要生成一段真正可用的城市漫步第一人称视频——那种真正有“人在走路”的沉浸感，而不是随机抖动的无效镜头——关键就在于提示词怎么写。掌握AI视频生成工具（如Pika）的第一人称提示词策略，才能打造出具有“边走边看”真实体验的沉浸式街景内容。
先说结论：核心提示词“first-person POV walking”是Pika识别第一人称视角的必须指令。缺少这个关键词，系统默认采用第三人称构图，输出的画面会像无人机悬浮跟拍，完全失去“自己走在街上”的临场感。
核心结构：五要素锁定第一视角逻辑
第一步，开头直接写入“first-person POV walking”。这是整段提示词的脊梁骨，告诉模型采用第一人称，而非第三人称上帝视角。
第二步，紧接着补充具体地标与材质细节。例如“along narrow cobblestone alley in Kyoto, wooden shop fronts with red lanterns, moss on stone walls”——把颜色、质感、光线都描述清楚。如果只写“in a Japanese city”，模型会自由发挥，结果大概率是悬浮视角加镜头漂移。
第三步，加入动态光照与时间锚点。例如“late afternoon golden light casting long shadows, dust particles visible in air”——这一步强制模型启用体积光计算。若遗漏时间或光影描述，输出常出现平光静帧，失去黄昏的生动氛围。
第四步，指定运镜参数。用英文短语嵌入“slight handheld sway, steady pace, eye-level height, no jump cuts”。其中“eye-level height”是分水岭——不写这句，Pika默认从1.5米以上俯角生成，彻底失去第一视角的沉浸感。
第五步，结尾追加技术后缀。格式固定为“--ar 9:16 --s 700 --style raw”。--ar 9:16适配手机竖屏，--s 700提升街道材质与光影还原度，--style raw关闭自动美化滤镜，保留砖石肌理和行人模糊拖影等真实动态细节。这三个参数缺一不可。
可直接复制的三组提示词（已实测通过）
方法一：京都小巷漫步
first-person POV walking along narrow cobblestone alley in Kyoto, wooden shop fronts with red lanterns, moss on stone walls, late afternoon golden light casting long shadows, dust particles visible in air, slight handheld sway, steady pace, eye-level height, no jump cuts --ar 9:16 --s 700 --style raw
方法二：柏林街头雨天
first-person POV walking on wet asphalt street in Berlin at night, neon signs reflecting on puddles, people passing by in blurred motion, rain streaks on lens, shallow depth of field, steady breathing rhythm implied, eye-level height --ar 9:16 --s 750 --style raw
方法三：里斯本彩色台阶
first-person POV climbing steep tiled staircase in Lisbon, azulejo blue-and-white tiles glowing under overcast daylight, iron balcony details to left, distant ocean glint on right, natural stride cadence, no camera shake, eye-level height --ar 9:16 --s 650 --style raw
避坑要点：两个硬性条件
第一，必须用英文输入。中文提示词会直接报错或返回空帧。所有标点只保留英文逗号、空格和短横线；顿号、引号、冒号等符号会导致解析中断。
第二，若要上传参考图，必须选择一张手持设备拍摄的真实第一人称街景照片——PNG格式，画面底部需露出约15%的鞋尖或裤脚边缘。这是告诉Pika“眼高”的唯一视觉锚点。如果上传纯建筑立面图或无人机俯拍图，生成结果必然在视角逻辑上失焦。