想让Vidu生成符合要求的探店提示词，必须先把画面逻辑、节奏节点和品牌信息全部嵌进去——不然生成的画面很容易偏离真实场景。下面这套方法，是从大量实践中总结出来的，一步步落地就行。

明确视频核心要素

拿出备忘录或新建个文档，先把本次探店必须呈现的五个硬性要素列清楚：店名全称、主推饮品名称、店内标志性角落（比如手冲吧台或者复古书架）、老板的出镜时长，以及至少一个顾客与店员自然互动的镜头。缺了任何一项，Vidu生成的画面就容易缺失关键的识别信息。

这一步省不得。Vidu不擅长自己补全现实的细节，它只会老老实实地执行你写进去的内容。

构建分镜式提示词框架

接下来，按时间顺序组织提示词，最好用“→”把逻辑链条串联起来：

店外招牌特写（店名得清晰可见）→ 推门进入时风铃轻响，自然光漫入 → 老板微笑抬头打招呼（穿围裙，手里拿着拉花杯）→ 镜头下移到手冲台，水流缓缓注入滤纸 → 杯壁挂壁的拿铁拉花来个特写 → 顾客端杯笑谈的中景（背景虚化，但绿植墙依稀可见）→ 收尾定格在杯垫上的店标logo上。

每个“→”都代表一个独立的视觉单元，最好不要合并它们。少一个箭头，Vidu就很可能把多个动作压进同一帧里，导致动作变形。

注入质感与限制条件

有两种常用的方法：

方法一，直接加参数后缀。在完整的分镜句末尾统一追加：【4K实拍感】【自然光为主】【无BGM】【人物动作缓慢真实】【禁止动画特效】。

方法二，用括号嵌套来强调细节。举个例子：“老板微笑抬头打招呼（围裙左胸绣店名缩写，手指沾少许奶泡）”——括号里的内容观众一眼就能识别品牌，但Vidu容易忽略，必须显性地写出来。

【Vidu对“围裙”“奶泡”这类小物件的识别率不高，不加括号说明，它大概率会生成纯色衣服和干干净净的手指】

检查表逐项核验

最后，按下面五步检查表核验一遍提示词：

第一步：确认店名在提示词中间出现了至少三次（招牌、围裙、杯垫各一次）。

第二步：检查所有动词是否都是现在时并且可视觉化（比如“端起”“倾倒”“转身”，别用“曾经是”“可能是”这类）。

第三步：删掉所有抽象形容词（像“温馨”“小众”“惬意”），换成可以拍摄的实体对象（比如“藤编吊灯”“水泥墙面裂缝”“杯口热气弧线”）。

第四步：验证每个镜头是否有明确的主体+环境关系。错误示范是“吧台很酷”，正确示范应该是“不锈钢吧台反光映出背后三排挂耳咖啡包”。

第五步：把整段提示词粘贴进Vidu输入框之前，手动数一遍中文字符数——必须控制在198字以内。一旦超限，系统会自动截断，经常会把结尾的关键帧描述砍掉。