模特ai视频指令怎么写才听话？动作句式、镜头词与无效指令替换实测

模特ai视频指令写得越具体越死板，出片成功率反而越高——这是我9月接了4支女装短视频单之后最直接的感受。9月26日那一单，客户要12段5秒的试穿素材，我头一晚凭感觉写的指令12段里只过了3段，剩下全是转身转到一半断掉、镜头莫名其妙晃两下的废片。把指令按“一镜一动作”重写重跑，一次过8段，剩4段只改幅度词也过了，当晚交片。

这篇不聊工具好坏，只拆指令本身：动作描述的句式怎么搭，镜头语言词挑哪几个真管用，哪些写法看着专业、模型其实根本不认。建议你先扫一遍文中两张表，再回头对着自己的提示词库逐条改，改动量比你想象的小。

一条指令只写一个动作，幅度和速度要落到看得见的描述

动作描述句式就用“谁+单一动作+幅度+关键部位”，一条指令40到80字只写一个动作，写两个以上模型会自行取舍。展开说，就是主语、动作、节奏、身体部位四样各占一截，别的都可删。

举个我一直在用的写法：「女模特原地向左转身半圈，转身耗时约两秒，裙摆随动作扬起，双手自然垂在身侧」。主语一个、动作一个，转身给了时间量，还点名裙摆这个部位。视频模型对“耗时约两秒”的响应，比“优雅地转身”稳定得多，我拿同一张首帧图试过，前者转身节奏基本每把都对，后者快慢全看运气。

两拍动作怎么办？比如先转身、再抬眼看镜头。别指望一条指令写“先转身随后抬手”，多数工具会只执行前半段，或者把两拍搅在一起。我的做法是拆成两段5秒素材，剪辑时接上，接缝用相近构图遮过去。对了插一句，转身类动作记得写清角度，“半圈”“四分之一圈”比“转个身”稳，模糊的角度词模型经常自由发挥。舞蹈类动作的幅度怎么压，我单独记过一篇AI模特舞蹈秀动作调试实录：首帧姿态、幅度控制与成片节奏的修法，首帧姿态的调法都在里面。

镜头语言词挑三五个够用，堆“电影感”反而乱

景别加运镜的组合最稳，比如“中景固定机位”“近景缓慢推近”，一段素材配一处镜头词，“电影感”这类词模型基本不认。你给它的镜头指令越短越具体，它越不乱切。

我自己的组合是“中景固定机位”打底，需要强调细节那一段才换“近景缓慢推近”。9月这4支片子，固定机位段的一次过率接近九成，环绕镜头最费，10段废4段，全是背景转到变形。你刚上手的话，先把“固定机位加单一动作”跑顺，再逐步加运镜，一上来就环绕加推近，返工能把你熬到半夜。

景别词单独说：全景交代身材比例，中景看穿着状态，近景锁面料和配饰细节。一段素材只定一个景别，指令里景别前后打架，模型会自己切镜头，成片节奏就散了。

这些无效指令我全踩过，替换写法照着抄

无效指令的通病是形容词空、否定句多、动作堆叠，替换思路是形容词换成可见的画面描述，否定句改成正向要求。改完之后，同一段素材的重跑次数能从五六次降到一两次。

我踩得最深的就是否定句那行。之前写“手部不要有奇怪动作”，手指掰得比不写还夸张，换成“双手自然垂落，手指放松并拢”，一把就过。视频模型对“不”字的处理普遍拉胯，你写什么它避开不了什么，干脆直接告诉它该做什么。

另外说下时长这事。多数工具单段上限5到10秒，指令里的动作量要按上限倒推，5秒素材写一个半动作顶天了。我按“一秒一个信息点”估：转身半圈算两个信息点，再加撩头发就是三个，超了，砍掉一个。

回到开头那单，12段素材的过段数从3段变成8段，当晚十一点前交片，客户一条修改都没提。指令这事没有玄学，动作写死、镜头写少、无效词逐个替换，三步做完出片率自然上来。今晚就翻出自己最近废掉的那几段，对着两张表改一遍重跑，比重新抽卡十次都省时间。

常见问题

一条模特ai视频指令写多少字合适？

40到80字，超过100字模型开始忽略后半段的内容。宁可拆成两条短指令分两段素材，也别硬塞一条长的。

指令需要写英文吗？

主流工具对中文指令的理解都没问题，动作描述直接写中文就行。个别运镜词中文不生效时，可以换成 push in、orbit 这类英文词再试，我大概十段里碰到一次这种情况。

首帧图和指令怎么分工？

首帧管外观，长相、服装、起始景别都靠图；指令只管动作和镜头。别在指令里重复描述长相，重复描述反而会把脸改得不像。

动作对了但速度不对，要整条重写吗？

不用。只改速度那半句，比如“耗时约两秒”改成“耗时约四秒”，其余原样保留，改动越小，结果越接近上一把。

转场要写进指令里吗？

不建议。转场交给剪辑软件做，写进指令十有八九会打乱动作本身，我用硬切加音效遮，观感反而干净。

延伸阅读

• ai模特写真提示词怎么写才不崩？指令细节与118张实测复盘
• ai走模特秀工具横评：四款软件做走秀图和走秀视频，我各跑了一轮实测