想要借助 Pika 生成一段展示面霜质地的短视频，但如果直接输入“面霜质地”会怎样？大概率你会得到模糊晃动、缺乏逻辑顺序的镜头。AI 需要先理解视觉叙事的逻辑顺序，才能稳定输出富有层次感的质地表现。因此正确的方法是：先让 Pika 交出一份可执行的分镜提纲，然后再进入第二轮生成环节。

让 Pika 先输出文字提纲

打开 Pika 正式版或 App，进入文本输入框。不要直接写画面指令，而是明确告诉它：“请为‘面霜质地展示’生成一份分镜文字提纲，包含 5 个连续镜头。每个镜头要注明：① 镜头类型（特写、微距、俯拍等）；② 核心动作（比如指尖按压、刮擦、延展）；③ 质地关键词（如拉丝、哑光、融肤、颗粒感）；④ 时长建议（秒数）。只输出纯文字提纲，不要生成视频。”

这一步必须用中文、带编号，并严格限定输出格式。Pika 对“只输出文字”“不生成视频”这类强约束指令响应比较准确，否则它很容易跳过提纲直接开始生成画面。

发送后等待 3 到 8 秒，Pika 会返回一段带编号的纯文本。如果返回的是画面描述或直接生成图像，说明指令未能有效抑制模型行为，需要重试，并将“不生成视频”这几个字加粗强调。

检查提纲是否可用

拿到提纲后，快速核对三个硬性指标：必须包含 5 个镜头、每个镜头必须同时出现镜头类型、动作和质地词、不能有任何“背景音乐”“字幕”“品牌 logo”等无关内容，缺一不可。

比如第 3 镜写着“手部入画，轻抹”，但没写“镜头类型”和“质地词”，那么这份提纲就必须立刻丢弃并重新提问——残缺提纲喂给 Pika，第二轮生成肯定会崩溃。

一份合格的提纲示例如下：① 微距俯拍 → 白色面霜膏体静置在玻璃皿中，表面柔光哑光；② 特写 → 食指指尖垂直下压膏体中心，缓慢凹陷，边缘微隆起……

用提纲生成第一镜视频

方法一：复制提纲第 1 条，粘贴进新输入框，删掉编号和括号，改写成 Pika 能理解的完整画面句式。例如将“① 微距俯拍 → 白色面霜膏体静置在玻璃皿中，表面柔光哑光”压缩为：“Micro shot, white face cream sitting still in glass dish, matte soft surface, studio lighting, ultra sharp focus”。

方法二：保留原始中文描述，但加前置词锁定风格。在句首加上“Product photography style, macro lens, clean white background, cinematic lighting:”，再跟上原中文镜头描述。Pika 对这种混合提示词的兼容性比纯中文更好。

注意：此时只喂单条镜头描述，不要输入整套提纲。多镜连输会导致 Pika 混淆主次，经常把第 2 镜的动作塞进第 1 镜的画面中。