把提示词和“350 万”放在一起，放在两年前很难让人理解。但一套足够完整的提示词如果能驱动 AI 生成一部长片电影，它的价值就不再是“几行文字”，而是一套可复用的生产流程。公开报道里提到的全球首部全 AI 生成电影长片，外界的目光大多落在“AI 能不能拍电影”上，而对真正动手做 AI 视频的人来说，更值得研究的是那份被开源出来的提示词文档到底长什么样。这篇文章从这件事切入，拆解电影级 AI 生成流程里提示词的实际作用和分层方式，给出可以直接参考的场景、角色、运镜和负面提示词模板，并说明如何像管理软件项目一样管理提示词，以及开源之后会遇到的结构、版本、许可以和协作问题。
1. 先把“350 万提示词”这件事拆开看：它到底值在哪里
1.1 一个电影级提示词文档包含的不只是“描述画面”
先说一个容易踩的误区：很多人以为电影级提示词就是一段特别长的英文句子，把“赛博朋克、电影感、8K、细节丰富”堆到一起就完了。如果只是这样，那它不可能值那么多钱，也不值得开源。
一套真正能支撑长片制作的提示词，本质上是一个结构化创作说明书。它要回答的不只是“画面里有什么”，还包括：
- 这个故事发生在什么时间、什么地点，视觉基调是什么。
- 主要角色长什么样，服装、发型、语气、行为习惯如何保持稳定。
- 每个场景用什么样的景别、光线、色彩和构图。
- 镜头是固定还是运动，运动速度是多快，带不带景深变化。
- 画面情绪如何匹配配乐、音效和旁白。
- 哪些内容要明确禁止出现，防止生成结果跑偏。
所以，所谓“350 万提示词”，更准确的理解是一整套经过大量迭代后沉淀下来的提示词资产，而不是一句魔法咒语。它的价值来自试错成本：多少次生成结果不可用，多少次角色不统一，多少次风格漂移，最终才形成一套稳定可复用的文本模板。开源的价值也在这里，别人拿到后不需要重新踩一遍同样的坑，可以直接在基础上做二次创作。
1.2 提示词在 AI 电影流程中的分层结构
在实际项目里，提示词不会只出现在“文生图”这一个环节。整个 AI 电影长片流程可以粗略分成文本、图像、视频、音频和后期五层，每一层需要解决的问题不同，提示词的写法也不同。
| 层级 | 核心职责 | 提示词重点 |
|---|---|---|
| 世界观层 | 确定时代、地点、氛围、视觉基调 | 时间背景、地理环境、天气、整体色彩倾向 |
| 角色层 | 保持人物外观和行为一致 | 外貌、身材、服装、发型、神态、口头禅 |
| 场景层 | 确定单张画面的构图和内容 | 景别、主体位置、光线方向、环境细节、道具 |
| 镜头层 | 确定画面运动和节奏 | 推、拉、摇、移、跟，速度，镜头焦距，景深 |
| 音频层 | 匹配音乐、音效、旁白情绪 | 配乐风格、乐器、节奏、情绪关键词 |
| 质量层 | 统一画质与排除错误内容 | 分辨率、镜头类型、负面词、风格参考词 |
理解这个分层之后，再去看网上流传的电影提示词，就不会觉得它们只是“写得长”。每一段提示词都在对应某一层的具体问题。写提示词之前，先搞清楚当前这一步要解决哪一层的问题，否则很容易出现“画面很好看但角色前后不像同一个人”“单张图很精致但拼不成连续镜头”这类问题。
2. 理解 AI 电影长片的生成链路，才知道提示词写在哪里
2.1 从剧本到分镜：文本层的提示词
AI 电影长片的第一步不是生成视频，而是把剧本拆成分镜表。一部长片可能有上千个镜头，如果直接拿整段剧本去生成视频，模型根本处理不了这么长的上下文，也很难保证连续性。
常见的做法是先用大语言模型把剧本按场景切分，再按镜头拆分。每个镜头需要包含：镜头编号、场景地点、时间、人物、动作、对话、景别、运镜、情绪。这一步已经是在写提示词，只不过对象是大语言模型。
下面是一个最小分镜表结构，实际项目中可以按这个思路扩展成 JSON，方便后续每个镜头单独取用：
