ai模特视频指令怎么写？走路转头微笑的动作描述模板，新手第一次上手就能抄

新手第一大坑：一个镜头塞了五个动作

一条视频指令只保留一个主动作，其余细节全部砍掉，成功率能从两成拉到八成上下，这是最省额度的一刀。

为什么要这么狠？因为视频生成和出图不一样。出图时模特姿势错了你能重抽，视频是一整段在动，动作一多，模型要在几秒里同时算清四肢、脸、发丝的连续变化，算不过来就糊给你看。我2026年9月中旬那批测试里，连出20条5秒视频：老写法（多动作堆一起）的10条废了7条，砍成单动作的10条只废2条。差距就在这一刀上。

有人说那细节不就没了？细节留给画面描述和后期。指令里的动作位，就是留给主动作的。你要是真想加第二个动作，别加在同一条里，分开生成两段再剪，比赌一次成功率划算得多。

走路指令拆三层：方向、步数、速度

走路别只写"自然行走"，按"朝哪个方向+走几步+什么速度"三层来写，例如"向镜头方向慢速走五步，裙摆轻摆"。

方向是说和镜头的关系：朝镜头走、横向走位、还是背对镜头往外走，三种出来的构图完全不同。步数管长度感，"走两步"和"走五步"是两个节奏。速度别写"快"这种字，写"正常步速"或"稍慢"。我实测写"快步走"，十次里三次步频抽搐，腿像踩了缝纫机；改成"正常步速，稍慢"就稳多了。

转弯是另一个大坑。"边走边转身180度"这种写法，我试了6条废了4条。想转身，就单独做一个转身镜头。还有个小发现：我们店那条毛呢外套，横向走位的版本比正面走好看——正面走五步，到第四步左右脸部清晰度就往下掉，横走位因为脸一直偏在画面一侧，反而撑得住全程。

转头和微笑：给角度和程度，不给形容词

转头写角度（转头约60度看向镜头），微笑写程度（嘴角上扬的浅笑），优雅、灵动这类模糊词一律删掉。

你猜怎么着，写"优雅地微笑"，出来的全是抿嘴假笑，看着像憋着什么。写成"嘴角轻微上扬的浅笑"，出片就自然。原因不难理解：模型认程度，不认情绪词，你给它的描述越像参数，它执行得越准。

转头同理，而且是硬数字说话的：转头超过90度（比如经典回眸），我试的10条里6条脸崩，五官在转动到一半时糊掉；压到60度以内，10条里只崩1条。眨眼、挑眉这种微动作，新手阶段先别碰，加上之后废片率肉眼可见地往上走，等你单动作全稳了再说。

顺便提醒一句和指令无关但同样重要的事：如果是拿真人照片当参考生成，请勿用他人照片冒充本人生成，只用自己的授权素材。

一条能直接抄的模板，加三组翻车对照

模板是：人物外观+单一主动作+幅度数字+速度+一个镜头运动。先跑慢速小幅度档，稳了再逐步加细节。

套进例子里就是：穿米色针织衫的女模特站在纯白背景前，向镜头方向正常步速走五步，转头约45度看向镜头，镜头轻微跟随。5秒视频，生成一次大概40秒。同一个模板换服装、换场景就能反复用，比每次从零写省事。

还有个新手常懵的点：一模一样的指令，跑两次结果也不一样，这是生成自带的随机性。别盯着一条反复抽卡，改一个词重跑，比原地重试更可能出好片。

写到最后回头看，新手第一次上手真正要过的关就一个：忍住不堆词。开篇那条四十多字的"豪华指令"，现在让我重写，就剩十几个字，可出片率翻了四倍。指令写得克制，视频才动得自然。先把第一条五秒的视频跑出来，你就知道我说的全是实话。