AI 影片提示詞：為什麼「動詞」比「形容詞」更能控制畫面
原因是影片模型有一個隱形的「注意力預算」。你給的每一個詞，都會分掉一部分注意力權重。當你寫了三十個形容詞，真正描述動作的那五個字，權重就被稀釋到幾乎看不見。最後模型生成出來的畫面，是一堆漂亮標籤的平均值——光很美、景很深、人很好看，但她一動也不動。
這就是「提示詞通膨」：你付出的字數越來越多，換回來的控制力卻越來越少。形容詞的邊際效益，在影片生成裡衰減得特別快。
二、動詞是畫面的時間軸：影片與圖像的根本差異
要理解為什麼動詞更有效，得先回到一個基本問題：影片和圖片到底差在哪裡？很多人會說「影片會動」，但這句話太淺了。更精確的說法是：影片是「狀態的連續變化」，而圖片只是「某一個狀態」。
影片的本質是「狀態的變化」
一張圖只需要回答「長什麼樣子」，一部影片卻必須回答「接下來變成什麼樣子」。這是完全不同的難題。當你要生成一張圖時，形容詞還能發揮作用，因為靜態畫面本來就靠氛圍取勝；但當你要生成影片時，模型每一幀都在問同一個問題：「根據前面的畫面，下一幀應該長什麼樣？」
而回答這個問題的唯一線索，就是「發生了什麼事」。她轉頭了，所以頭髮要甩動；她跨步了，所以重心要前移；門被推開了，所以光線要從門縫滲進來。這一切變化的來源，都是動詞。沒有動詞，模型只能讓畫面輕微晃動、讓雲慢慢飄，因為它找不到其他「應該改變」的理由。
動詞提供了模型可以取樣的「中間幀」
生成影片時，模型本質上是在解一道「插值」的題目：給你起點和終點，中間的過程怎麼補？形容詞只給了終點（一個唯美的畫面），卻沒有給起點，更沒有給路徑。模型只好隨便補，補出來的結果當然不受控。
動詞則直接定義了路徑。「走進」意味著從畫面外到畫面內；「坐下」意味著從高處到低處；「遞出」意味著從自己到對方。這些動詞在訓練資料裡都對應著大量真實的運動軌跡，模型見過成千上萬次「人走進房間」的影片，它知道膝蓋要彎、陰影要移動、背景要產生視差。
換句話說，動詞不是讓你「描述」畫面，而是讓你「指定」一段可以被取樣的動作序列。你給的動詞越具體，模型能取樣的中間幀就越明確。
從「描述畫面」到「描述事件」的思維轉換
這是整篇文章最關鍵的一次思維轉換。多數人寫提示詞時，腦中想的是「一張照片」，所以寫出來的是名詞加形容詞的組合：一個女人、一片森林、唯美的光。但影片需要的是「一個事件」，事件的基本結構是：誰 → 做了什麼 → 造成什麼結果。
當你把「一個美麗的女人在森林裡」改寫成「一個女人走進森林，彎腰撿起一片落葉」，你完成的不是句子變長，而是從「名詞思維」切換到「事件思維」。前者在描述佈景，後者在描述劇情。而 AI 影片模型，終究是一個「劇情模擬器」，不是「佈景生成器」。
三、把動詞拆開看：主體、路徑、速度、鏡頭、環境
知道動詞重要之後，下一個問題是：動詞要怎麼寫才精準？這裡提供一個拆解框架。一個完整的影片動作描述，其實可以拆成五個層次的動詞，每一層負責不同的控制維度。
主體動詞：角色在做什麼
這是最基本的一層，回答「誰在做什麼」。例如：走、跑、坐、站起、轉身、伸手、低頭、閉眼、推開、抓起、放下、擁抱。這一層的動詞決定了畫面的核心事件，也決定了模型應該把運算資源集中在哪裡。
撰寫時有個小技巧：優先選擇「有明確終點」的動詞。「走」是一個開放的動詞，模型不知道你要它走多久；「走到窗邊停下」則有明確的結束狀態，模型更容易收束畫面。「看著」很模糊，「轉頭看向鏡頭」則非常明確。
路徑動詞：從哪裡到哪裡
路徑動詞回答的是「方向與軌跡」。例如：從左側走入、穿過人群、繞過桌子、沿著牆邊走、向上飄、向下墜、從畫面深處走近。這類動詞對影片的幫助極大，因為它同時定義了「空間關係」和「時間順序」。
