一条10秒的竖屏视频，提示词被拆成了十个维度来写。作者冰茶饼干（@sinvlo233）公开的这份结构化提示词，用于AI视频模型Muse生成苏州园林风格的新中式写真，从人物五官一直写到负面约束。

人物设定是整份提示词里最细的一层：五官、发型、妆容、服饰、首饰逐项描述，并单独提出一致性要求。场景落在苏州园林的月洞门，前景安排一棵玉兰树，用来交代空间层次。

光影定的是春日午后的奶白低饱和调子。机位按竖屏一镜到底设计，运动路径为静止、缓推、定格三段。分镜动作拆成四段脚本：风动、回眸、接花瓣说台词、微笑收尾。

音频部分设计了三轨：人声、古筝竹笛乐、环境音。技术参数写明9:16画幅、10秒时长、30fps帧率，风格参数指向新中式写真。

负面提示词专门针对三类常见失效：换脸、穿模、硬切。作者还附了实战用法建议，包括首帧裁剪、接花瓣动作的兜底方案，以及去掉台词后的变体写法。

整套提示词的思路是把一条视频拆成可分别约束的层：人物、场景、光影、机位、动作、音频、参数、负面项。层数越多，模型可发挥的自由度越小，一致性越容易守住。