即梦图生视频提示词优化

问题

把静态参考图变成视频时，常见失败不是画面内容缺失，而是提示词把参考图里已经存在的人物、服饰、场景又重复描述一遍，导致模型不知道“接下来发生什么”。尤其在即梦图生视频的 单图生视频、首尾帧、多帧故事、全能参考 等模式下，如果只写“画面很美”“镜头推近”，缺少动作主体、变化过程、静止约束和时长节奏，输出容易出现随机变形、主体漂移、风格跳变。

工作

这个技能把图生视频提示词拆成可执行的增量描述流程。核心是 只描述变化和运动：先确认子模式，再识别哪些元素在动、哪些元素必须保持静止，最后补充运镜逻辑、时长和风格一致性。它要求使用具体动词，例如“头发在微风中飘动”而不是“有风”；对镜头不只写 推镜头，而写“镜头缓缓向前推进，逐渐聚焦面部表情”。对多帧任务，则重点写帧间因果、时间流逝和叙事衔接，而不是把每张图重新描述一遍。

边界

它适合需要把参考图、首尾帧、序列帧或多媒体素材转成视频提示词的场景，不适用于纯文生视频或图生图编辑。注意多帧故事通常支持有限张数，全能参考会受图片、视频、音频数量限制；输出风格仍可能漂移，需要用“保持参考图风格和色调一致”等约束来降低偏差。