AI影片提示詞怎麼寫？5個描述重點＋實戰範例一次看懂

很多人第一次用AI影片生成工具時，都會在指令欄位填一句「一個女生走在街上」，然後發現生成出來的畫面不是跑版就是完全靜止。問題不在工具，而在指令本身缺少了AI真正需要的資訊。

AI影片提示詞和圖片提示詞不一樣，除了要說清楚畫面長什麼樣子，還需要描述動作怎麼發生、鏡頭從哪個角度拍、主體如何在時間軸上產生變化。這篇文章從指令前的準備工作出發，整理完整的AI影片生成指令公式，並附上商品、人物、美食、社群等不同情境的ai影片提示詞範例，讓你直接對照修改。

很多人一拿到工具就直接填指令，結果生成出來的影片比例不對，或長度不夠用。正式寫ai影片提示詞之前，有三件事要先確認清楚。

確認影片用途與觀看平台

影片的用途決定了你需要什麼樣的畫面風格與節奏。一支用於品牌官網的商品展示影片，和一支要放在Instagram Reels的社群短影片，視覺需求完全不同。

先問自己：這支影片要放在哪裡？給誰看？是要強調產品細節、傳遞品牌氛圍，還是純粹吸引點擊？不同用途會直接影響後面的畫面設定、比例選擇與風格描述。如果沒有先想清楚，就算指令寫得再詳細，生成出來的影片也可能放不進實際的應用場景。

選擇文字、圖片或首尾幀生成

目前主流的AI影片生成工具（如Runway、Kling、Pika、Sora）大多支援三種輸入方式，每一種對應的指令重點不同。

• 文字生成影片：只靠文字描述，AI從零建構畫面。這種方式需要在指令裡完整交代場景、人物、動作與風格，資訊越完整，生成結果越接近預期。

• 圖片生成影片：上傳一張圖作為起始畫面，再用指令說明接下來要發生什麼。這時指令的重點在動作與運鏡，而不是重新描述畫面裡已有的視覺元素。

• 首尾幀生成影片：提供起始與結束兩張圖，讓AI填補中間的轉場過程。指令要說明的是這段轉換的邏輯與節奏，而不是再描述兩張圖的內容。

搞清楚你用的是哪一種方式，才知道指令裡該補哪些資訊。

設定影片比例、秒數與輸出需求

不同平台有固定的影片規格需求。在開始寫指令之前，先確認這幾個數值：

• 比例：橫向16:9（YouTube、官網）、直向9:16（Reels、TikTok、Shorts）、正方形1:1（部分社群貼文）

• 長度：大多數AI工具單次生成上限是5秒或10秒，超過長度要分段生成再剪接

• 解析度需求：部分工具支援1080p輸出，確認後可在指令或設定中指定

這些數值多數在工具介面設定，不一定要寫進指令，但心裡要先有數，才不會生成一段9:16的畫面卻要放在橫版網站上。

AI影片提示詞和靜態圖片指令最大的差別，在於影片有時間軸。你需要告訴AI影片從哪裡開始、中間發生了什麼、最後停在哪裡。拆成五個問題來思考，會比直接想「我要什麼畫面」更有效率。

設定影片的起始畫面

起始畫面是AI建構整段影片的基礎。描述時要交代主體的狀態（人物姿勢、物體位置）、場景的環境（室內/室外、時段、光線），以及畫面的初始構圖（鏡頭距離與角度）。

例如：「一杯熱拿鐵放在木質桌面上，側面特寫，蒸氣從杯口升起，背景是模糊的咖啡廳環境，暖黃色光線。」這樣的起始畫面描述，給了AI足夠的視覺基礎。

說明主體產生的變化

影片和圖片的核心差異是動作。你要明確說明主體在影片過程中如何改變，而不是只描述靜態的樣子。

動作描述要具體：是「緩緩移動」還是「快速翻滾」？是「人物轉身走向鏡頭」還是「人物往右走出畫面」？越模糊的動作描述，AI越容易生成靜止或幅度過小的畫面。

指定鏡頭觀察主體的方式

除了主體的動作，鏡頭本身也可以移動。這兩者是獨立的描述維度，要分開說明。

常見的鏡頭運動包括：推進（zoom in）、拉遠（zoom out）、橫移（pan left/right）、上下移動（tilt up/down）、環繞（orbit）、跟隨（follow）。如果不指定，AI可能預設使用固定鏡頭或加入不預期的運鏡。