很多時候，畫面看起來「不動」，不是因為主體沒動作，而是因為路徑不明確。主體在原地晃動，跟主體從畫面右後方走到左前方，視覺張力是完全不同的。路徑動詞還能順便解決構圖問題——你想要對角線構圖？那就寫「從右上往左下移動」。
速度與節奏動詞：怎麼做
同樣是「走」，快走、緩步、踱步、踉蹌、衝刺，給出的畫面完全不同。速度動詞決定的是「動作的體感」，也直接影響模型的幀間變化幅度。變化太小，畫面像靜止；變化太大，又容易出現形變與閃爍。
節奏動詞則更細膩一些，例如：緩緩、猛然、遲疑地、一口氣、斷斷續續。這些詞在中文裡常以副詞形式出現，但本質上它們是在修飾動作的「時間結構」，屬於動詞家族的一員。它們能讓模型知道：這個動作是均速的，還是有加速與減速的。
攝影機動詞：鏡頭怎麼動
這一層常被忽略，但對影片質感的影響極大。攝影機動詞包括：推近、拉遠、橫移、跟拍、環繞、俯衝、上升、手持晃動、固定不動。它決定了觀眾的「視點」如何移動。
值得注意的是，攝影機動詞和主體動詞最好「分工明確」。如果主體往前走，鏡頭同時往後退，那就是一個跟拍鏡頭，畫面會很穩；如果主體往前走，鏡頭也往前走，那就是一個逼近鏡頭，壓迫感很強。事先想清楚這兩者的關係，畫面會穩定很多。
環境動詞：世界如何回應
最後一層，也是最容易被遺漏的一層：環境的反應。主體一動，世界就該有回應。她走過，裙擺會擺動；她推門，光束會掃過地板；她坐下，椅面會下陷；風吹過，樹葉會翻面。
環境動詞能大幅提升畫面的「物理可信度」。因為它讓模型知道：這個動作不只發生在主角身上，還會在環境裡留下痕跡。這些痕跡正是真實感的來源。很多人抱怨 AI 影片「假假的」，問題往往不在主體，而在於環境完全沒有反應——人走了，地上的影子卻沒動。
四、實戰對照：五組形容詞版與動詞版的提示詞比較
接下來用五組實際的對照，讓你直接感受差異。左邊是常見的「形容詞堆疊版」，右邊是改寫後的「動詞驅動版」。兩組描述的是同一個場景，但可控程度天差地遠。
形容詞版與動詞版提示詞對照
場景
形容詞堆疊版
動詞驅動版
街頭人物
一個美麗的亞洲女性，時尚穿搭，都市街頭，電影感，唯美，高品質，8K。
咖啡廳
溫馨的咖啡廳，氛圍感，暖光，細膩，超寫實，高細節。
自然風景
壯麗的山脈，雲海，史詩感，大氣磅礴，超廣角。
產品展示
高級質感的香水瓶，奢華，精緻，光影迷人，商業攝影。
情緒片段
悲傷的氛圍，孤獨感，憂鬱，唯美，令人心碎。
看出來了嗎？右邊那一欄並沒有比較「有文采」，它甚至有點像劇本的分鏡描述。但正是這種「分鏡感」，讓模型能夠明確知道每一秒該發生什麼事。
對照解析一：動詞版提供了「可驗證的畫面」
形容詞版最致命的問題是「無法驗證」。當模型生成完畢，你要怎麼判斷它有沒有做到「電影感」？很難，因為電影感是主觀的。但動詞版可以被驗證：女子有沒有走進畫面？她有沒有停在斑馬線中間？她的衣角有沒有被吹動？如果沒有，你立刻知道要調整哪一句。
這種「可驗證性」是迭代的基礎。提示詞不是一次寫對的，而是靠一輪一輪修正逼近的。形容詞版讓你不知道錯在哪，動詞版讓你一眼看出問題。
對照解析二：動詞版自帶「取捨」，形容詞版只會「疊加」
寫動詞版的時候，你會被迫做選擇：她是走進來還是跑進來？鏡頭是固定還是推近？這些選擇讓你離「我真正想要的畫面」更近一步。形容詞版則相反，它鼓勵你不斷疊加，因為「再加一個形容詞」的成本很低，但每一個形容詞都在偷偷瓜分模型的注意力。
更有意思的是，動詞版寫完之後，你通常會發現字數反而比形容詞版少。因為動詞的效率太高了——一個「推開」勝過「充滿張力的、帶有情緒的、戲劇性的開門動作」。
對照解析三：動詞版能產生「因果感」
仔細看上面那些動詞版描述，它們都有一種「因為……所以……」的結構。因為她停下，所以鏡頭有了停留的理由；因為風吹，所以衣角才有動作；因為杯子放下，所以蒸氣的方向才會改變。這種因果鏈，是形容詞永遠給不了的。
