都是官方指南里提炼出来的硬核方法，我用大白话给你翻译一下。
✅ 定好规矩：写在Prompt之外的“硬参数”
这就像你写代码，得先定好函数的输入参数。有些东西，你不能在Prompt里跟它商量，必须在调用API的时候，作为参数清清楚楚地传给它。
- 模型 (model): 是用 sora-2还是 sora-2-pro。
- 尺寸 (size): 视频是横屏 (1280×720, 1792×1024) 还是竖屏 (720×1280, 1024×1792)。
- 时长 (seconds): 目前支持4秒、8秒、12秒。
别在Prompt里废话“给我来个长点的”，没用。 它听不懂，这些得在API参数里写死。
✅ 核心方法论：从“聊天”切换到“写剧本”
追求稳定可控，就用长Prompt；想要AI给你惊喜，就用短Prompt。
有时候，短也有短的好处，一句话就能出片。比如下面这个，风格、人物、场景、台词都点到了，剩下的交给AI自由发挥，也能得到不错的效果。
In a 90s documentary-style interview, an old Swedish man sits in a study and says, “I still remember when I was young.”
但对于我们追求稳定输出的人来说，毫无疑问，长Prompt才是王道。 这意味着我们要把话说得非常清楚。
弱指令 (AI很难理解)强指令 (AI能精准执行)“一条好看的夜晚街道”“湿漉漉的柏油路，斑马线，霓虹灯在水坑里的倒影”“一个人快速移动”“一个骑行者蹬了三下脚踏板，刹车，在人行横道前停下”“要有电影感”“使用2.0x变形宽银幕镜头，浅景深，有体积光”
说白了，你描述得越像一幅已经存在的画面，它就越能给你还原出那幅画面。
✅ 像导演一样思考：管好镜头、光线和动作
不要只描述“有什么”，还要描述“怎么拍”。
- 镜头画面 (Framing):
- wide establishing shot, eye level(广角建立镜头，视平线高度)
- medium close-up shot, slight angle from behind(中景特写，从后面稍微倾斜的角度)
- 镜头运动 (Motion):
- slowly tilting camera(镜头缓慢傾斜)
- handheld eng camera(手持新闻采访式摄像机)
- 控制节奏：把一个连贯的动作，拆解成几个“节拍”，让AI一步步跟着做。
- 不说：“演员走过房间。”
- 要说：“演员朝着窗户走了四步，停顿了一下，在最后一秒拉上了窗帘。”
✅ 两个“大杀器”：实现像素级的精准控制
- 1. 用图片“喂”给它一个参照物
这是个狠招，尤其适合需要保持风格统一的商业项目。你可以先用其他工具生成一张符合你要求的图片（角色、场景、产品），然后在调用Sora 2 API的时候，把这张图作为input_reference参数传给它。Sora 2会把这张图作为视频的“第0帧”，然后根据你的文字Prompt往下演。
使用OpenAI GPT Image生成的输入图像
使用 Sora 2 生成的视频（转换为 GIF）
- 2. 编写“变态级”超详细剧本
下面这个，坦白说，我第一次看都惊了。这已经不是Prompt了，这就是一份给AI的、精确到毫厘的影视制作Pre-production文档。对于追求极致控制的场景，这绝对是天花板级别的参考。
? 示例：超详细的“火车站台”场景剧本
【官方示例提示词】?
Format & Look
Duration 4s; 180° shutter; digital capture emulating 65 mm photochemical contrast; fine grain; subtle halation on speculars; no gate weave.
Lenses & Filtration
32 mm / 50 mm spherical primes; Black Pro-Mist 1/4; slight CPL rotation to manage glass reflections on train windows.
Grade / Palette
Highlights: clean morning sunlight with amber lift.
Mids: balanced neutrals with slight teal cast in shadows.
Blacks: soft, neutral with mild lift for haze retention.
Lighting & Atmosphere
Natural sunlight from camera left, low angle (07:30 AM).
Bounce: 4×4 ultrabounce silver from trackside.
Negative fill from opposite wall.
Practical: sodium platform lights on dim fade.
Atmos: gentle mist; train exhaust drift through light beam.
