 文生视频模型提供单一统一端点,你的模板和版本标签可以直接接入现有流水线。

立即开始构建持久 AI 产物

获取 API 密钥,通过一个基于任务(task)的 API 调用图像、视频和音频模型。

阅读 API 文档