一条提示词只写一个镜头，不写一部电影
一个镜头，就是从一个机位拍下的一段连续视频。OpenAI 的 Sora 2 提示词指南要求每个镜头只有一个清楚的运镜和一个清楚的主体动作。一条提示词要写好几个镜头时，指南让每一块都只含一种机位、一个主体动作和一种光线方案。
视频片段很短，这是一次只写一个镜头的另一个理由。下图按各家自己的文档，列出单次调用能生成的最长片段。
有些工具会自己加剪辑。Google 的 Gemini Omni 笔记本介绍了 Omni，这是一款可以用对话来修改片段的 Google 视频模型，笔记本说它默认可能加入多镜头剪辑。想要一个连续的镜头，它建议在提示词里写“In a single unbroken scene...”或“Continuous handheld shot, no scene cuts...”。
来源：OpenAI Cookbook：Sora 2 提示词指南 (2026年11月6日 查阅)；GitHub：google-gemini/cookbook 的 Gemini Omni 笔记本 (2026年11月6日 查阅)；GitHub：zai-org/CogVideo 的 README (2026年11月6日 查阅)；GitHub：google-gemini/cookbook 的 Veo 入门笔记本 (2026年11月6日 查阅)
各家都放进提示词的几个部分
这几份指南用不同的话说的是同样的配料。腾讯的 HunyuanVideo-1.5 手册把基础提示词压缩成“主体 + 动作 + 场景”，把镜头类型、运镜、光线、风格和氛围当作可选项。
Lightricks 的 LTX-2 README给出七个步骤，从主要动作一直到突发事件，要求写成一段连贯的文字，不超过 200 个英文单词。OpenAI 的指南则说，写镜头要像在分镜头脚本上画草图一样。
| 部分 | 写什么 | 建议出自哪里 |
|---|---|---|
| 主体 | 外貌、服装、物种，写几个有辨识度的细节 | 腾讯列出外貌、服装和物种；OpenAI 说几个有辨识度的细节能让主体容易认出来 |
| 动作 | 一个动作，拆成几步写 | OpenAI：一个清楚的主体动作，按节拍写；腾讯：“First... then... next... meanwhile... finally...”；Lightricks：先用一句话写主要动作 |
| 场景 | 地点、背景、天气 | Lightricks：背景和环境细节；OpenAI：场景和天气 |
| 镜头 | 景别、角度，加一个运镜 | Google：“single shot”“eye level”“dolly shot”“tracking shot”；腾讯：镜头类型和运镜；Lightricks：机位角度和运镜 |
| 光线与风格 | 光线、色彩、镜头、整体气质 | Google：“shallow focus”“macro lens”，以及“sci-fi”“animation”这样的风格词；腾讯：光线、风格和氛围；Lightricks：光线和色彩 |
| 声音 | 声音和台词，都写成文字 | Google：Veo 3 和 Omni 用提示词生成音频；OpenAI：台词放进 Dialogue 块 |
一步一步写出提示词
初稿要短。腾讯的手册把方括号里的项目标成可选。先写三个必需的部分，再一项一项往里加，直到片段和你脑子里的画面对上。
下面的例子是 Google 在 Omni 笔记本里自己给的时间点提示词。它是一个连续的手持镜头，分成两个三秒的节拍，有主体、地点和天气细节。
[0-3s] A continuous handheld shot of a woman in a red coat standing still on a snowy city sidewalk looking forward. [3-6s] She slowly opens a bright yellow umbrella as soft snowflakes fall around her.- 用一句话说出这个镜头：谁在里面，在做什么，在哪里。
- 加上镜头需要的东西：一种景别、一个运镜、一种光线和一种风格。
- 把动作写成几步，用连接词串起来。腾讯建议用“First... then... next... meanwhile... finally...”。
- 把感受换成镜头拍得到的东西。腾讯的公式是“主体 + 动作 + 小细节”，比如“The boy smiles, eyes crinkling slightly.”
