# 视频提示词写作技能（MiniMax H3 实战沉淀）

> 面向其他 Agent 的共享版。全部来自实战踩坑，一条一条都是被用户打回后总结出来的。
> 场景：AI 视频生成（文戏对白 / 数字人对口型 / 武戏动作 / 多参考图角色一致性）

---

## 一、总纲：提示词不是许愿池

**四条底层认知**，先记住，再看细节：

1. **模型只认「可见的东西」**
   写「他很愤怒」没用，写「眉头下压、下颌绷紧、眼神盯着镜头」才有用。
   写「衣着完整」这种笼统禁令没用，写「上衣照 <Picture 3>，不增不减」才有用。

2. **负面词要写具体，不要写抽象**
   ✗ 禁止不当内容
   ✓ 禁止给炮塔添加履带、车轮、悬挂或载具底盘——底部只有贴地的圆形转盘底座

3. **提示词有自己的「副作用」**
   你写进去的每一句，模型都会当成要执行的内容。写「不许乱说台词」→ 模型可能真的开始讲些奇怪的话。
   元指令（指挥模型怎么执行）要少，能靠画面描述替代就替代。

4. **身份一致性靠参考图，不靠文字**
   五官、服装、配件的形状，用文字描述永远描述不完、也描述不准。正确做法是给参考图，然后写「严格照 <Picture N>，不增不减」。

---

## 二、提示词的骨架（实测最稳的结构）

```
[Shot 1]
<场景一句：地点 + 光线>

<主体第一段：谁 + 在哪 + 什么景别 + 朝向>
<主体第二段：造型细节，逐件点名照 Picture N>
<道具/环境：照 Picture N>

<动作序列：一句话一个动作，按时间顺序>
<镜头运动：固定 / 推 / 拉 / 摇 / 环绕，写明方向和幅度>

<背景补充：一两句>
<口型与声音关系>

S1: <台词原文>

<结尾动作：说完之后干什么——必须给，否则模型自己编>

【强制声明（硬性）】
<逐项列出必须照参考图的东西，每项都写「不增不减、不改不换」>

【禁止项】
<具体列出不许出现的东西>
```

### 为什么必须有「结尾动作」

模型不会自己收尾。台词念完如果没有指定动作，它会：
- 自己续编台词（抢跑）
- 开始无意义的声音
- 画面僵住

正确做法：**结尾安排一个具体动作**，比写十条「禁止继续说话」都管用。

```
最后一句说完，人物转过身面向身旁的炮塔，迈步朝炮塔走过去，右手同时抬起指向炮塔。
```

---

## 三、主体描述：大特征，不写零件

这是最反直觉的一条。

**错的写法**（写太细反而崩）：
> 戴着一副锈蚀的金属面罩，面罩下缘垂着一排向下竖立的条状金属尖齿，面罩左右两侧各有一段水平伸出的波纹圆管，面罩表面有十二颗铆钉……

**模型会把每一处细节当成新的绘图指令重画**，最后拼出一个你没要的东西。

**对的写法**：
> 人物戴兜帽、下脸有金属面罩、眼睛发红光。造型严格照 <Picture 1>，不做任何改动。

规则：
- **人物只写大特征**：兜帽 / 面罩 / 红眼 / 服装色调
- **具体形状交给参考图**
- 用户的原图就是原图，**不许自己裁切/拼接后当参考图用**（会引入原图没有的变形）

> 例外：当模型反复画错某个结构时（比如总把面罩画成整脸金属），可以在【禁止项】里精确描述错误形态来压制：禁止把上半张脸金属化、禁止遮住眉毛和眼睛、禁止整张脸变成纯金属面具。

---

## 四、参考图的分工写法

多图参考时，**每张图必须写清它管什么、不管什么**，否则模型会混用。

```
<Picture 1> = 戴面罩时的头部（管脸部造型，不管构图）
<Picture 2> = 摘掉面罩后的纯脸（管露脸造型）
<Picture 3> = 戴面罩全身（管服装、兜帽）
<Picture 4> = 无面罩全身
<Picture 5> = 武器多角度（管道具造型）
```

三条硬规矩：

1. **身份指向图不描述五官**
   如果 Picture 1 就是那张脸，就别再写「她有一双大眼睛、高鼻梁、薄嘴唇」—— 写了反而会和参考图打架。
   只写「造型严格照 <Picture 1>」。

2. **构图依据图要单独声明**
   如果某张图决定机位、人物大小、画面布局，明说：
   > 第二张图是本段的开场镜头依据，构图、机位、人物大小以此为准；其余图只提供造型，不决定构图、不增加画面里的人。

3. **防止重复画人**
   多张单人图一起喂，模型容易画成两三个人。必须写：
   > 画面里始终只有 3 个人，不多不少。
   > 第四张图只作脸型、发型、服装造型参考，不作为构图依据，不增加画面里的人。

---

## 五、口型与声音

### 说话场景

```
说话时嘴部的开口随音节开合，口型与语速对齐。
S1: <台词原文>
```

### 唱歌场景（要求更硬）

加一段**硬性条款**：
```
人声只在嘴张开时发出，嘴唇闭合时无人声；
起止与音频同帧；下颌随音节开合。
```
并在台词段前补：`嘴唇张开、口型与语速对齐`。

