做短視頻客戶用出了5條文生視頻提示詞，即夢跑出來的畫面沒法看

有個做短視頻的客戶找到我，語氣有點急。

她在抖音上做國學類的內容，手里有一段文案，想用即夢生成短視頻素材。她自己試了好幾次，出來的畫面要么太現代，要么意境完全對不上，剪到視頻里根本不能用。

我看了她的操作記錄，問題一眼就清楚了，問題不在"寫沒寫提示詞"，而在于邏輯層沒建立起來。

她給即夢的提示詞，基本就是把文案原文粘進去，再加幾個形容詞，比如"國風"、"古典"、"水墨"。

這種做法的BUG很明顯。

即夢是文生視頻工具，它識別的是畫面，不是文學意境。你給它一段充滿情緒的散文，它不會自動翻譯成畫面語言。它只會按字面意思，生成一個"模糊的古裝人物站在某處"。

畫面出來，跟文案的情緒完全是兩張皮。

我看了她的文案有9句話，情緒走向是：壓抑→接受→釋然→豁達。

我先幫她把文案按情緒節點拆成5段，每段對應一條短視頻，5到10秒，有完整的起伏。然后我給每條指令加了三個層級的約束。

第一層鎖定畫面風格基底。

不只是說"國風"，而是具體到：水墨暈染質感、主色系赭石和墨黑、古籍卷軸的紙張感。這是整組視頻的視覺統一性。即夢識別色調和質感的能力，遠比識別情緒詞要強得多。

第二層規定畫面動作而不是畫面意象。

很多人寫"表現委屈感"，這對即夢沒用。

我改成：素手輕擦眼角，然后轉古人執竹杖踏青，背景是水墨遠山。

一個動作，一個轉場方向，即夢才知道該生成什么。意象靠畫面動作來承載，不靠情緒詞來堆砌。

第三層鎖定BGM氛圍詞，同步情緒收口。

每條指令結尾，我都加了BGM方向：古箏加流水聲，或者古箏加輕笛，或者純古箏。

這不只是音樂建議。即夢在生成畫面節奏時，會參考氛圍詞來控制鏡頭速度和切換頻率。BGM詞實際上是在控制畫面的呼吸感。

最終我交付的是五條獨立的提示詞，五條提示詞對應五段情緒，剪輯邏輯全打通。

第一條對應"咽下委屈，擦干淚往前走"，用素手擦眼角加竹杖踏青來完成情緒轉折。第二條對應"成長代價是失去原來的樣子"，用空白宣紙漸顯墨痕來呈現。第三條對應"其他都是擦傷"，用天地開闊的遠山加指尖輕劃宣紙來收束。第四條對應"心底的傷寫在眼里是故事"，用古人側影加宣紙映影來做細膩表達。第五條收尾，古人背影立于山水間，木案上墨字漸顯"心有故事，臉無滄桑"。

每一條都有時長、畫面動作、色調基底、BGM方向、以及對應的文案情緒錨點。

五條提示詞依次輸入即夢，逐個生成、下載，按順序剪輯合成，視頻的情緒走向已經內置在指令的排列邏輯里了。