{ "film": "示例短片", "shots": [ { "shot_id": 1, "scene": "旧城区的深夜街道", "time": "night", "characters": ["主角"], "action": "主角从巷口走出，抬头看霓虹灯", "dialogue": "", "camera": "中景，缓慢后拉", "mood": "孤独、压抑", "duration_seconds": 4 }, { "shot_id": 2, "scene": "旧城区的深夜街道", "time": "night", "characters": ["主角"], "action": "主角停下脚步，低头看手机屏幕", "dialogue": "“又没信号了。”", "camera": "近景，固定镜头", "mood": "焦虑、迟疑", "duration_seconds": 3 } ] }这一步的关键在于：分镜表要尽量把“动作”和“情绪”写清楚，因为后续文生图、图生视频的提示词都要从这里提取素材。如果分镜表里写的是“主角走着”，生成时大概率会得到一个不知道在干什么的画面；如果写的是“主角从巷口走出，抬头看霓虹灯”，提示词就能直接转译成画面描述。
2.2 从分镜到画面：文生图阶段的提示词
拿到分镜表之后，通常不会直接文生视频，而是先生成关键帧图片。原因是图生视频比文生视频更容易控制构图和角色，先确定“这一帧长什么样”，再让模型补出运动过程。
文生图阶段的提示词需要把分镜表中的场景、角色、动作、光线、景别翻译成图像模型能理解的描述。一个实用的写法是“主体 + 场景 + 动作 + 光线 + 构图 + 风格 + 质量词”的顺序结构，避免信息堆在一起。
一个穿深色长风衣的年轻男性，站在旧城区霓虹灯下的巷口，抬头看向上方红色招牌，雨天，地面有积水反光，中景构图，主体位于画面左侧三分之一处，赛博朋克风格，冷蓝色调，电影感光影，细节丰富，8K 画质这段提示词里，每个部分都有明确作用：“穿深色长风衣的年轻男性”锁定主体；“旧城区巷口、雨天、霓虹灯、积水反光”锁定场景；“抬头看向上方红色招牌”锁定动作；“中景、左侧三分之一”锁定构图；“赛博朋克、冷蓝色调、电影感”锁定风格。这种写法比“一个男人下雨天在巷子里看灯”可控性强很多，生成结果的随机性会明显降低。
2.3 从图片到视频：图生视频与运动提示词
关键帧图片生成之后，进入图生视频阶段。图生视频的提示词通常不需要像文生图那样详细描述画面内容，重点是描述“发生了什么运动”和“镜头怎么动”。
运动提示词的常见写法是：主体动作 + 镜头运动 + 运动强度 + 持续时间。例如：
主角缓慢抬头，目光从地面移到霓虹灯，镜头从近景缓慢后拉，雨滴持续下落，整体运动速度偏慢，保持画面构图稳定这里要注意，很多视频模型对“运动幅度”非常敏感。运动描述必须和模型能力匹配：如果模型支持 5 秒生成，运动描述就不要写成“快速奔跑穿过整条街”，因为模型在 5 秒内很难生成完整且合理的运动轨迹。先写“缓慢”“轻微”“逐渐”这类低强度运动词，跑通之后再逐步增加幅度，是更稳妥的做法。
2.4 从画面到声音与剪辑：后期环节的提示词
画面生成完成后，长片还需要配音、配乐、音效和字幕。这一步也会用到提示词，只是很多做 AI 视频的人容易忽略。
旁白和角色配音可以使用语音合成模型，提示词主要描述文本内容、说话人音色和情绪。配乐部分可以用音乐生成模型，提示词需要描述风格、乐器、节奏和情绪变化。例如：
低沉的钢琴与电子氛围音，每分钟 60 拍，情绪从孤独逐渐转向坚定，适合城市夜景独白场景剪辑环节也可以用 AI 工具辅助排布镜头顺序、选择转场和匹配节奏。这类工具的提示词往往不是自然语言，而是时间轴上的结构和参数，但设计思路和提示词是一致的：明确输入素材、目标时长、节奏强度和输出格式。
如果不想自己拼装整条流程，也可以先参考 GitHub 上开源的 AI 创作项目。例如开源的 my_ai_town 项目（仓库地址为 https://github.com/mewamew/my_ai_town），它把 AI 角色放置在一个小型虚拟城镇里运行，适合研究 AI Agent 如何被提示词驱动、角色设定如何写入项目文件。这类项目的思路和电影制作里的“角色一致性设定”是相通的，角色卡、人格描述、行为规则本质上都是提示词的工程化表达。下载运行前先看 README 里的环境要求，确认 Python 版本和依赖安装方式，再按项目说明启动。
3. 一套可以直接参考的电影级提示词模板
这里给出的是通用模板，实际项目需要结合自己的故事、角色和风格替换占位符。所有示例都以中文说明为主，便于理解结构；部署到具体模型时，可以按模型擅长的语言习惯进行翻译或调整。
3.1 场景描述提示词模板
场景描述提示词最适合用“填空式”结构，把稳定信息和可变信息分开。稳定信息是每个镜头都要保持一致的风格基底，可变信息是当前镜头的具体内容。
[风格基底]：赛博朋克电影风格，冷蓝与紫红主色调，高对比度，胶片颗粒感，电影感光影 [场景主体]：旧城区深夜街道，潮湿路面，霓虹灯招牌，电线杆上贴满旧海报 [当前焦点]：主角站在红色招牌下方，仰头看灯，雨水顺着嘴角流下 [景别构图]：中景，主体偏左，右侧保留环境纵深 [光照]：暖红色招牌光从左上方向下打，背景远处有冷蓝色路灯 [画质]：细节丰富，清晰面部，8K，专业电影截图这种模板的好处是，当你需要批量生成同一场景的不同镜头时，只需要修改“当前焦点”和“景别构图”两个字段，其他部分保持不变，这样场景风格就能保持统一。对比一下“每次重新写一整段”，这种写法明显更利于控制一致性。
3.2 角色一致性提示词模板
角色一致性是 AI 电影长片里最难解决的问题之一。同一个角色在镜头 1 和镜头 50 里长得不像，整部片子就失控了。
单靠文字保持角色一致性是非常困难的。建议采用“文字基线 + 参考图 + 固定种子”的组合方案。文字部分只写最稳定的特征，不写容易变化的细节：
角色名：林夏 性别：男，年龄约 28 岁 脸型：偏瘦，下颌线清晰 发型：黑色短发，左侧有一缕挑染银色 眼睛：深棕色 服装：深灰色长风衣，黑色高领毛衣 配饰：右手戴一块旧机械表 画风：写实电影风格，面部光线自然这里的关键是：不要在一次提示词里写“戴眼镜”，下次又不写；不要在这次写“穿黑色外套”，下次换成“穿棕色外套”。角色的服装、发型、配饰都要建立一份“角色设定卡”，作为所有镜头提示词的公共前置文本。生成图片时，最好同时带上角色设定卡对应的参考图，并固定生成种子，这样一致性会好很多。
注意：角色一致性不能只靠文字描述。长片项目里一定要同时维护“角色设定卡 + 参考图 + 固定种子”三个要素，缺失任何一个，跨镜头一致性都很难稳定。
3.3 运镜与节奏提示词模板
运镜提示词要解决的是“画面怎么动”。不同运镜方式对应不同的画面语言：
镜头运动：从近景缓慢后拉，逐渐露出完整街景 运动速度：缓慢，约 3 秒内完成 画面重心：始终保持在主角身体位置 景深：前实后虚，背景霓虹灯形成光斑 输出要求：画面稳定，无明显扭曲，主体轮廓清晰表格式对照更直观：
| 运镜类型 | 中文提示词参考 | 适用场景 |
|---|---|---|
| 推镜头 | 镜头从远景缓慢推进至主角脸部 | 强调角色情绪转变 |
| 拉镜头 | 从近景缓慢拉远，露出更大环境 | 揭示故事空间关系 |
| 横移 | 镜头从左向右平移，跟随主角行走 | 展现连续环境动作 |
| 摇镜头 | 镜头原地旋转，扫过城市天际线 | 建立场景氛围 |
| 跟随 | 镜头跟随主体运动，保持相对距离 | 动作戏、追逐戏 |
运镜提示词越简单越好。一次生成里塞入“推、拉、摇、移”多个运动，模型大概率会输出扭曲画面。一次专注一个运动，是更稳妥的策略。
3.4 负面提示词与质量参数
负面提示词的作用是告诉模型“不要生成哪些内容”，它能明显降低坏图率。电影级制作里，负面提示词通常包含以下几类：
| 负面词类别 | 示例 | 作用 |
|---|---|---|
| 画面质量类 | blurry, distorted, lowres, jpeg artifacts, watermark | 避免模糊和低清结果 |
| 人体结构类 | extra fingers, bad hands, deformed face, crossed eyes | 避免肢体畸形 |
| 内容污染类 | text, sign, logo, subtitles, timestamp | 避免画面出现无关文字 |
| 风格漂移类 | cartoon, anime, 3d render, painting | 避免偏离写实电影风格 |
| 运动异常类 | morphing, warping, flickering | 减少视频画面扭曲闪烁 |
不同模型的负面提示词支持程度不一样。有的模型支持“负面提示词”独立字段，有的模型只支持在正向提示词里写“不使用某风格”。使用前先确认模型的参数文档，不要想当然。
质量参数方面，最常见的包括分辨率、步数、采样器、种子、CFG 强度。以常见文生图模型为例，可以按这个初值开始调：
| 参数 | 常见初始值 | 说明 |
|---|---|---|
| 分辨率 | 1280x720 或按模型要求 | 电影长片建议直接按 16:9 出图 |
| 采样步数 | 25 到 30 | 太低细节不足，太高提升有限 |
| CFG | 5 到 7 | 越大越贴近提示词，但容易过饱和 |
| 种子 | 固定值 | 需要复现或批量生成时务必固定 |
| 负面提示词 | 按类别组合 | 减少结构错误和文字污染 |
这里要特别提醒：参数不是越高越好。CFG 过高会出现颜色溢出、主体僵硬；步数过高只是增加等待时间。建议建立一张“参数试验记录表”，每次改一个参数，记录结果差异，再决定最终方案。
4. 把提示词当作工程产物来管理：版本、结构与开源
4.1 提示词文档的标准结构
一部长片的提示词可能涉及上百个文件，如果不管理，很快就会乱。和代码项目一样，提示词项目也要有清晰目录结构。
film_prompts/ ├── README.md ├── LICENSE ├── changelog.md ├── config/ │ ├── base_params.json │ └── model_settings.json ├── characters/ │ ├── lin_xia.md │ └── supporting_role.md ├── scenes/ │ ├── scene_01_night_street.md │ └── scene_02_interior_room.md ├── shots/ │ ├── shot_001.json │ └── shot_002.json ├── templates/ │ ├── scene_template.md │ ├── character_template.md │ └── camera_template.md └── negative/ └── common_negative.txtREADME.md 说明项目用途、适用模型、依赖环境、使用流程。characters 目录放角色设定卡，scenes 目录放场景设定，shots 目录放每个镜头的完整提示词 JSON，templates 目录放可复用模板，negative 目录放通用负面词。changelog.md 记录每次版本迭代改了什么，这一点尤其重要，因为提示词迭代非常频繁，没有变更记录就不知道“上一版为什么有效”。