- 用左、右、前景、背景这样的简单方位词，说清谁在哪里、往哪里动，腾讯建议这样写。
- 把声音或台词写成文字，改动之前先把同一条提示词多跑几次。
时间点、声音和台词
Omni 在提示词里直接接受时间安排。它的笔记本既给了平白的说法，比如“after 3 seconds, a woman enters the scene”，也给了一种带方括号的写法，把片段分成有时间的节拍，就像上面的例子。
声音也是文字。Veo 3 和 Omni 用提示词生成音频，所以声音和别的细节一样写进句子里，Veo 一课演示了发送它的调用。OpenAI 的指南把台词放进场景下面的 Dialogue 块，Sora 一课讲了怎么做。
| 你想要 | 这样写 | 出处 |
|---|---|---|
| 一个连续的镜头 | "In a single unbroken scene..." | Gemini Omni 笔记本 |
| 某个时间点的动作 | "[3-6s] They stop and turn around." | Gemini Omni 笔记本 |
| 人物说话 | 每一句放进引号（Veo），或放进场景下面的 Dialogue 块（Sora） | Veo 笔记本、Sora 指南 |
| 没有台词的声音 | "The hum of espresso machines and the murmur of voices form the background." | Sora 指南 |
| 不说话，画面上没有文字 | "No dialogue or voiceover. No text overlay on screen." | Gemini Omni 笔记本 |
让角色在镜头之间保持不变
每条提示词都从零开始，所以只有每次都给工具同样的东西，角色才会保持不变。OpenAI 的指南提醒，措辞的小改动就可能改变人物的身份、姿势或画面的重心。它的建议是描述保持一致、重复使用同样的措辞，避免混进相互冲突的特征。
腾讯给出一条关于多个角色同框的规则：用属性或位置把他们区分开。它的例子写的是“The black cat hands the bomb to the gray cat”，接着让灰猫朝画面右侧跑去。
| 方法 | 怎么做 | 出处 |
|---|---|---|
| 同样的词 | 把同一段角色描述贴进每一条提示词 | OpenAI Sora 指南 |
| 起始图片 | 把图片作为第一帧传入，视频开始之前外观就定下来了 | Veo 笔记本、Sora 指南 |
| 参考图 | Veo 3.1 最多 3 张（Fast 不行）。Omni 最多 6 张，覆盖最多 2 个角色加道具或服装 | Veo 和 Omni 笔记本 |
| 在提示词里区分 | 用属性或位置称呼每个角色，比如黑猫和灰猫 | 腾讯手册 |
| 后续修改 | 新一轮只改一处，再加上“Keep everything else the same” | Omni 笔记本 |
| 保存的角色 | Sora 曾用一小段参考视频保存角色，这随 Sora API 一起结束了 | Sora 指南 |
片段差一点就对的时候
OpenAI 的指南说，要一次只做一处可控的改动，并说明你改的是什么，比如“same shot, switch to 85 mm”或“same lighting, new palette: teal, sand, rust.”。结果已经接近时，它建议把那段视频固定为参考，只描述那处调整。
Google 的 Omni 笔记本对后续修改给出同样的建议：写得简短、精准。它的好例子是“Change the car color to metallic blue. Keep everything else the same.”，坏例子则是先把整段视频重新描述一遍，再提出修改。
一个镜头总是出问题时，Sora 指南说要先精简：让镜头静止，简化动作，清空背景，等它能跑通了，再一步一步加复杂度。
Editing is for nudging, not gambling.
常见错误
- 在一条提示词里塞好几个场景。一个片段只有几秒，Sora 指南要求每一块只有一个机位和一个动作。
- 把剪辑交给运气。工具要是自己加剪辑，就在提示词里写“single unbroken scene”。
- 只写感受，不写东西。腾讯说，要把抽象的情绪词换成动作细节。
- 为了改一处细节重写整条提示词。OpenAI 和 Google 都说，改一处，其余保持不变。
- 在不同提示词之间换角色的说法。Sora 指南提醒，措辞的小改动就可能改变身份。
动手试试
- 照“主体 + 动作 + 场景”写一个你自己的镜头，再加一个运镜和一种光线。
- 把上面带时间点的提示词拿到一个接受时间码的视频工具里，只改第二个节拍。
- 写一次角色描述，贴进两条提示词，对比人脸和衣服。
- 用一次修改来修复差一点的片段，结尾写上“Keep everything else the same.”
