要精准匹配讲解意图，需用“镜头+主体+动作+氛围”四要素结构化提示词，并针对知识类视频做左右/上下分区、图生视频只描述动态变化、多图序列命名加统一运镜指令。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
想让智谱清言生成的视频画面精准匹配你的讲解意图，却常出现主体模糊、镜头乱动、动画错位或节奏脱节？问题往往出在描述词没结构化、没锚定关键帧、没约束空间分区。
用「镜头+主体+动作+氛围」四要素写提示词
这是最基础也最容易踩坑的写法。缺一不可，漏掉任意一项，模型就可能自由发挥——比如你只写“智能手表显示心率”，它可能生成一只戴表的手、也可能生成悬浮在空中的表盘、甚至加进无关人物。
第一步：明确镜头类型。写“微距俯拍”比“好看一点”有效，“第一视角缓慢步入”比“走进去”更能控制运镜逻辑。
第二步：锁定产品或人物主体。必须带物理属性，如“银色无线耳机平置于黑色绒布上”，而非“一个耳机”。【主体未带材质/背景/朝向等约束时，模型默认补全，极易失真】
第三步：指定交互动作。不能只说“展示功能”，要写“右耳塞轻微弹出半毫米并亮起呼吸灯蓝光”，动作幅度、触发部位、视觉反馈都要具象。
第四步：定义环境氛围。不是形容词堆砌，而是可渲染的元素：“背景虚化中浮现蓝牙连接成功图标与电量满格动画”，图标位置、动效类型、出现时机都已隐含。
知识类视频必须做左右/上下分区提示
如果你做的是知识博主讲解+动画演示类视频，但总发现人嘴在动、动画却卡在错误时间点，说明提示词没强制划分视觉区域。
方法一：用分隔符硬性切区。例如：“左侧三分之二画面：戴眼镜女性口播，手势自然指向右侧；【分隔线为垂直细白光带】；右侧三分之一画面：神经元结构图突触连接点随讲解节奏逐个亮起”。
方法二：禁用干扰词。删掉“全身镜头”“自由运镜”“镜头环绕”这类词，显式加上“固定构图”“无镜头平移”“左右分区比例2:1”。
方法三：风格配合分区。选“卡通3D”而非“电影感光影”，避免阴影跨区投射破坏边界清晰度。
图生视频中动作指令要“只动该动的”
上传一张产品白底图后，别再写“展示产品外观”这种无效指令——图里已有外观，AI只会胡乱添加光影或畸变。
正确做法是：只描述动态变化部分。例如原图是静止耳机，你就写：“耳机表面反光随角度变化流动，右耳塞弹出0.5毫米，呼吸灯蓝光每秒脉动一次”。
错误示范：“耳机很酷，有科技感，旁边加个Slogan”。这会让AI强行在图上叠加文字、改背景、扭曲透视——【上传图生视频时，所有静态信息都应由原图承载，提示词仅负责‘动’的部分】。
多图序列需命名+统一运镜指令
当你用3张图展示水杯从空杯→注水→温度显示的过程，系统必须知道哪张先哪张后，否则会打乱逻辑顺序。
① 图片命名必须含数字前缀：01_空杯.jpg、02_注水.jpg、03_温度显示.jpg。不按顺序上传或命名混乱，AI将随机排序。
② 所有图片共用一条运镜指令：“固定机位，每张图停留1.2秒，镜头微距推进至杯盖传感器区域，转场用光学溶解”。
③ 禁用“镜头拉远”“切换角度”等跨图运镜词——多图序列不支持帧间镜头跳变，强行写会导致首尾帧撕裂或中间卡顿。
