这个问题问得很有价值——用Vidu生成护肤使用教程视频时，仅仅描述“取面霜然后涂抹”远远不够。AI会像看不懂说明书的新手，把方向弄反、节奏打乱，甚至分不清乳液和泡沫。那么，提示词究竟该怎么写才能有效？下面拆解为三个步骤来说明。

先讲一个关键认知：Vidu对纯文字的时间标注天生敏感，但前提是必须给出具体秒数。例如「0-3秒：指尖取黄豆大小面霜→4-8秒：掌心揉搓至半透明膏体→9-15秒：由下至上轻按于两颊」，这样写才能让Vidu明白每个动作的起止时间。如果只写“先取面霜再涂抹”，AI会自动脑补出一个持续揉搓10秒却不移动位置的动作——画面里人物一直原地干搓，十分尴尬。

这就引出了第一步：用时间轴锁定每一帧的节奏。在提示词开头就把秒数绑定上去，动作才不会粘连或跳帧。

第一步：用时间轴结构锚定操作节奏

如果不写具体秒数，Vidu会把取面霜和按摩合并成一个动作，或者凭空插入一段莫名其妙的间隔。因此必须将每个操作锚定到精确时间段：「0-3秒取面霜→4-8秒揉搓→9-15秒上脸轻按」。这一步看似简单，但很多人失败就败在省略了数字——AI没有内置时间感知能力，完全依赖你输入的数据。

第二步：质地变化要用可视觉识别的对比词

方法其实只有两个。

一个是状态加参照物组合。例如「膏体从哑光米白色→揉搓后泛珍珠光泽→上脸3秒后迅速化为水感薄膜」。切记不要用“略微变稀”“有点透明”这类模糊表述，Vidu无法解析程度副词，写“略微”它就直接忽略。

另一个是调用常见物质进行类比，比如「精华质地如冷萃绿茶汤→接触皮肤瞬间拉出细密透明丝状→10秒内完全隐入角质层且不见反光」。丝状、反光、隐入——这些都是Vidu能识别的视觉信号，比单纯形容词可靠得多。

这一步最容易被忽视的是必须写清相变触发条件。比如“接触皮肤温度后”“遇空气氧化3秒”，否则Vidu可能把乳液自发变成泡沫的画面直接演变成全程冒泡，效果可想而知。

必须写清相变触发条件

这里单独列出并非多余——除非你刻意想要“全程冒泡”的效果，否则一定要注明「接触皮肤后」「遇空气氧化」「温度达到36度」这类触发语。否则AI会擅自决定变化时机，结果往往错误百出。

第三步：分镜式提示词模板套用

最后一步是组织画面逻辑，用「镜头：」开头让Vidu严格按照顺序执行。典型模板：第一镜特写手部动作→第二镜中景展示质地流动轨迹→第三镜微距捕捉成膜/吸收/起泡等终点状态。

实操举例：
镜头：俯拍左手食指与拇指捏取膏体，膏体表面有细微颗粒反光→
镜头：平视右手掌心，膏体受热延展成半流体，边缘呈锯齿状缓慢爬升→
镜头：侧光微距，膏体接触颧骨皮肤后0.5秒内出现同心圆波纹，波纹中心迅速哑光。

这里有两个细节必须注意：三句话之间不能加“然后”“接着”，Vidu会把这类连接词当作语义干扰项，容易打乱画面顺序。但必须用→分隔不同镜头，否则三个描述会被合并成一个混乱画面。节奏就靠这个箭头来调控。

总而言之，写护肤视频的Vidu提示词，本质上是在扮演导演的角色：先给出时间线，再明确质地变化触发条件，最后画好分镜。每一步都不能省略，少一步，画面就会朝不可控的方向演变。