AB
AiBoss
チュートリアル

GenFlow

チュートリアル

用 GenFlow 把一张图写成可复用的图生视频提示词

图生视频的提示词不该重复描述画面,而要交代首帧之后发生什么:镜头怎么动、画面里什么在动、节奏如何、哪些细节必须保持不变。本文用四字段结构拆解 GenFlow 的图生视频提示词写法,给出源图判断表、三份可直接套用的镜头简报、逐项对照的验收表,以及把提示词连同素材与设置一起存档的复用流程。

图生视频的难点不在模型,而在提示词写错了对象。源图已经把构图、主体、风格都定下来了,提示词再去描述「一个探险者站在外星山谷里」是浪费额度;真正需要交代的是首帧之后发生了什么:镜头往哪走、画面里什么在动、动得多快、哪些东西必须原样保留。GenFlow 的图生视频入口把源图、提示词、运动说明和模型选择放在同一条生成路径上,适合需要反复产出同一套视觉素材的人——电商主图、角色短片、插画动效这类工作。如果你只是想先看看这个工具长什么样,可以从 GenFlow 的工具页进入,再回来对照本文的写法。

下面这套方法的核心是把一句模糊的「做得电影感一点」拆成四个可检查的字段,再用一张验收表逐项比对输出。它不承诺任何模型一定能保住文字或人脸,但能让每次失败都定位到具体是哪个字段没写对。

准备工作

开始写提示词之前,先把三样东西准备好,缺一样都会让后面的迭代变成盲猜。

  • 一张确定的源图。同一支片子只用一个首帧,不要一边改提示词一边换图,否则无法判断是提示词的问题还是素材的问题。
  • 对源图的成分判断。看清画面里有没有可读文字、logo、紧裁的人脸、扁平插画线条、明确的前中后景分层。这一步决定你第一版该用多大胆的运动。
  • 一个可存档的位置。提示词、模型与设置、时长与画幅、输出文件、评审记录要放在一起。只存一句提示词,过两周就没人知道它当初配的是哪张图、哪个模型。

账号与额度方面,各套餐的可用模型、生成时长上限和计费方式会调整,具体以官网当前信息为准。本文不涉及任何具体价格或配额数字,因为这些信息变动频繁,照抄旧数据只会误导排期。

操作步骤

第一步:用四字段结构写镜头简报

把提示词固定成四个字段,顺序不要乱:

  1. 镜头行为(Camera behavior):视角做什么。前进、横移、上升、锁定不动。
  2. 场景运动(Scene motion):画框内什么在动。尘土、布料、云、雾气、主体的手势或呼吸。
  3. 节奏与氛围(Pace or atmosphere):运动在时间上是什么感觉。缓慢、克制、匀速、渐快、有节律。
  4. 连续性规则(Continuity rule):什么必须保持可辨认或位置不变。

写成一行镜头简报,模板是:

[镜头行为]. [场景运动]. [节奏与氛围]. [连续性规则].

这个结构是组织工具,不是跨模型的保证。不同模型对提示词的理解方式、可调参数、时长和输出行为都不一样,四字段能帮你把需求说清楚,但不能替你验证模型是否做得到。

一个可以直接对照的例子,是探险者站在外星山谷里的源图,配的镜头简报是:

Slow forward dolly, wind-blown dust, subtle parallax, preserve the explorer.

句子很短,但每个短语都承担一个独立的生产职责:

提示词成分生产职责可观察的验收问题
Slow forward dolly镜头行为与节奏视角是稳定前进,而不是横摇或环绕?
wind-blown dust环境运动尘土在动,但没有抢走主体地位?
subtle parallax景深行为运动过程中前景与背景是轻微分离,而不是整体平移?
preserve the explorer连续性规则探险者仍然可辨认,构图位置稳定?

这样标注之后,结果好不好判断就变得具体了。「做得电影感一点」没有任何验收标准,而镜头、环境、景深、连续性四个字段能让你指出到底是哪一条没满足。

第二步:在三种基础运动里选一个

常见的三条运动路径是推近(Dolly in)、向左环绕(Orbit left)和揭示天空(Reveal sky)。它们不是可以随意互换的装饰,各自要求源图提供不同的信息:

  • 推近依赖纵深,靠前进运动把观众带进画面。
  • 环绕要求横向视角变化和视差,源图得有可分离的前后景。
  • 揭示天空把注意力从主体移向更大的环境,源图上方必须有可展开的空间。

选之前先看源图能不能支撑。一张上方被裁掉的紧构图,写「reveal sky」只会让模型去编造不存在的内容。

第三步:按源图成分决定第一版运动的胆量

下面这张判断表用来决定第一次测试该冒多大风险。它是诊断起点,不是模型排名,也不代表某个运动一定能成功。

源图内容脆弱信息第一版应避免首个镜头简报可观察的验收信号低风险退路
带可读标签的产品图字形、logo 平面、包装几何绕到产品背后、大幅透视变化锁定镜头;让一道高光或背景雾气移动;保留标签与轮廓标签平面、轮廓、裁切保持稳定,只有点名的次要元素在动单独给背景做动画,产品在剪辑里合成
背景很少的紧裁人像人脸身份、发际线、裁切边界大幅环绕、需要露出未见肩颈几何的揭示锁定或极慢的前进镜头;一个很小的视线或呼吸动作;保留身份与裁切脸仍可辨认,没有新肢体,裁切没有突然扩张只做光照、头发或背景的运动
前后景分层清晰的人像或物体主体轮廓、相对景深同时叠加多个镜头方向一次缓慢推近或横移;轻微环境运动;保留锚点主体前后景按指定方向分离,锚点没有漂移缩短运动距离或锁定镜头
主体上方有大片空景的宽幅风景地平线、主体比例、视觉风格第一版就同时做快速推进和强烈主体动作轻柔上摇;云或大气缓慢移动;主体保持静止注意力上移,同时地平线与主体比例仍然协调只动云和雾,不改构图
扁平插画、海报或界面线条、字体、版式网格环绕、深度视差、任何要求隐藏几何的运动锁定镜头;克制的纹理、光或粒子运动;保留文字与版式线条、文字、对齐不变,只有点名的效果在动先手动分层再动画

最后一列值得单独强调:有些失败不是提示词措辞问题,而是制作方法问题。如果镜头需要精确文字、需要产品背面、需要源图里根本不存在的几何,加再多形容词也解决不了,得换方法。

第四步:确定视觉锚点

先问自己:这段片子最不能丢的是什么。可能是一个人、产品轮廓、标签、服装、插画风格,或者整体构图。把答案写成连续性规则。

探险者那个例子里锚点是明写的:preserve the explorer。换成产品图,连续性规则可能写成包装几何、logo 平面,或者产品在画框中的相对位置。注意,模型能不能真的保住这些细节,必须在输出里验证,提示词本身给不了保证。

第五步:确认源图有可用的纵深

推近或横向环绕在有前景、主体、背景三层可见的画面里更容易评估。扁平图形、紧裁、文字密集的版式则应该配更克制的运动。这是一条选片经验,不是对某个模型的承诺,目的是让请求的视角变化与源图实际拥有的信息量相匹配。

第六步:只选一个主运动

挑一个承担镜头的运动:前进推近、横向环绕、向上揭示、主体手势,或者环境运动。第一次测试要容易诊断。你可以加辅助运动——尘土、布料、雾气、反光——但要明确标成次要。输出没达到要求时,这个主次划分能告诉你该改镜头行为、场景运动还是连续性规则。

第七步:让节奏可观察

用「缓慢」「克制」「匀速」「渐快」「有节律」这类词,评审才有东西可对照。第一版里不要塞互相矛盾的时序指令,比如同时要求「快速推进」和「缓慢氛围」。

第八步:生成后逐字段比对

生成完不要凭感觉判断,填一张期望与实际的对照表:

字段期望实际观察决定
镜头指定的方向与节奏视角实际做了什么接受,或修改镜头指令
场景运动一个主运动加可选次要运动什么在动、动得多强删除或澄清互相竞争的运动
连续性点名的视觉锚点身份、形状、文字、构图有无漂移降低镜头野心,或更换制作方法
结尾预期的最终构图或循环行为片子实际在哪里结束调整时长,或定义更清楚的结束状态

这张表不诊断模型内部机制,它只是把修改动作绑回最初的需求。尽量一次只改一个失败字段,并且把被拒版本和通过版本都留下来,让决策过程可追溯。

一个完整示例

下面用三份按四字段法新写的镜头简报走一遍完整流程。它们是未经测试的起始简报,不构成对输出的保证。

示例一:带可读标签的产品

Locked camera. A narrow highlight moves slowly across the bottle while faint background haze drifts. Preserve the printed label, bottle silhouette, and final framing.

