写视频提示词，先确定拍什么、主体做什么、镜头怎样移动，再补充场景、光线和需要保持不变的细节。如果两条要求互相冲突，先明确取舍；多加形容词并不能告诉模型该听哪一条。
下面这套简单结构可直接用于文字生成视频，也能按需要调整后用于 Veo3o1 的图片引导工作流。
六段式提示词结构
按以下顺序写提示词：
- 主体——最重要的人物、物体、动物或场景。
- 动作——一个主要运动或事件。
- 环境——地点、时间、天气和真正影响画面的背景细节。
- 摄像机——景别、角度和一个镜头运动。
- 光线与氛围——画面的视觉情绪。
- 限制条件——必须保持不变的细节或需要排除的元素。
例如：
一只手工陶瓷杯放在深色木桌上，蒸汽缓慢上升，后方窗外的晨雨不断落下。桌面高度的产品近景，镜头缓慢推进，柔和的冷色日光在釉面形成暖色反光。杯身形状保持稳定，不添加文字。
它足够具体，但没有试图一次描述十个镜头。
主体：先写清必须被看懂的对象
从一个明确主体开始。“繁忙的城市”可能让模型产生很多视觉重点；“穿黄色雨衣的自行车快递员”则明确了画面的重点。
使用图片生成时，把文字和输入内容关联起来：
参考图中展示的人物……
然后只重复真正需要保持的外观特征，例如服装颜色、发型、包装外形或材质。人物一致性指南介绍了怎样把这些细节与参考图组合使用。
动作：使用一个主要动词
短视频最适合一个可读的主动作。“走过”“转身”“打开”“升起”或“旋转”都能为镜头建立主线。连续安排多个动作时，部分步骤可能被压缩、跳过或混合。
较弱的写法：
厨师做饭、端上晚餐、与客人交谈，餐厅随后变成屋顶派对。
更清晰的写法：
厨师把完成的菜品放上操作台，蒸汽升入厨房的暖光中。
故事包含多个情节时，应拆成独立镜头，再在后期剪辑中组合。
环境：只保留真正影响镜头的信息
描述会改变光线、运动或含义的背景。“日落时分、风很大的海岸边”比罗列一串与主体没有互动的物件更有价值。
环境信号要彼此兼容。除非镜头本身就在表现光线变化，否则“正午强光”“昏暗烛光”和“霓虹夜景”同时出现在短提示词中，只会产生互相竞争的照明方向。
摄像机：先写景别，再写运动
运镜语言按层次组织会更清楚：
- 景别：全景、中景、近景、微距；
- 角度：平视、低角度、俯拍；
- 运动：推进、拉远、横摇、俯仰、环绕、跟拍；
- 速度：缓慢、克制、快速、手持。
例如：
平视中景，镜头在跑步者身旁缓慢跟拍。
一个明确运镜通常比“无人机、变焦、环绕、甩镜、手持”同时出现更容易控制。
时长：让动作适应可用秒数
Veo3o1 在支持的组合中提供 4、6 和 8 秒，参考图模式目前固定为 8 秒。4 秒镜头需要尽快到达视觉重点；8 秒可以容纳更从容地展现主体或逐步推进镜头。
不要为了填满时长加入无关事件。延长一个真正有意义的动作会更稳定。
限制条件：保护真正重要的细节
限制条件应短而明确。提示词末尾加入“始终保持相同的红色外套、产品比例稳定、不添加文字”，可以减少常见漂移。过长的否定清单会压过镜头的正面描述。
使用首尾帧时，说明场景怎样从第一张图移动到第二张图；使用参考图时，说明参考主体在新镜头中怎样行动。两者差异见首尾帧与参考图对比。
三个可复用模板
产品镜头
[产品] 位于 [表面或环境]。[一个产品动作或环境运动]。[景别和角度]，[一个运镜]。[光线和氛围]。保持 [关键外形、颜色或材质] 不变，不添加文字。
人物镜头
[人物身份] 在 [环境] 中 [一个动作]。[景别和角度]，[运镜]。[光线和氛围]。保持 [服装、脸部或发型细节] 一致。
环境建立镜头
[时间或天气] 下的 [地点]，包含 [一个有意义的环境运动]。采用 [角度] 全景，[运镜]，[光线和氛围]，比例真实，运动克制。
像剪辑师一样迭代
保存每个有效结果的提示词和设置。每次只改一个变量：先动作，再摄像机，再光线。可选随机种子有助于比较相近设置，但它不能取代清晰指令，也不保证输出完全一致。
生成前可以逐项检查：
- 是否只有一个主要主体；
- 主动作能否在所选时长内完成；
- 摄像机是否只有一个明确任务；
- 光线指令是否彼此一致；
- 参考图与提示词是否描述同一个主体；
- 画幅是否适合最终渠道；
- 当前阶段是否值得承担页面显示的积分成本。