描述影片最後停在哪個畫面

結束畫面決定了影片的收尾感。有些工具支援直接描述結尾狀態，讓AI在生成時自動計算中間的轉場。描述結束畫面時，同樣要說明主體狀態與鏡頭位置。

例如：「影片結束時，鏡頭已經拉遠至全景，人物站在畫面中央，背景的城市輪廓清晰可見。」

加入不能改變的畫面限制

AI生成有時會自行改變主體外觀、調整場景或加入你不想要的元素。如果有特定事項不能改變（例如品牌商品的顏色、人物的服裝、特定的背景），可以用否定語句明確限制，例如：「不要改變瓶身的紅色標籤」、「不要出現人物以外的其他人」。

不管使用哪一種AI影片生成工具，完整的ai影片提示詞都需要涵蓋五個描述維度。這五個方向構成一套可重複使用的影片生成指令公式，適用於商品、人物、場景等各種影片類型。

畫面主體：影片中要出現什麼

主體是整段影片的核心焦點。描述時要說清楚主體是什麼（人、物、動物、場景）、它的外觀特徵（顏色、形狀、尺寸、穿著）、以及它在畫面中的位置（置中、偏左、前景、背景）。

如果主體是人物，還要說明年齡、性別、外型風格或表情，因為AI在人物生成上的容錯率比物體低，描述越清楚，出錯機率越小。

動態變化：主體與背景如何移動

動態描述是ai影片指令最容易被忽略的部分。除了主體的動作，背景也可能需要動態指定。例如葉子在風中搖曳、背景人群緩慢流動、水面有漣漪起伏，這些細節如果不寫進指令，AI通常不會自動加入。

節奏感也可以在這裡描述：「緩慢」「流暢」「快速切換」「逐漸加速」，都會影響影片的整體感受。

場景條件：地點、時間與周圍環境

場景設定包含地點（室內/戶外、城市/自然）、時間（白天、黃昏、夜晚）、氣候（晴天、霧、雨）、以及周圍元素（建築物、植物、道具）。

場景描述越具體，AI越不容易自行發揮並加入你不想要的元素。如果你想要「一個日式和室」，就不要只寫「室內」，否則AI可能生成一個完全不同風格的空間。

鏡頭設計：景別、角度與運鏡方式

鏡頭設計決定了觀眾從什麼視角感受這段影片。常用的描述詞彙：

• 景別：特寫（close-up）、中景（medium shot）、全景（wide shot）、鳥瞰（aerial view）

• 角度：低角度仰拍（low angle）、平視（eye level）、俯角（high angle）

• 運鏡：固定（static）、推進（push in）、環繞（orbit）、跟蹤（tracking shot）

同一個場景配上不同的鏡頭設計，給人的感受可以差很多。商品展示通常用推進或環繞，人物情緒通常用固定特寫，空間氛圍常用緩慢拉遠或橫移。

畫面質感：光影、色彩與影片風格

這是讓影片看起來有「感覺」的部分。光影描述可以用「自然日光」「柔和散射光」「強烈側光」「霓虹燈光」；色彩可以用「暖色調」「低飽和度」「高對比黑白」；風格可以參考電影感（cinematic）、紀錄片感（documentary）、廣告感（commercial）、或直接引用導演或影片風格。

