用即梦AI做旅行短片，提示词怎么写才出效果？这问题问过的人不少，但做到位的没几个。很多人的成品要么画面轻飘飘像CG游戏场景，要么地域特征完全跑偏，输出个四不像。其实核心不难，但得抠细节。

一句话总结：提示词直接决定画面风格、节奏感和地域特征是否准确。写太泛，出来的是卡通感假景点；写太细，模型又可能直接拒绝，当中那个度得把握好。

先锁定核心三要素

第一板斧：把主体砸实。别写“一个人”，那是敷衍。得是“穿靛蓝扎染衬衫的30岁中国女性，背着墨绿色帆布包，侧脸逆光站在洱海边”——缺少具体的服饰、年龄或光线方向，即梦大概率生成模糊人像，甚至直接给你配个标准西装白领，画面完全废掉。

第二板斧：场景不能含糊。不要用“云南美景”这种空泛词，换成“大理双廊古镇石板路，4月清晨，背景有白族三坊一照壁老宅、晾晒的蓝染布、半杯没喝完的烤乳扇摊”。细节越密，模型越能锚定真实的时空坐标。

第三板斧：镜头语言必须写进提示词。“广角低机位跟拍，缓慢右移，落叶从左上角飘入画面”，比写一万句“好看的画面”有效。实测效率差距能有17倍，因为模型能直接解析结构性指令，而不是去猜测什么叫“好看”。

避开即梦识别不了的抽象词

很多新手翻车就翻在抽象词汇上。你脑子里想的是氛围感，模型理解的是数据匹配——得用它可以量化的图像元素去翻译。

替换掉的第一个方法是：把抽象词换成可视觉化的行为。不要说“慵懒氛围”，而要描述“她蹲在青石阶上系鞋带，影子被斜阳拉长，背景咖啡馆遮阳伞轻微晃动”。这就叫具象化。第二个能极大提升效果的技巧：把“高级感”转为材质与光影的组合。“索尼FX3实拍质感，f/1.8虚化，青砖反光带水痕，远处苍山有薄雾”——这一句下去，画面质感直接拉高一个级别。

至于“故事感”，则必须靠动作链来传递。写“她撕下一张火车票塞进漂流瓶→踮脚放进洱海→转身时发梢扫过镜头”，这是模型能理解并执行的时间序列。而“充满故事感的旅行瞬间”，它会直接当耳边风。

地域特征要具象到可验证细节

这个环节是区分高手和菜鸟的真正分水岭。

写“京都”，必须带上“鸭川三角洲野餐垫上的抹茶大福包装纸被风吹起一角”。如果只写“京都小巷”，模型大概率输出杭州河坊街的仿古建筑，因为你没给足以锁定日本地域的关键视觉差异点。

写“冰岛”，不能只提“极光”，那太偷懒了。要加“越野车顶行李架绑着黑色登山包，车灯照亮前方苔原上的玄武岩柱，后视镜里极光呈淡绿色丝状”。没有这些具象的生态元素，模型根本分不清这极光头顶到底是南极还是长白山。

写“摩洛哥”，需出现“撒哈拉边缘的骆驼鞍具铜铃特写，沙粒正从铃舌上簌簌滑落”。否则大概率输出土耳其地毯铺地的室内场景，地域特征模糊到让人头大。

控制节奏的隐藏指令写法

大部分人以为提示词只定义画面内容，其实还可以控制节奏。怎么做到的？在提示词末尾加一句时间轴指令：“视频总时长24秒，前3秒静帧定格，第8秒开始人物迈步，第19秒镜头急速上升至航拍视角”。即梦完全能识别这种时间锚点，但指令必须用阿拉伯数字+秒为单位，自然语言它会自动忽略。

想让BGM自然融入画面？写成文字指令：“背景音：远处市集叫卖声+手鼓节奏，随镜头推进逐渐清晰”。这样写，模型会据此调整画面内人物的嘴型微动频率和手部节奏，画面和声音不再是两张皮，而是浑然一体。