而觀眾感知「真實」的方式，很大程度上就是靠這種因果感。人不是因為畫面清楚才覺得真實，而是因為「事情按照物理規律發生了」才覺得真實。動詞，就是因果的載體。
五、動詞提示詞的撰寫框架：四層結構法
知道要寫動詞之後，實作上還是會卡住：我怎麼知道要寫哪幾個動詞？這裡提供一個可以直接套用的「四層結構法」，由上往下寫，順序不要亂。
第一層到第四層：主體 → 路徑 → 鏡頭 → 環境
第一層，主體動詞：先寫「誰做什麼」，一個動作就好，不要貪多。這一句是整段影片的骨幹，必須最清楚。
第二層，路徑動詞：補上「從哪裡、往哪裡、經過什麼」。這一層解決構圖與空間感的問題，也讓動作有明確的起點與終點。
第三層，鏡頭動詞：決定觀眾站在哪裡看。固定、推近、拉遠、跟拍、環繞，選一個，不要同時用兩個相反的鏡頭運動。
第四層，環境動詞：最後補上世界的回應。光線怎麼動、風怎麼吹、水怎麼流、背景的人怎麼走。這一層是加分項，但往往是質感的關鍵。
這個順序的好處是：即使第四層你沒寫好，前三層已經足以支撐一個可用的畫面。相反地，如果你只寫形容詞，四層全部缺失，模型就真的只能自由發揮了。
動詞的時態與體貌：正在、剛剛、即將
中文沒有嚴格的時態變化，但我們有非常豐富的「體貌標記」，這在影片生成裡意外地好用。「正在」表示動作進行中，「剛剛」表示動作剛完成、痕跡還在，「即將」表示動作還沒開始、但身體已經預備。
特別推薦「即將」這個視角。因為影片是連續的，一個「即將發生」的畫面，往往比「已經發生」更有張力。例如「她伸手，即將碰到門把」比「她握住門把」更能引導模型生成有意義的前饋動作——手掌張開、身體前傾、視線集中。這種「動作的準備狀態」，是影片生成裡非常有效的控制手段。
慎用「萬能動詞」：讓每個動詞都獨一無二
有些動詞看起來很好用，實際上什麼都沒說。最典型的是「移動」「變化」「動起來」「轉身離開」這一類。它們的問題在於外延太廣，模型無法從中提取具體的運動特徵。
「移動」可能是走、可能是飄、可能是滑行。與其寫「角色開始移動」，不如寫「角色跨出左腳，重心前移」。前者是把難題丟回給模型，後者是你自己先想清楚了。
判斷標準很簡單：如果你把這個動詞換成另一個同類動詞，畫面會明顯不同，那它就是好動詞；如果換了也差不多，那它就是萬能動詞，該被替換。
六、常見錯誤與除錯清單
即使知道了原理，實作上還是會踩坑。以下是四個最常見的錯誤，以及對應的檢查方式。
錯誤一：把名詞當動詞用
「一個奔跑的身影」「一個飛翔的夢」——這些句子裡的「奔跑」「飛翔」看起來是動詞，但整個短語的語法中心是名詞。結果就是模型把它當成「一個名詞的狀態標籤」處理，而不是「一個正在發生的動作」。
修正方式很簡單：給它一個主語。「一名男子沿著河岸奔跑，鞋底濺起水花」，就會比「一個奔跑的身影」清楚得多。有沒有主語，決定了模型是把動作當「屬性」還是當「事件」。
錯誤二：動詞互相打架
「她一邊奔跑一邊慢慢轉身」——這在物理上幾乎不可能。模型遇到這種指令，通常會選擇忽略其中一個，或者生成一個诡异的折衷動作。常見的打架組合包括：快速移動加緩慢動作、靜止加劇烈晃動、特寫加全景。
寫完之後，請用身體模擬一遍。你真的能同時做這兩個動作嗎？如果不能，就拆成兩段，或者只保留一個。
錯誤三：違反物理直覺
「落葉向上飄升」「水從低處流向高處」「頭髮在無風狀態下劇烈飄動」——這些描述在現實中不成立，但模型偶爾會硬生成，結果就是一種說不出的違和感。雖然 AI 影片可以超現實，但如果你要的是寫實感，動詞就必須符合物理。
檢查方式：問自己「這個動作的能量從哪來」。落葉往上飄，需要一股上升氣流；頭髮飄動，需要風源。把能量來源也寫進去，畫面會更穩。
錯誤四：動詞過載
