AI 视频“导演模式”怎么用

我一看到“Directing Mode（导演模式）”这几个字，就知道这功能靠谱。

原因很简单：大多数人做 AI 视频翻车，不是模型不行，是你给的指令像“随便拍拍”。你没当导演，AI 就只能瞎发挥。

我自己平时也爱用这套写法。它不玄学，甚至有点“啰嗦”，但成片就是更像人拍的。😄

导演模式到底在干嘛？

一句话：把你的画面拆成“可执行的拍摄指令”。

你不用写文艺散文。

你要写的是：

• 镜头在哪（机位）
• 镜头怎么动（运动方式）
• 画面里谁在干嘛（角色动作）
• 环境长啥样（场景道具）
• 光是什么味儿（光线与色彩）
• 画面多久切一次（节奏与时长）

把这些说清楚，AI 的发挥空间就会变得“可控”。

适合用导演模式的 3 个场景

1）你想要“稳定的人物动作”

比如：转身、抬手、走向镜头、拿起杯子。

2）你想要“更像广告/电影的镜头感”

比如：推镜、环绕、拉焦、慢动作。

3）你想要“同一风格的一组视频”

比如：同一套产品短片 5 条，色调、机位、节奏要统一。

一套能直接抄的导演模式提示词模板

你可以把它当成“分镜头口述稿”。

导演模式模板（通用）

[主体/演员]：谁，长什么样，穿什么
[动作]：做什么动作，动作节奏（慢/快/停顿）
[场景]：地点，道具，背景发生什么
[机位]：近景/中景/远景，视角（平视/俯拍/仰拍）
[镜头运动]：推/拉/摇/移/跟拍/环绕，速度
[镜头参数]：焦段/景深/虚化（可选）
[光线与色彩]：柔光/硬光，主色调，氛围
[风格]：写实/胶片/赛博/日系清新…
[时长与节奏]：持续几秒，是否需要镜头切换
[约束/不要]：不变形、不多手、不抖动、不跳帧…

你会发现，写完这几个块，提示词就“像人话了”。AI 也更容易听懂。

3 条可直接复制的示例（拿去就能跑）

示例 1：产品广告感（桌面咖啡）

主体：一只透明玻璃杯，杯壁有冷凝水珠
动作：一只手把冰块倒入杯中，动作干净利落
场景：木质桌面，旁边放一袋咖啡豆和磨豆机，背景虚化
机位：近景特写，镜头略微俯拍
镜头运动：慢慢推近，稳定
镜头参数：浅景深，背景奶油虚化
光线与色彩：窗边自然柔光，暖色调，干净
风格：写实广告片质感
时长：5 秒
不要：杯子形变、手指数量异常、镜头抖动、物体突然跳动

适用：做电商视频、品牌短片、餐饮店菜单屏。

示例 2：vlog 过场 B-roll（街头走路）

主体：一个短发女生，白色衬衫+牛仔裤，背帆布包
动作：从画面左侧走到右侧，边走边整理头发
场景：傍晚街头，霓虹灯刚亮起，有行人掠过
机位：中景平视
镜头运动：跟拍，轻微手持感但不抖
光线与色彩：黄昏蓝调+霓虹点缀，轻微胶片颗粒
风格：日系生活感，真实
时长：6 秒
不要：脸崩、四肢拉伸、步态抽搐、背景重影

适用：你做 vlog，需要那种“看起来很会拍”的过场镜头。

示例 3：电影感镜头（人物回头）

主体：一位穿黑色风衣的男人，站在雨后的巷子里
动作：停顿一秒，缓慢回头看向镜头，眼神克制
场景：地面反光，远处有路灯和薄雾
机位：中近景，略微仰拍
镜头运动：缓慢推近，轻微拉焦到眼睛
光线与色彩：冷色调，背光轮廓光明显
风格：电影感、写实、低饱和
时长：5 秒
不要：表情突变、脸部漂移、雨滴方向乱飞

适用：做剧情短片、MV、氛围片。

写导演模式提示词的“手感”：5 个关键点

1）镜头运动别贪多

一条视频里写“推近+环绕+摇镜+拉焦”，AI 很容易摆烂。

想稳，就只留一个主运动：推近 / 跟拍 / 环绕，选一个。

2）动作要具体，别写“自然地做点什么”

“自然”对你很自然，对 AI 等于开盲盒。

改成：

• “抬手把杯子放到桌面中央”
• “转身后停顿 0.5 秒再看向镜头”

3）把“不要什么”写出来

这条太重要了。

常用约束可以直接抄：

• 不要多手指、不要额外肢体
• 不要脸部漂移、不要五官扭曲
• 不要镜头抖动、不要跳帧
• 不要物体突然出现/消失

4）风格词少而准

“高级、质感、大片、史诗级”这种词没啥帮助。

换成可落地的：

• 胶片颗粒
• 低饱和
• 逆光轮廓光
• 浅景深

5）别把故事写太大

你想要的是“5 秒能讲明白的一件事”。

5 秒里让角色经历“出门—打车—进公司—开会—升职”，你觉得 AI 顶得住吗？

避坑清单：这几种写法最容易翻车

• 只写氛围： “治愈、温柔、文艺、电影感” —— 画面会飘。

• 镜头指令互相打架： “固定机位 + 跟拍移动” —— AI 直接懵。

• 角色描述太少： 不说发型、服装、年龄段，人物会变来变去。

• 一次塞 10 个主体： 人越多越容易崩。想要群像，分镜头做。

我平时的实战工作流（省时间版）

你照这个顺序写，效率很高：

1. 用一句话定“这条镜头要干嘛”（例如：回头看镜头）
2. 补齐主体（外观、衣服、道具）
3. 写动作（动词要明确，节奏要写）
4. 再写镜头（机位 + 运动只留一个重点）
5. 加光线色调（2～3 个词就够）
6. 写“不要什么”（把常见崩坏堵上）

写完以后，你会明显感觉：生成结果更接近你脑子里的画面。

小练习：用导演模式拍一条“能拿去当封面”的镜头

题目给你：“咖啡馆里有人抬头一笑”。

要求：

• 5 秒
• 中近景
• 一个镜头运动
• 写出光线色调
• 写出至少 3 条不要

你写完这条提示词，再去生成，同样的模型，效果会比“随便写一句话”好很多。

如果你愿意，把你写的提示词贴出来，我可以帮你把镜头语言再拧紧一点。