让AI生成一段视频，画面里一个人物情绪崩溃。你写提示词"She's devastated"，AI给出的画面大概率是一个面无表情的人站在那里。它认识这个词，但不理解这个词对应什么样的身体动作。

这不是模型能力不够，是提示词的写法出了问题。视频生成模型对情绪形容词的处理方式，和对动作动词的处理方式完全不同。前者需要模型"翻译"成视觉语言，后者本身就是视觉语言。

打开网易新闻 查看精彩图片

形容词是给AI出难题

"Devastated"这个词，人类看到会联想到肩膀塌陷、双手掩面、身体微微前倾。但AI视频模型接收到的只是一个情绪标签，它没有一套从情绪到动作的映射表。

结果就是模型只能从训练数据里找最接近的视觉模式，通常是一个中性站姿。它没有做错什么，只是你给的信息不够它执行。

把情绪词换成动作描述，情况会完全不同。不写"她很崩溃"，写"她双手捂住脸，肩膀向前塌，膝盖微屈"。模型拿到的是可以直接渲染的指令，不是需要二次解读的抽象概念。

动作线写法的核心逻辑

所谓动作线，就是把每一个需要AI表现的瞬间，拆解成身体部位的具体位移。这套方法在动画行业和分镜脚本里已经用了很多年，现在被搬到了AI视频提示词里。

具体操作上，有几个原则：

  • 用动词替代形容词——"崩溃"换成"捂脸、塌肩、屈膝"
  • 指定身体部位——不说"她很紧张"，说"手指反复搓动，脚尖点地"
  • 给出动作幅度——"微微前倾"和"整个人趴下去"是两种不同的画面
  • 控制动作数量——一个镜头里塞三个以上动作，模型容易顾此失彼

这套写法的好处是，它把AI视频生成从"猜谜"变成了"执行"。你给的动作越具体，模型需要自己发挥的空间就越小，出片结果和预期的偏差也就越小。

为什么这件事值得认真对待

AI视频工具正在快速进入广告、短片、社交媒体内容的生产流程。但大多数使用者的提示词写法还停留在"描述一个场景"的阶段，而不是"描述一组动作"。

这个差距直接体现在出片效率上。用形容词写提示词的人，往往要生成十几版才能挑出一个能用的。用动作线写法的人，可能两三版就能定稿。

差别不在于谁更懂AI，在于谁更懂怎么把人类语言翻译成机器能执行的指令。视频生成模型本质上是一个视觉执行引擎，它需要的是可操作的参数，不是需要意会的情绪。

把"她崩溃了"改写成"她双手掩面，肩膀前塌，身体缓缓下沉"，AI才能真的拍出你要的那个镜头。这不是提示词技巧的问题，是沟通方式的问题——你在跟一个没有生活经验的执行者说话，得把话说得足够具体。