拍视频提示词怎么写？用AI生成分镜和口播稿
开门见山：拍视频提示词的核心不在一句万能咒语，而在拆成三条指令——分镜表、口播稿、道具清单各来一条，让AI在开拍前把拍不了的镜头提前筛掉。三条指令都有固定槽位，照抄就能用。先从背景说明写起。
拍视频提示词的价值不在辞藻，在开拍前。2026年8月16日我去一家新开的面馆拍探店短视频，全片58秒，前期用AI把分镜、口播、道具三样东西全部过了一遍，现场拍摄加吃饭只用了两小时十分钟。片子发出去之后我更确定一件事：AI最大的用处不是替你拍，是替你把「到了现场才发现拍不了」的镜头提前筛掉。
把拍视频提示词理解成「给AI生视频工具写的那段描述」，是常见的误会。这篇讲的是实拍前的用法：让对话式AI产出分镜表、口播稿、道具清单三份稿子，你打印出来带去现场。我试下来，废片率掉得很快——之前拍探店十条废六条，这套流程跑顺之后基本一条过。
探店短视频开拍前，AI前置工作分三步
前置工作三步走：先给AI一段背景说明，再依次要分镜表初稿、口播稿、道具清单，三份稿子共用同一段背景，镜头之间才对得上。背景说明是我踩坑之后加的。第一版指令没有背景，AI默认我带着稳定器、默认后厨随便进，分镜里全是移动长镜。后来我固定写这段：「58秒竖屏探店视频，主角一人，手机拍摄，普通街边店，走道一米二，后厨免进，结尾要回头客钩子。」别嫌啰嗦，这段话每多一个实地信息，后面的废镜头就少一个。
拍视频提示词第一步：分镜表指令成稿：镜号、景别、时长、画面内容
分镜表指令的关键是把输出格式钉死：五列表格，镜号、景别、时长、画面内容、收音方式，八个镜头，总时长对齐58秒。指令我是这么写的：
「按下面的格式给分镜表：列依次为镜号、景别、时长、画面内容、收音方式。共8个镜头，时长加起来58秒。景别从远景、中景、近景、特写里选，前三个镜头按门口、进店、招牌的顺序铺。画面内容写到动作级，比如『筷子挑起面，热气挡住半张脸』，不许写『展示美食氛围』这类空话。收音只分现场声和后期补录两种。」
第一次跑出来的表，八个镜头里塞了五个特写，挺离谱的。补一句「特写最多三个，中景近景合计不少于四个」，第二次就正常了。指令里的数字要给死，AI很吃这一套。
口播稿指令和道具清单指令，各给一份成稿
口播稿指令要给语速和字数：按每秒四个字折算，58秒的片子口播压在200字上下，每个镜头一到两句，句尾留气口。我的成稿是：
「照分镜表逐镜写口播，每镜一到两句，全篇200字左右，按每秒四个字的语速读。第一句十个字以内，直接进正题。别出现连续三句『这家店』开头，语气像跟朋友说话，不要广告腔。每句末尾标注对应镜号。」
实拍时我用手机秒表掐过，自己正常说话的语速就是每秒3.5到4个字，200字的稿子读出来55秒上下，正好留三秒给现场声。老实讲，口播稿是三份稿子里最省心的一份，AI写得比我顺，尤其第一句的钩子——它给的「这家面馆的辣椒是老板娘自己晒的」，比我自己憋的「今天探一家面馆」强了一个档位。
道具清单指令更简单：「照分镜表逐镜列道具，格式为镜号、道具、用途备注，店里自有的标『店内』，结尾单独汇总一栏『容易忘的』。」8月16日那天清单列了14件，容易忘的一栏里躺着充电宝和备用手机支架，出门前靠它查了两遍。不夸张地说，这份清单是三份输出里我原本最不看重的，结果最救命。
AI分镜和实拍对照：放弃了哪两个镜头
八个AI分镜里有两个现场放弃：「跟拍进店到座位」的移动长镜和「老板甩面入锅」的慢动作特写，前者走道架不开稳定器，后者后厨不让进。对照表挑关键的几行：
| 镜号 | AI分镜写的画面 | 实拍结果 | 取舍 |
|---|---|---|---|
| 1 | 门口远景，行人虚化 | 照拍，站对面等红灯间隙抓了两条 | 保留，性价比最高的一条 |
| 2 | 跟拍进店到座位 | 放弃，走道架不开稳定器 | 改成两个定点中景 |
| 3 | 招牌仰拍 | 照拍，早到十分钟避开人流 | 保留 |
| 5 | 老板甩面入锅慢动作 | 放弃，后厨不让进 | 改拍出餐口递面，现场声很好 |
| 6 | 筷子挑面热气特写 | 照拍，让面静置20秒再挑 | 保留，全片封面就用的它 |
| 8 | 门口回头客钩子 | 照拍 | 保留 |
复盘下来规律就一条：AI不知道你的现场。它默认设备齐全、默认人人配合，放弃的两个镜头全栽在这个信息差上。栽得都不冤。解法也简单，把实地约束塞进背景说明——第二次跑这条流程时我直接写了「走道一米二、后厨免进」，分镜头一回就没出废镜头。走道那一米二是真拿卷尺量的，稳定器侧向展开要一米五，差着三十公分呢。
话说回来，那位店主看完成片，把视频转进了自己的老顾客群，这条到现在还是我探店系列里播放量最高的一条。AI给的钩子句确实帮了忙，可老板娘的辣椒是真晒的，内容有底子，指令才接得住。
拍视频提示词这件事，说到底是开拍前把你的现场约束讲给AI听。8月16日那条面馆视频，八个AI镜头成片六个，两小时十分钟收工，靠的不是指令多花哨，是三份稿子里都塞进了实地信息。下次出门拍摄前，花二十分钟把分镜、口播、道具三张稿子打出来，现场会清闲得不像在干活。
常见问题
拍视频提示词用中文写还是英文写？
中文就够。实拍前置要的是AI按格式吐表格和中文口播，直接用中文下指令最稳，绕英文反而容易带翻译腔。需要琢磨英文的场景是AI文生视频那条路，跟实拍前的这套准备工作不是一回事。
AI排的分镜时长为什么总对不上？
因为它不知道你的语速。别让AI直接编秒数，用口播稿字数倒推：每秒3.5到4个字是我拿秒表掐出来的实际读速，200字对应55秒上下，分镜时长跟着每句口播标注的镜号归拢，误差就能压住。
不是探店题材，这套三条指令还能用吗？
框架通用，改背景说明就行。产品口播把「探店」换成产品名，道具清单里加上产品本体和备用机；纯录屏教程把镜头砍到五个以内，AI分镜的价值主要落在开场钩子和转场上，实拍部分的分镜可以整个砍掉。
提示词里要写设备参数吗？
写「竖屏、手机拍摄」两个词就够。AI默认你设备专业，会给出需要滑轨和稳定器的运镜，写明设备后分镜会收敛很多。画质问题留给实拍现场解决，提示词只管镜头结构。