这份简报为什么保守:镜头固定不动,环境运动保持次要,连续性规则点名了产品的脆弱细节。验收时只看三件事——标签平面有没有变形、瓶身轮廓有没有走样、最终裁切有没有变化。如果高光移动导致标签被「重绘」,说明这个源图不适合做任何镜头运动,直接走退路:背景单独动,产品在剪辑里合成。

示例二:有背景纵深的人像

Slow forward camera move. The subject breathes naturally and shifts their gaze slightly toward the light. Background curtains move gently. Preserve facial identity and the original crop.

这份简报要分开评审四件事:镜头方向对不对、视线变化幅度是否过大、背景运动是否抢戏、人脸是否保持连续。四项里通常只有一项会失败,改那一项即可,不要因为脸崩了就同时把镜头和背景全改掉——那样下一轮你仍然不知道问题出在哪。

示例三:宽幅插画场景

Gentle upward reveal from the character toward the sky. Clouds drift slowly while the character remains still. Preserve the original linework, flat colors, typography, and layout.

这份简报风险更高,因为镜头要求模型揭示初始焦点之外的信息。复用之前先确认新增的视野与源图风格是否兼容——插画的线条粗细、平涂色块、字体版式一旦被模型「补全」,往往就回不去了。

把示例变成可复用的配方

一句提示词离开它的源图条件就不再是工作流。要存档的是整份配方:

  • 源图与构图说明
  • 提示词版本号
  • 所选模型与可用设置
  • 时长与画幅比例
  • 预期的镜头、场景运动与连续性行为
  • 评审观察记录
  • 通过的输出与被拒的变体

GenFlow 把源素材、提示词、运动说明、模型选择和评审上下文放在生成路径附近,并提供可复用的输入槽与模板,方便后续适配。这个能力的边界要说清楚:它不等于「任何提示词都能原样迁移」。团队把它当作可复用配方之前,必须换一张兼容的源图再测一次。

有边界的迭代循环

  1. 选一张源图,点名它的视觉锚点。
  2. 写一个主运动、可选的辅助运动、节奏和连续性规则。
  3. 用选定的模型与设置生成第一版。
  4. 填写期望与实际对照表。
  5. 只修改一个失败字段。
  6. 把源图、提示词、设置、输出和评审一起存档。
  7. 换一张兼容源图再测一次这份配方。

如果第二张源图需要完全不同的运动方案,就把第一份结果保留为单镜头配方,不要把它包装成一套可推广的系列方案。这个判断能省掉很多无效的复用尝试。

注意事项

以下限制属于工作流的一部分,它们告诉你什么时候该简化镜头、换源图、使用模型专属控制,或者把精确的品牌细节留到后期剪辑处理。

  • 提示词只能请求连续性,不能保证连续性。精确的身份、文字、物理规律和隐藏几何都不在保证范围内。
  • 适合一种构图的运动,换一张图可能就不合适。不要因为某个运动在 A 图上成功,就默认它在 B 图上也能用。
  • 模型专属控制、提示词理解方式、时长和输出行为各不相同。换模型等于换一套变量,需要重新验证。
  • 精确的 logo 或字体通常需要保守镜头,或在剪辑阶段修正。指望模型逐帧还原字形是不现实的。
  • 锁定镜头能减少变量,但不等于保住细节。源图含脆弱文字、logo、精确包装几何、紧裁人像或扁平图形时,第一版优先用锁定镜头,但批准前仍要逐帧检查输出。
  • 连续性规则不能保证文字可读或身份不变。它只是把要求写清楚,让评审有据可依。

关于模型成功率,本文不做任何比较,因为没有做过受控的生成基准测试。同样,可用模型、时长上限、画幅选项和计费方式都会变化,排期前请以官网当前信息为准。