這是進階創作者最容易犯的錯。學會動詞之後，興奮地在一個提示詞裡塞進八個動作：走進來、坐下、拿起杯子、喝一口、放下、站起、轉身、離開。結果模型每件事都做了一點，但每件事都不完整，影片像被快轉過一樣。
一部五秒的影片，大概能容納一到兩個完整的動作。超過這個數量，請拆成多個鏡頭，用剪輯接起來。AI 影片不是萬能演員，它更像是「單鏡頭生成器」。
除錯檢查清單
提示詞裡有沒有一個明確的「主語」？
主體動詞是否只有一個，而且有明確終點？
有沒有一條清楚的路徑（從哪到哪）？
鏡頭動詞是否只有一個方向，沒有自相矛盾？
環境有沒有對主體的動作做出回應？
所有動詞是否符合物理直覺，能量來源是否交代清楚？
總動作量是否超過五秒能承載的範圍？
刪掉所有形容詞之後，這句話還能生成畫面嗎？
最後那一條是最嚴格的測試。如果你把「電影感、唯美、氛圍感」全部刪掉，句子還站得住，那你的提示詞就是健康的。如果刪掉之後什麼都不剩，那你其實一直是在許願，不是在執導。
七、進階應用：用動詞控制看不見的東西
動詞的威力不只用在角色身上。當你熟悉基本操作之後，可以開始用它控制那些「沒有實體」的元素——光線、情緒、節奏。這些是讓作品從「能用」變成「有味道」的關鍵。
光線的動詞
光線看起來是靜態的，但它其實一直在動。你可以寫：光從窗外灑進來、光緩慢掃過桌面、光在牆上移動、光被門板遮住、光從縫隙滲入、光逐漸減弱、光在某個瞬間亮起。
把光線動詞化，能解決很多「畫面死板」的問題。因為只要光在動，整個畫面就有了時間感，即使主體完全靜止，觀眾也不會覺得這是靜態圖。這是低成本提升影片質感的捷徑。
情緒的動詞化
「悲傷」是形容詞，「她低頭看著照片，手指停在邊角」是動詞。前者讓模型去猜，後者讓模型去演。情緒的本質是一連串微小的身體動作，把它們寫出來，情緒就自然出現了。
常用的情緒動詞化技巧包括：呼吸的變化（深吸一口氣、憋住呼吸）、視線的移動（避開、直視、望向遠方）、手部的動作（握緊、鬆開、摩挲）、重心的轉移（後退半步、靠向椅背）。這些動作不需要解釋情緒，觀眾自己會讀懂。
節奏與剪輯的動詞
雖然單次生成通常是一個連續鏡頭，但你可以在描述裡預埋剪輯的節奏。例如「動作進行到一半，畫面突然切換」這種描述，在某些模型裡可以觸發硬切效果。又或者用「動作停頓一拍，然後繼續」來製造節奏上的呼吸。
更實用的做法是：用多個短鏡頭分別生成，再自行剪接。每個鏡頭只寫一個動詞，保持乾淨，後期用剪輯軟體串起來。這樣你對節奏的控制力，會遠高於在單一提示詞裡塞進複雜的時間結構。
八、結語：把提示詞從「許願」變成「執導」
回到文章開頭的那兩種求助文。寫「電影感、唯美、高品質」的人，本質上是在許願——他把畫面交給模型決定，自己只負責說「我想要好看的」。而寫「她推開門，走進雨中，回頭看了一眼」的人，是在執導——他決定了誰、做了什麼、往哪裡去、留下什麼。
形容詞不是完全沒用。它適合放在最後，當作微調的濾鏡，用來統一整段影片的調性。但它絕對不該是提示詞的主體。主體應該是動詞，因為動詞才是影片的語言。
下次打開生成工具時，試試這個練習：先寫一句話，只允許自己用動詞和名詞，不准用任何形容詞。寫完之後，再回頭加上一兩個形容詞收尾。你會發現，畫面突然變得聽話了。
在雅寶社區 · 頂客論壇的影音創作版裡，我們看過太多華麗卻失控的作品，也看過很多樸素卻精準的實驗。真正拉開差距的，從來不是誰的形容詞比較多，而是誰更懂得用動詞說故事。希望這篇文章，能幫你把提示詞從「許願池」變成「導演筒」。
如果你有自己的動詞提示詞範本，歡迎在下方回覆分享。下一篇我們會談「如何用動詞控制鏡頭語言」，敬請期待。
```
💬 想說點什麼？
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →