图生视频提示词公式：首帧到动作的三段写法
把图生视频提示词当成一句话去写，是画面僵住的头号原因。三段公式把首帧、动作、收束拆开，各管各的事，中段那两句就是画面动不动的分水岭。同一张底图、18次删词对照，这篇把每一段到底能不能省都验证了一遍。
图生视频提示词公式说白了就三段：首帧写画面，中段写动作，尾段写节奏。顺序不能乱，段落不能省。我拿同一张咖啡杯底图连做了18次对照，把中段那两句删掉之后，画面当场僵住——杯子不动，热气不飘，镜头也不推，四秒看下来就是一张会轻微抖动的照片。
图生视频提示词公式的三段各管什么
首帧段写画面里已有的东西，中段写主体做什么、镜头怎么走，尾段管节奏和时长，三段拼齐才是一份能让画面动起来的完整指令。拆开看，每一段的职责其实非常清楚。
首帧段最容易犯的错，是把画面重新形容一遍，却漏了「谁在哪」。首帧图本身已经把构图定死了，提示词要做的是用文字把图里的关键元素点名一遍：主体是什么、在什么位置、什么光。这一段写细一点，模型后面动起来才不容易把主体认丢。我习惯用三五个短句交代，控制在四十个字以内。
中段是整套公式的发动机。主体做什么，用动词开头写；镜头怎么走，单独成句，推、拉、摇、跟，一次只给一个动作。写过文生视频的朋友应该有体感：动作和运镜挤在一句话里，模型经常只执行前半个指令，后面那句直接被吞掉。图生视频更挑剔，因为首帧把起点锁死了，你只能告诉它从这张图出发往哪走。
尾段管收束。节奏是快是慢、整段几秒、结尾停在哪，写一句就够。别小看这句，同一个中段动作，加上「结尾回到初始构图，全程匀速」，和什么都不加，出片的完成度差出一截。
如果对首帧怎么描述还没把握，可以配合着看这篇ai图生视频提示词怎么写：让首图动起来的指令写法，那边讲首帧的描述思路，这边讲三段怎么组装。
逐段删词实测：删掉中段，画面就僵在原地
同一张底图分六组测了18次，删掉中段动作句的组全部画面僵住，保留中段的组14次动态明确，中段是三段里唯一不能省的。过程比结论更有意思，展开讲讲。
时间是8月26日晚上，地点就是我家的书桌，主角是一只冒着热气的白瓷马克杯照片。我原本只想验证一个模糊的感觉：图生视频出片时灵时不灵，问题多半出在中段。于是把提示词拆成三段，每次只动一段，其余原样保留，一组跑三次，六组下来正好18条片子。
结果比我预想的干脆。删掉中段的两组，六条片子全部僵住。对，就是僵住，热气不飘，镜头不推，个别条目里杯子还出现了轻微的变形抖动，像信号不好。只删尾段的组，画面会动，可节奏乱，有一条杯子动着动着直接跳了一下，剪辑感很重的突变。完整三段的组最稳，六条里五条能直接用。
| 提示词版本 | 保留内容 | 出片表现（每组3次） | 我的评价 |
|---|---|---|---|
| 完整三段 | 首帧+中段+尾段 | 6条里5条动态自然，节奏稳 | 闭眼用 |
| 删中段 | 首帧+尾段 | 3条全部僵住，近乎静止 | 等于白跑 |
| 删尾段 | 首帧+中段 | 会动但节奏乱，出现过跳帧 | 碰运气 |
| 只留首帧 | 只写画面 | 动态随机，全看模型心情 | 纯抽卡 |
| 只留中段 | 只写动作 | 主体会动，但长得不太像原图 | 偏得厉害 |
| 中段双动作 | 动作塞了两个 | 执行了一半，两条动作打架 | 贪多必翻 |
老实讲，测之前我以为首帧段才是命门，毕竟图都给模型了。测完才发现反了：首帧描述缺失，模型会自己从图里猜元素，猜错顶多主体漂移一点；中段缺失，模型干脆不知道要动，直接给你一张四秒的静图。顺便说一句，那晚测完我还顺手用剩下的一次额度生成了一条猫打哈欠的，纯属好奇，结果也印证同一件事——没有中段动作句，猫的下巴就停在半路。
可照抄的三段模板和改词顺序
模板按「首帧点名元素，中段一个动词加一个运镜，尾段定节奏定秒数」来填，改词先改动词，再改运镜，最后动尾段，改一处跑一次。下面直接给能套的版本。
还用那只马克杯举例，方括号换成你自己的内容：
[首帧] 画面里是一只白瓷马克杯，放在木桌左侧，杯口有热气，暖色晨光从右边打进来。
[中段] 热气缓慢升腾变淡；镜头缓慢向右平移，始终对准杯子。
[尾段] 全程匀速，时长四秒，结尾停在与首帧相同的构图。
三个注意。动作动词一次只给一个，想要热气飘再加镜头动，分两句写，别挤在一起。运镜幅度用「缓慢」「轻微」这类限定词收着，写猛了模型容易一口气把镜头甩完，后面两秒没东西可动。尾段的秒数按平台上限留点余量，我一般写四秒，实际生成四到五秒都接得住。
改词顺序也固定：出片僵住，先加重中段动词；动作太猛，先收运镜副词；都不行再回头改首帧描述。一次只改一处，改完就跑，别连改三处，不然你永远不知道是哪一处起了作用。这套分项调试的笨办法，跟文生视频里镜头、动作、时长拆开调的思路是一脉相承的，图生视频只是多了一个被锁死的首帧而已。
回到开头那只马克杯。18次对照跑完，它现在能稳稳冒出四秒热气，而几天前它还是一张僵图。三段公式不神秘，它只是逼你把「让画面动起来」这个模糊愿望拆成三句各司其职的话。首帧管住起点，中段给出方向，尾段收住节奏。中段尤其别省，画面僵住的情况，九成是它被删掉了。
常见问题
三段公式对所有图生视频工具都适用吗？
主流图生视频工具都吃这一套，差别只在尾段。有的平台不单独设时长参数，靠尾段那句秒数提示来控制；有的有独立时长选项，尾段就可以只写节奏和收尾构图。结构通用，细节按平台微调。
首帧图质量差，提示词能补救吗？
能救一部分。首帧段把构图和光线描述得越明确，模型纠偏的空间越大，但模糊、元素混乱的底图依然容易翻车。实测里最稳的出片，底图本身就是清晰的静物照，提示词只是顺着图写，不是逆着图改。
中段动作写两三个会怎样？
我的对照里专门有一组中段塞了双动作，结果是动作打架：模型通常只执行前一个，后一个被吞掉，偶尔两条动作各做一半互相干扰。想要画面丰富，宁可拉长单个动作的持续描写，也别并列两个动词。
提示词写中文还是英文？
写你改起来最顺手的语言。国内工具中英都认，海外工具英文命中率略高一点，但这个差距远没有三段结构本身带来的差距大。先把结构写对，再考虑换语言，顺序别反。