如果你有參考影片，可以描述它的畫面質感，而不是直接引用影片名稱，因為AI不一定能對應到你指的那部作品。

根據輸入方式的不同，ai影片prompt的寫法重點也不同。同樣一個想法，在文字生成、圖片生成和首尾幀生成這三種模式下，需要強調的資訊並不一樣。

文字生成影片：完整交代畫面資訊

純文字生成時，AI沒有任何視覺參考，需要從你的描述中建構所有元素。這時指令要盡量完整，五個描述維度都要覆蓋，尤其是場景與主體的視覺細節。

不要假設AI知道「現代感咖啡廳」長什麼樣子，要直接描述：木質桌椅、水泥牆面、吊燈、落地窗。描述的具體程度決定了AI可以發揮的空間大小。

圖片生成影片：集中描述動作與運鏡

上傳圖片作為起始幀時，圖片本身已經提供了場景與主體的視覺資訊，指令的任務是告訴AI「接下來要發生什麼」。

這時可以把指令重心放在動作和鏡頭：人物要做什麼動作、物體如何移動、鏡頭從哪個方向往哪個方向走。重複描述圖片裡已有的視覺內容，反而可能讓AI產生困惑，建議省略或簡化。

例如你上傳了一張咖啡杯的照片，指令只需要寫：「蒸氣從杯口緩緩升起，鏡頭慢慢推進至杯口特寫，整體維持暖色調氛圍。」不需要再描述咖啡杯的顏色或桌面材質。

首尾幀生成影片：說明畫面轉換過程

提供起始和結束兩張圖時，AI需要根據這兩個錨點填補中間的過程。你的指令要說明這段轉換的邏輯：是平滑過渡、快速切換，還是透過特定的物理動作連接？

這種模式最需要注意的是：確保兩張圖的場景、光線和主體有一定的連貫性，否則AI可能生成看起來很突兀的轉場。如果兩張圖差異太大，可以在指令裡補充過渡邏輯，例如「以淡出淡入的方式銜接」或「透過鏡頭拉遠再推進完成轉換」。

看懂公式以後，最快速的學習方式是直接對照範例。以下四種常見情境，分別列出模糊指令與優化後的ai影片提示詞範例，可以直接對照調整。

商品展示影片指令範例

模糊版本：一瓶香水的廣告影片

優化後的ai影片指令： 「一瓶透明玻璃香水瓶放在白色大理石台面上，瓶蓋已打開，瓶身折射出柔和的光線。鏡頭從正面中景開始，緩慢推進至瓶口特寫，同時瓶身四周有極細的光霧緩緩飄散。背景為純白色，整體光線柔和均勻，風格接近高端美妝廣告。不要出現人手或其他物品。」

這個版本明確定義了主體外觀、動態細節、鏡頭運動、背景條件和排除項目，AI可以根據這些資訊建構出清晰的畫面。

人物動作影片指令範例

模糊版本：一個人在路上走

優化後的ai影片指令： 「一位約三十歲的亞洲女性，身穿淺灰色風衣，手拿咖啡杯，走在灑落金色陽光的城市人行道上。鏡頭以跟蹤方式從側面跟隨人物移動，背景的行人和建築物以淺景深模糊呈現。人物步伐自然輕鬆，偶爾望向遠方。整體色調偏暖，光影接近秋日午後的感覺。」

相較於模糊版本，這個指令描述了人物外觀、動作節奏、運鏡方式與色調氣氛，生成結果會更接近廣告或短片的質感。

美食廣告影片指令範例

模糊版本：拍一段pasta的影片

優化後的ai影片指令： 「一盤奶油培根義大利麵放在深色木質餐盤上，上方灑有黑胡椒和帕瑪森起司碎。鏡頭從俯角45度慢慢向下推進至正上方，同時蒸氣從麵條上方緩緩飄散。光源來自右側，形成柔和的側光，讓麵條的光澤感清晰可見。背景為模糊的木質餐桌，整體色調偏暖，風格接近美食雜誌廣告。」

