Video Prompting Guide

概述

Video Prompting Guide 是一套系统化的 AI 视频生成提示词写作指南，覆盖 Veo、Seedance、Wan、Grok、Kling、Runway、Pika、Sora 等主流模型。该技能提供了从基础到进阶的完整方法论，帮助用户将模糊的创意转化为模型可执行的高质量提示词。

核心用法

技能采用结构化公式指导提示词构建：[镜头类型] + [主体] + [动作] + [场景] + [灯光] + [风格] + [技术参数]。详细列举了 9 种镜头类型（广角、中景、特写、POV 等）、8 种运镜方式（跟踪、摇臂、斯坦尼康等）及其情绪效果，并提供黄金时刻、轮廓光、霓虹等 10 类灯光关键词的精确用法。同时涵盖电影感、极简/极繁、赛博朋克等视觉风格词库，以及 4K、胶片颗粒、浅景深等技术参数的最佳实践。

显著优点

• 模型针对性：为每个主流模型（Veo 的逼真电影感、Seedance 的舞蹈动作、Wan 的图生视频、Grok 的创意抽象）提供差异化策略
• 实战导向：包含产品演示、自然纪录片、城市生活、美食、科幻 5 大场景的可直接复制代码示例
• 迭代工作流：从基础提示到精细化调优的三步迭代法，降低试错成本
• 错误规避：总结"过于笼统""多场景混杂""无动态描述"等 5 类常见错误及改进方案

潜在局限

• 静态知识：AI 视频模型迭代极快（如 Veo 3 已支持音频生成），指南内容可能滞后于最新模型能力
• CLI 依赖：所有示例绑定 inference.sh 平台 CLI 命令，非该平台用户需手动适配
• 英文优化：提示词以英文关键词体系为主，中文母语用户的表达习惯需额外转换

适合人群

• 视频创作者、广告制片人、独立导演寻求 AI 降本增效
• 提示词工程师需要扩展视频垂直领域能力
• 已有图像生成经验、希望迁移至视频领域的 AI 用户

常规风险

• 输出不可控：即使遵循指南，AI 视频仍存在人物畸形、物理逻辑错误、时序连贯性等问题
• 版权灰色地带：生成内容可能训练自受版权保护的视频素材，商业使用需审慎
• 平台依赖：深度绑定 inference.sh 生态，迁移至其他 API 需重新学习参数映射

核心用法

该Skill提供了一套完整的AI视频生成提示词工程方法论，采用结构化公式组织提示词：[镜头类型] + [主体] + [动作] + [场景] + [光照] + [风格] + [技术规格]。文档系统性地整理了9种常见景别（如广角、特写、航拍）、9种摄影机运动（跟踪、摇臂、手持等）、10类光照关键词（黄金时刻、赛博朋克霓虹、轮廓光等）以及丰富的风格词汇库。

针对不同应用场景，Skill提供了可直接复制的示例代码，包括产品演示、自然纪录片、都市生活、美食内容、科技未来等类型，并支持Google Veo、ByteDance Seedance、Wan 2.5、Grok等主流模型的特定调用语法。

显著优点

1. 结构化方法论：将模糊的创意意图转化为机器可解析的参数，显著降低试错成本
2. 多模型适配：针对不同模型的技术特性（如Veo的音频生成、Seedance的首帧控制、Wan的图生视频）提供差异化建议
3. 渐进式优化：提供"基础→细节→风格"的三步迭代工作流，便于用户逐步精调结果
4. 专业术语普及：将电影工业标准术语（如Dutch angle、rim lighting、bokeh）引入AI生成语境

局限性与风险

• 纯文档型工具：本身不执行代码，所有视频生成依赖外部服务inference.sh，存在平台可用性和定价变动风险
• 模型快速迭代：AI视频技术更新极快，特定模型的"最佳实践"可能短期内失效
• 术语翻译差异：部分电影术语的中文表述未标准化，可能造成理解偏差
• 创意同质化风险：过度依赖标准化模板可能导致生成内容趋同

适合人群

• 内容创作者寻求提升AI视频质量的进阶用户
• 需要从"会生成"到"生成好"转型的提示词工程师
• 影视、广告、电商等行业需快速产出视频素材的专业从业者
• 对电影摄影语言有基础认知、希望系统迁移到AI生成语境的视觉创作者

常规风险提示

文档中包含curl | sh模式的CLI安装示例，虽目标来源（inference.sh）可信且提供SHA-256校验，但仍建议用户手动下载验证后再执行。使用外部视频生成服务时，需注意提示词内容可能涉及的商业机密或隐私信息保护。