文字转视频 — 用一句话生成 6 秒视频的提示词技巧
视频提示词 vs 图像提示词
视频提示词比图像多了一个关键维度——时间和运动。好的视频提示词需要覆盖五个维度：
| 维度 | 说明 | 示例 |
|---|---|---|
| 主体 | 画面里有什么 | 一只橘猫、一个穿红裙的女人 |
| 动作 | 什么在动、怎么动 | 打滚、走路、挥手 |
| 场景 | 在哪、环境什么样 | 阳光草地、赛博朋克城市 |
| 镜头 | 怎么拍、视角是什么 | 特写、广角、跟拍、慢动作 |
| 风格 | 整体视觉风格 | 电影感、吉卜力动画、VHS 复古 |
基本模板
[主体] + [动作/运动] + [场景/环境] + [镜头/视角] + [风格/质感]实战示例
示例一：自然场景
一只橘色短毛猫在午后阳光下的草地上慢慢打滚，
草丛里有白色小花，蝴蝶飞过，
从正面略低的角度拍摄，近景，60fps 慢动作，
温暖明亮的色调，生活纪录片风格示例二：城市夜景
赛博朋克风格的未来城市街道，霓虹招牌在雨后湿滑的地面反射彩色光，
一辆悬浮自行车从右向左快速飞过，
从高处俯瞰，广角镜头，电影质感，蓝紫色调为主示例三：人物动作
一个穿白色连衣裙的少女站在海边，海风吹起她的长发和裙摆，
她缓慢地转身回头微笑，
从侧面跟拍，中景，黄金时刻的暖金色逆光打在她身上，
日系电影风格，4K示例四：抽象创意
一个发光的水晶球悬浮在黑色空间中央，
缓慢旋转，表面流动着彩色光带，
球周围有细小的金色光点围绕飘动，
居中特写，暗色背景，科幻感，8K 质感示例五：萌系小动画
一只小柴犬坐在榻榻米上，
歪了歪头，然后用爪子挠自己的耳朵，
正面固定镜头，近景，
吉卜力动画风格，明亮柔和的色彩，温馨治愈提升视频质量的技巧
技巧一：描述运动方式
不要只说「运动」，说清楚怎么动：
| 模糊 | 清晰 |
|---|---|
| 在跑 | 轻快地小跑 |
| 在飞 | 缓慢盘旋飞行 |
| 光在动 | 阳光透过树叶打出闪烁的光影斑点 |
| 云在动 | 缓慢漂浮，偶尔遮住太阳让地面光影变化 |
技巧二：指定镜头语言
「特写，只拍脸部表情」「从高到低的俯拍」「跟随主体的跟拍镜头」「固定机位长镜头」「慢动作 60fps」「快速横摇」
技巧三：控制运动强度
Imagine 的运动能力有上限。提示词里运动越多越复杂，效果可能越差。建议：
- 一个主体 + 一个主要动作 + 背景一些小运动 = 效果最好
- 多个主体同时做复杂动作 = 可能出现伪影
技巧四：明确时长和节奏
「6 秒内，开头慢然后逐渐加快」「前 3 秒静态，后 3 秒开始运动」
技巧五：指定宽高比
「宽屏 16:9，适合 YouTube」「竖版 9:16，适合 TikTok/Reels」「方形 1:1，适合 Instagram」
常见问题
Q：视频生成后可以编辑吗？ A：Imagine 本身不支持视频级编辑。但你可以：先让 Grok 生成 Aurora 静态图 → 用 Imagine 动画化 → 下载后用剪映/PR 等编辑器剪辑。
Q：能生成更长的视频吗？ A：当前默认 6 秒。部分版本的 Imagine 支持更长时长，但消耗的额度也成倍增加。多段 6 秒视频可以用外部编辑器拼接。
Q：可以连续生成一系列视频吗？ A：可以。在同一个对话里说「好，基于刚才那个风格，再生成一个：XX 场景」，Grok 会延续之前的风格一致性。