- 加一行写明什么不要出现，比如“No dialogue or voiceover.”
按你自己的清单检查每个片段：主体和描述一致，镜头只做了你要求的那一个运镜，你排除的东西没有出现。
下一课：自己运行开源视频模型
上面讲的这些同样适用于可以在你自己电脑上运行的开源模型。开源视频模型一课讲 Wan、HunyuanVideo、LTX 和 CogVideoX，以及各个项目写明的大小和许可证。
自测一下
一个工具总是给你的片段加镜头剪辑。Google 的 Omni 笔记本建议怎么做？
查看答案
C. 在提示词里写“In a single unbroken scene...” 笔记本说 Omni 默认可能加入多镜头剪辑，并给出这句话，来强制使用一个连续的镜头。
腾讯的手册把“主体 + 动作 + 场景”作为基础提示词。它把哪些部分叫作可选的？
查看答案
A. 镜头类型、运镜、光线、风格和氛围 公式里放在方括号中的项目，从镜头类型到氛围，是可选的。
你想让一个角色在第二条提示词里看起来一样。Sora 指南给了哪一步？
查看答案
B. 重复使用对这个角色的同样措辞 指南提醒措辞的小改动可能改变身份，所以它说要保持描述一致，重复使用措辞。
片段已经接近了，但车应该是蓝色的。Google 的笔记本让你怎么写？
查看答案
D. Change the car color to metallic blue. Keep everything else the same. 笔记本要求简短、精准的修改，并拿这句话和对视频的冗长重新描述作对比。
常见问题
AI 视频提示词怎么写才好？
用平白的话描述一个镜头，主体、动作、地点一样不少。运镜、光线和风格放在后面，镜头需要才加，声音也写成文字。
AI 视频提示词应该写多长？
各家说法不同。Lightricks 要求一段话，不超过 200 个单词，腾讯要求简单直接的词，OpenAI 说短提示词给模型更多发挥空间，长的则会限制它。
一条视频提示词里能放好几个场景吗？
有的工具可以。OpenAI 说，只要每个镜头块保持分明，多镜头提示词是可行的，Omni 接受“[0-3s]”这样的时间码。一个片段只有几秒，所以每个场景分到的时间很少。
AI 视频里的反向提示词是什么？
是一小段写明你不想看到什么的文字。Veo 把它作为 negative_prompt 设置，Omni 的笔记本则直接写一句话，比如“No text overlay on screen.”
为什么我的角色在不同片段之间会变？
每个片段都只从你的文字开始。重复用同一段描述，从一张图开始，或者传入参考图，Veo 3.1 最多收三张，Omni 最多六张。
资料来源
- OpenAI Cookbook: Sora 2 Prompting Guide https://developers.openai.com/cookbook/examples/sora/sora2_prompting_guide
- GitHub: Tencent-Hunyuan/HunyuanVideo-1.5, Prompt Handbook https://github.com/Tencent-Hunyuan/HunyuanVideo-1.5/blob/main/assets/HunyuanVideo_1_5_Prompt_Handbook_EN.md
- GitHub: Lightricks/LTX-2, README https://github.com/Lightricks/LTX-2
- GitHub: google-gemini/cookbook, Get started with Veo notebook https://github.com/google-gemini/cookbook/blob/main/quickstarts/Get_started_Veo.ipynb
- GitHub: google-gemini/cookbook, Gemini Omni notebook https://github.com/google-gemini/cookbook/blob/main/quickstarts/Get_started_Omni.ipynb
- GitHub: zai-org/CogVideo, README https://github.com/zai-org/CogVideo