### 闭嘴场景（必须写死）

```
全程嘴唇闭合，不张开发声，只有身体律动。
```
最好再加禁止项：`禁止张口、禁止发出人声`。

> **实测坑**：如果音频里明明有人在唱，提示词却写「闭嘴别唱」，两边打架，口型一定对不上。**提示词要跟音频真相一致**。

---

## 六、动作描写：部位 + 力度 + 幅度 + 频率

模糊动作词（「自然地动作」「轻轻地走」）等于没写。

**正确格式：部位 + 力度 + 幅度 + 频率**

```
身体随节奏左右摇摆，肩部有规律的上下起伏，重心在两脚间转移，
每四拍做一次脚步移动，幅度不大，眼睛持续看向镜头。
```

**人物僵住的典型症状与解法**：

| 症状 | 解法 |
|---|---|
| 站着像木头 | 逐句写死双手手势 + 原地左右踱步三四步 |
| 画面太死 | 加中景缓慢轻摇（跟拍感） |
| 手部飘 | 写手部锚点（握麦、扶车灯、手垂在身侧不动） |
| 表情乱加 | 禁止项写死（禁止瞪眼、禁止张嘴） |

**手部锚点**（防脸崩、防手糊的关键）：
```
右手握着立式麦克风架，左手自然垂在身侧，全程只有右手碰面罩。
```

---

## 七、镜头运动：一句话一个动作

```
镜头固定不动，不推不拉不摇，景别始终是中景，腰部以上入画，人物大小不变。
```
或
```
镜头以恒定距离从左侧向右侧缓慢弧线移动约三十度，景别保持中景，不做推拉。
```

**注意**：
- 一次只写一种运动（要么环绕要么横移，别写「一边环绕一边推近」）
- 多段拼接时，上一段的运动方向要能接上下一段（接力运镜）
- 别指望文字能压住所有参数 —— 俯仰角、头身比这类是模型的隐性先验，压不动的

---

## 八、防抢跑 / 防线话

模型会：
- 在开头抢念一个字
- 在台词后自己续编

**两个实用技巧**：

1. **台词开头加「总起句」托住**
   ```
   S1: 各位好，我是神秘的小烧姬，欢迎来到遗迹档案馆。今天这件东西，有点来头。
   ```
   开头「各位好」这种低信息量的问候，比直接进核心内容更稳。

2. **不要写死时间线**
   ✗ 念到第 8 秒结束
   ✗ 台词必须刚好 15 秒
   ✓ 台词写够字数（约每字 0.25~0.3 秒），让模型自己填满

> **实测坑**：写「必须一字不差」「不许停顿」「禁止无意义人声」这类元指令，可能触发模型异常（乱码人声、整句复述、中游火星语）。**这些元指令要删，改用画面描述和结尾动作来控制。**

---

## 九、篇幅与参数

| 项目 | 建议 |
|---|---|
| 台词字数 | 15 秒约 55~65 字；10 秒约 35~40 字 |
| 提示词长度 | 800~1500 字（中英混写可行） |
| 一次只改一个变量 | 换分辨率时不要同时改提示词，否则出问题分不清原因 |
| 参数不做擅改 | 步数、分辨率、seed：用户界面里是多少就是多少 |

---

## 十、出片验收（别只看「跑完了」）

**画面四项必查**：
- [ ] 人物造型与参考图一致（脸型、服装、配件，逐项对）
- [ ] 画面人数正确（不多不少）
- [ ] 道具结构正确（有没有多出参考图没有的东西，比如履带、底盘）
- [ ] 没有文字水印、字幕、UI

**动作项检查**：
- [ ] 动作真的做了吗（不是模型自己发挥的另一个动作）
- [ ] 口型与台词对得上吗

**验收方式**：
- 抽帧只能做辅助，**判断动效要看完整视频**
- 片段要拉到完整分镜长度（10~15 秒）再判，别用 3 秒微样当交付

---

## 十一、提示词 vs 简报（别混）

| | 简报 | 提示词 |
|---|---|---|
| 给谁看 | 给人（自己/助手）看的规划文档 | 给模型看的执行指令 |
| 内容 | 这段要讲什么、怎么拍、注意事项 | 画面描述、动作、台词、禁止项 |
| 语言 | 中文随意 | 中文（H3 可用），结构固定 |
| 长度 | 可以长 | 要精炼，越具体越好但别堆砌 |

有些插件有独立的「简报栏」和「提示词栏」，**别把简报贴进提示词栏**。

---

## 十二、一句话总结

> **画面描述靠具体，身份一致靠参考图，动作靠部位+力度，收尾靠动作，防崩靠禁止项，验证靠看片。**

---

## 附：适用环境

- 模型：MiniMax H3（文生视频 / 图生视频 / 参考图生视频 / 数字人对口型）
- 工作流：ComfyUI（详见同目录《ComfyUI直连提交方法》）
- 实战量：约 15 段成片 + 数十次失败迭代