4.2 GitHub 上开源提示词项目的基本规范
那些被开源出来的提示词项目，和普通代码项目一样，通常要遵守几个基本规范：命名清晰、结构完整、注释到位、版本可回溯。
本地建立一个提示词仓库可以直接用 Git 管理：
git init film_prompts cd film_prompts git add . git commit -m "init: establish film prompt project structure" git tag v0.1.0后面每次修改提示词，都像改代码一样提交变更。生成效果有回归时，可以用git diff对比前后差异，快速定位是哪一段提示词导致风格漂移。
如果要把项目发布到 GitHub，README 至少应该包含这些内容：
- 项目用途和适用模型。
- 目录结构与每个目录的说明。
- 使用提示词的完整流程。
- 模型、参数版本依赖。
- 示例输入与示例输出。
- 开源许可证说明。
- 如何参与贡献和维护者联系方式。
开源的关键不是“把文件传上去”，而是让其他人拿走后能快速理解、运行和复用。很多提示词项目下载量高但收藏价值低，原因往往就是 README 写得太简略。
4.3 开源许可与使用边界
提示词是否受版权保护、能不能被别人直接商用，在法律上还存在争议，不同国家和地区观点不一致。但在开源项目实践层面，还是应该明确选择许可证，避免后续使用者和贡献者产生分歧。
| 许可证 | 允许商用 | 需要附带版权声明 | 修改后必须开源 | 典型适用场景 |
|---|---|---|---|---|
| MIT | 是 | 是 | 否 | 希望被广泛使用 |
| Apache-2.0 | 是 | 是 | 否 | 需要专利保护条款 |
| GPL-3.0 | 是 | 是 | 是 | 要求修改后继续开源 |
| CC BY-NC | 非商用 | 是 | 否 | 只允许学习研究 |
如果你只是想在个人项目里参考别人的提示词，建议先看仓库的 LICENSE 文件，再判断能否使用、能否商用、修改后是否要开源。如果是把提示词项目发布出去，尽量在第一天就放好 LICENSE，避免后续“作品被转载后才发现许可不清晰”的麻烦。
注意：提示词的版权保护在不同地区仍有争议。发布开源提示词项目时，先选好许可证并写在 README 里，既是对使用者的交代，也能让后续维护有明确边界。
在实际场景里，GitHub 上还经常能看到 AI 相关开源项目自带角色卡、行为规则和运行配置，例如前面提到的 my_ai_town 就属于这类项目。这类项目不仅提示词有趣，更重要的是它们的配置方式展示了如何把提示词从“一次性文本”变成“可复用配置”，这是值得认真阅读的部分。下载和运行前先确认 README 里的环境要求、依赖版本和许可证，再考虑是否用于自己的创作。
5. AI 电影制作中常见的提示词问题与排查路径
5.1 角色脸不统一
现象：不同镜头生成的主角看起来不是同一个人，脸型、发型、服装变化较大。
可能原因：每个镜头都重新写了角色描述，且描述不一致；没有使用参考图；生成种子不固定；角色描述里的特征词过多且相互冲突。
排查顺序：先确认所有镜头是否使用同一份角色设定卡，再确认是否都带了同一张参考图，再确认生成参数里的种子是否固定。如果都没有问题，再检查角色卡里的特征描述是否稳定，例如“黑色短发”和“深棕色头发”同时出现就会互相干扰。
处理方式：统一角色设定卡，删掉多余的可变细节；每个镜头生成时都带上参考图；固定种子；生成后建立“角色档案图”，每批次抽帧对比一次。
这类问题从提示词层面解决最有效。
