圖生視頻出現“鬼畜”動作？即夢圖生視頻提示詞定制，短劇感拉滿

最近一位做短劇內容的客戶找到我，她用即夢做圖生視頻，把靜態分鏡轉成視頻片段，結果每一條出來都像慢動作默片：人物動作飄忽、表情僵硬，本來是激烈對峙的場面，出來的效果像兩個人在夢游。她用的是直接把畫面描述粘進去的通用做法，工具不知道她要的是短劇感，自顧自地生成了一堆“有氣無力”的內容。

圖生視頻和文生圖的邏輯不一樣——靜態圖講的是“畫面里有什么”，視頻講的是“這5秒里發生了什么、怎么發生的”。

如果你把靜態描述直接喂給視頻工具，它只能在這個畫面里微微顫動，制造出一種“活了但沒完全活”的效果。你想要的短劇張力，工具根本感知不到，因為你沒有在指令層面告訴它：速度是什么、力度是什么、每一秒要推進到哪里。

解決這個問題，需要在指令里做兩件事：管住語言，管住節奏。我交付給她的指令，圍繞兩個設計：

第一個設計：強制禁止慢動作語言，建立動詞替換規則。

這是整套指令里最直接有效的一刀。

很多人寫視頻描述的時候會下意識用“慢慢地走過來、緩緩轉過身”這類詞，這些詞輸進去，工具就會生成對應的慢動作效果。短劇的張力全靠節奏，慢動作是短劇的天敵。

我在指令里明確列了一條死規則：嚴禁出現“慢慢地、緩緩、靜止”等詞，必須替換成“猛地、瞬間、快速、突然”這類體現速度和力度的動詞。同時要求所有動作必須是實時速度，像真實拍攝的短劇現場。

這條規則的作用不只是換幾個詞，它實際上是在給工具校準一個基準速度——告訴它這條視頻的底色是什么節奏。

第二個設計：5秒分段動態邏輯，每一秒都要有進展。

這是這套指令的核心框架。

把5秒拆成5個1秒，每一秒都有明確的動作任務：第1秒是起勢，動作要快；第2秒是爆發，幅度最大化；第3秒是交互推進，與環境或他人產生實質接觸；第4秒是情緒高潮或動作轉折；第5秒是余韻，保持動態而不是靜止收尾。

這個邏輯的價值在于，它把“一段模糊的場景描述”變成了“一個可執行的動作時間表”。工具不需要自己猜這5秒該怎么分配，每一秒該發生什么都寫清楚了，出片節奏自然穩。

配合這個框架，我還要求所有情緒描寫必須“去形容詞化”：不寫“他很生氣”，要寫“眉頭緊鎖，鼻翼擴張，咬牙切齒”。情緒必須轉化成可見的視覺動作，工具才能真正把它拍出來。

用了新指令之后，前后對比差距明顯。舊方式輸入的描述是這樣的：憤怒的男人在雨中質問對方，情緒激動。AI工具收到這條描述，不知道速度、不知道節奏、不知道5秒里該發生幾件事，出來的就是一個在雨里站著、偶爾動一下嘴的人物，看起來很“激動”但是沒有落地成任何可見的動作。

新指令生成的分鏡描述是這樣的：

【暴雨對峙，壓迫逼近】0-1s：男人猛然抬起頭，雨水順著臉頰快速滑落，眼神瞬間聚焦前方；1-2s：男人張大嘴巴怒吼，頸部青筋暴起，雙臂猛地張開揮舞；2-3s：男人向前大跨一步，身體劇烈前傾，手指幾乎戳到鏡頭；3-4s：男人胸口劇烈起伏，眼神死死鎖住對方，不眨眼；4-5s：男人咬緊下唇，身體因情緒無法控制地顫抖，雨水在臉上飛濺。

同樣是5秒，前者是一張會喘氣的靜圖，后者是一條有張力、有層次、有短劇感的視頻。

圖生視頻這個工具現在很多短劇團隊都在用，但大多數人卡在“出來的東西沒有短劇感”這一關，反復返工。

根本原因只有一個：提示詞沒有給工具提供節奏信息。速度、力度、每一秒的動作推進邏輯，這些東西不寫進指令，工具只能給你生成一個“安全但無聊”的版本。

如果你也在用即夢或者類似工具做短劇內容，遇到了動作飄、節奏散的問題，不妨先檢查一下你的提示詞有沒有把每一秒的動作任務寫清楚。這個底層邏輯調整好了，出片質量會有明顯變化。