I Wanna Love You AI 提示词指南（文本转视频）
I Wanna Love You AI 团队文本转视频的提示词怎么写：模型需要知道什么、什么该删掉，以及真的会改变结果的示例方向。
图片模式不需要提示词：动作内置。文本模式需要。这篇讲第二种模式，以及图片模式里那句可选的额外方向。
短版本：按主体、场景、动作的顺序描述，然后停。提示词是方向，不是剧本。
模型实际读到什么
模型收到的是一条合并后的提示词。文本模式是你的方向加上一段固定前缀，要求 12 秒、竖屏、一镜到底、不要文字和 Logo。图片模式是趋势提示词加上你的额外方向（如果写了）。
这意味着几件事：
- 不用重复“竖屏”“12 秒”，前缀已经写了。
- 不要要求字幕、标题或 Logo，前缀禁止了。
- 如果附了参考图，你的话会和它对冲。和照片矛盾的指令（不同发型、不同衣服）会产生妥协或瑕疵。
三段式结构
有用的提示词有三段：
- 主体。 画面里是谁、是什么。
- 场景。 在哪、什么时间、什么光。
- 动作。 这十二秒里什么在变。
例子：
一个穿黑外套的年轻女性站在黄昏的天台，背后是城市灯光，镜头缓慢推近，她转头看向镜头并微笑。
够了。主体、地点、光线、一个动作。
什么该删掉
- 相机品牌和镜头型号。 “ARRI 拍摄”不会改变输出，只会占字数。
- 成段的负面提示。 系统已经排除文字、字幕和 Logo。一长串“不要这个不要那个”通常只会让模型更困惑。
- 多个镜头切换。 生成是一镜到底。“然后切到……”不会生效。
- 歌词或受版权保护的角色名。 可能触发内容检查，而且它们不描述动作。
- 没有视觉锚点的空泛词。 “电影感”可以；“要惊艳”不是方向。
图片模式里的额外方向
图片模式里，你的方向会追加到趋势提示词后面。用它做小调整：
- “暖一点的光，像黄金时刻。”
- “保留照片里的衣服，不要换西装。”
- “后仰慢一点，挥手前多停一下坏笑。”
不要试图替换整套动作。想要完全不同的场景，用文本模式。
为什么短一点经常更好
十二秒的容量有限。五个动作的提示词会让每个动作都没落地；一个清晰动作的提示词会让视频读得懂。
视觉细节也一样：一个强场景胜过四个竞争场景。“夜晚霓虹街机厅”比“霓虹街机厅、海滩、森林和卧室”更好。
可以改写的示例
不同场景的宠物版
一只戴红色 bandana 的小狗坐在阳光下的滑板上，镜头绕着它缓慢移动，它转头跟随镜头。
时尚感片段
一个穿长外套的人夜里走过雨后的街道，霓虹倒映在地面，镜头以步行速度向后跟拍。
安静人像
傍晚窗边的近景人像，柔光，人物从书上抬头，直视镜头。
这些不是趋势提示词，是结构的例子：主体、场景、动作。
便宜地测试
文本模式比图片模式变化更大，因为没有参考图锚定外观。先用 480p 测。构图成立，再 720p 渲染发布。给一个没测过的提示词直接买 1080p，是最常见的浪费积分方式。
失败会自动退分，所以内容拒绝或上游故障不会让你损失这次渲染。但“成功渲染了但你不喜欢”是一次已付费的结果，这就是便宜测试的意义。
提示词的诚实边界
提示词不能在没有参考图的情况下保证一张特定的脸，不能保证可读文字、精确手位或某个具体舞步。它能定场景、氛围和大动作，剩下的由模型填。
需要特定的人，用图片模式；需要特定的场景，用文本模式并接受模型会解释；两者都要，就附一张照片当首帧，再描述周围场景。