美食影片的關鍵在蒸氣、光澤和鏡頭角度，這個指令把三個細節都交代清楚了。

社群短影片指令範例

模糊版本：一段有氛圍感的咖啡廳影片

優化後的ai影片指令： 「清晨的咖啡廳室內，一張靠窗的木質小桌，桌上有一杯拿鐵和一本翻開的書。窗外有柔和的晨光透入，在桌面形成光影。鏡頭從特寫的咖啡杯緩緩拉遠至半身構圖，呈現整張桌子與窗景。背景有一兩位輪廓模糊的顧客，咖啡廳環境聲不需描述（純影片）。整體色調偏低飽和暖色，風格接近生活系日系短片。」

這個指令適合9:16的直式社群影片，鏡頭從特寫拉遠的方式讓短片有起有落，不會顯得平板。

就算指令寫得很詳細，AI影片生成仍然會出現各種狀況。以下是六種最常見的問題，以及對應的指令修正方向。

畫面幾乎沒有動作

原因：指令裡只描述了靜態畫面，沒有明確說明動作。

修正方向：在指令裡加入動詞和動作細節，並描述動作發生的速度與節奏。例如「主體緩緩移動」改成「主體從畫面左側走向右側，步伐平穩，整段約三秒完成移動」。部分工具支援motion intensity（動態強度）參數，可以同時調高數值。

人物動作變形

原因：AI生成人物動作時對手部、腳部和關節的掌握仍然不穩定，尤其是複雜的手勢或高速動作。

修正方向：避免在指令裡要求複雜的手部動作或多人互動。改用較單純的動作描述，例如「人物轉身面向鏡頭」代替「人物伸手拿起桌上的杯子」。如果一定需要手部特寫，可以考慮只描述物體本身的動作，而不是人手的動作。

運鏡幅度超出預期

原因：「推進」「拉遠」等描述對AI來說幅度是模糊的，它可能生成過大或過快的運鏡。

修正方向：在指令裡加入速度形容詞，例如「極緩慢地推進」「小幅度橫移」「以約兩秒的速度完成拉遠」。也可以同時指定起始和結束的景別，讓AI知道運鏡的起點和終點。

場景突然切換

原因：AI可能把指令裡的多個場景描述解讀成需要切換畫面，而不是同一個連續場景。

修正方向：確認指令裡只有一個場景設定，不要在同一段指令裡描述兩個不同地點。如果影片需要多個場景，請分段生成後再剪接，不要試圖在單一指令裡完成整個敘事。

主體外觀前後不一致

原因：當主體在影片中移動或被不同角度拍攝時，AI可能無法維持外觀的一致性，尤其是人臉和服裝細節。

修正方向：盡量讓主體在影片中只做單一方向的動作，避免讓主體轉向或正面完整入鏡。如果有特定的外觀細節不能改變，在指令結尾加入明確的限制說明，例如「保持人物的紅色外套不變」。

影片沒有停在指定畫面

原因：並非所有AI影片工具都支援指定結束畫面，且指令描述的結束狀態可能與AI的生成邏輯衝突。

修正方向：改用首尾幀生成模式，直接提供結束畫面的圖片，而不是靠文字描述。如果工具不支援首尾幀，可以在指令裡把結束畫面描述放在最前面，有些工具會把第一個描述當作最終狀態。

如果你已經有畫面概念，但不知道怎麼把想法轉成完整的ai影片提示詞，可以使用GenApe的提示詞助手。只需要輸入你的需求描述，GenApe會根據你的用途和風格偏好，自動生成符合AI影片生成工具規格的完整指令，省去逐一補全細節的時間。

除了提示詞生成，GenApe也提供影片指令模板、不同工具的格式參考，以及常見錯誤的修正建議，適合第一次接觸ai影片生成的使用者，也適合需要大量產出影片素材的內容創作者。

想快速寫出有效的ai影片提示詞，直接用工具輔助是最省時的方式。