Location & Framing
Urban commuter platform, dawn.
Foreground: yellow safety line, coffee cup on bench.
Midground: waiting passengers silhouetted in haze.
Background: arriving train braking to a stop.
Avoid signage or corporate branding.
Wardrobe / Props / Extras
Main subject: mid-30s traveler, navy coat, backpack slung on one shoulder, holding phone loosely at side.
Extras: commuters in muted tones; one cyclist pushing bike.
Props: paper coffee cup, rolling luggage, LED departure board (generic destinations).
Sound
Diegetic only: faint rail screech, train brakes hiss, distant announcement muffled (-20 LUFS), low ambient hum.
Footsteps and paper rustle; no score or added foley.
Optimized Shot List (2 shots / 4 s total)
0.00–2.40 — “Arrival Drift” (32 mm, shoulder-mounted slow dolly left)
Camera slides past platform signage edge; shallow focus reveals traveler mid-frame looking down tracks. Morning light blooms across lens; train headlights flare softly through mist. Purpose: establish setting and tone, hint anticipation.
2.40–4.00 — “Turn and Pause” (50 mm, slow arc in)
Cut to tighter over-shoulder arc as train halts; traveler turns slightly toward camera, catching sunlight rim across cheek and phone screen reflection. Eyes flick up toward something unseen. Purpose: create human focal moment with minimal motion.
Camera Notes (Why It Reads)
Keep eyeline low and close to lens axis for intimacy.
Allow micro flares from train glass as aesthetic texture.
Preserve subtle handheld imperfection for realism.
Do not break silhouette clarity with overexposed flare; retain skin highlight roll-off.
Finishing
Fine-grain overlay with mild chroma noise for realism; restrained halation on practicals; warm-cool LUT for morning split tone.
Mix: prioritize train and ambient detail over footstep transients.
Poster frame: traveler mid-turn, golden rim light, arriving train soft-focus in background haze.
✅ 小步快跑：用“Remix”功能迭代优化
这功能就特别像我们开发里的 git commit 之后再开个新分支微调。
你对一个生成结果基本满意，但就想改个颜色、换个镜头，用Remix就对了。它能锁定住其他不变的元素，只在你指定的点上做文章，避免了重新“抽卡”带来的巨大不确定性。
✅ 两个可以直接抄的“毕业级”作业
官方还给了两个非常完整的、带有对白和音效的示例，是学习如何组织一个完整故事性Prompt的绝佳模板。
? 示例一：动画风格的机器人短片
【官方示例提示词】?
Style: Hand-painted 2D/3D hybrid animation with soft brush textures, warm tungsten lighting, and a tactile, stop-motion feel. The aesthetic evokes mid-2000s storybook animation — cozy, imperfect, full of mechanical charm. Subtle watercolor wash and painterly textures; warm–cool balance in grade; filmic motion blur for animated realism.
Inside a cluttered workshop, shelves overflow with gears, bolts, and yellowing blueprints. At the center, a small round robot sits on a wooden bench, its dented body patched with mismatched plates and old paint layers. Its large glowing eyes flicker pale blue as it fiddles nervously with a humming light bulb. The air hums with quiet mechanical whirs, rain patters on the window, and the clock ticks steadily in the background.
Cinematography:
Camera: medium close-up, slow push-in with gentle parallax from hanging tools
Lens: 35 mm virtual lens; shallow depth of field to soften background clutter
Lighting: warm key from overhead practical; cool spill from window for contrast
Mood: gentle, whimsical, a touch of suspense
Actions:
– The robot taps the bulb; sparks crackle.
– It flinches, dropping the bulb, eyes widening.
– The bulb tumbles in slow motion; it catches it just in time.
– A puff of steam escapes its chest — relief and pride.
– Robot says quietly: “Almost lost it… but I got it!”
Background Sound:
Rain, ticking clock, soft mechanical hum, faint bulb sizzle.
? 示例二：复古风格的浪漫短片
【官方示例提示词】?
Style: 1970s romantic drama, shot on 35 mm film with natural flares, soft focus, and warm halation. Slight gate weave and handheld micro-shake evoke vintage intimacy. Warm Kodak-inspired grade; light halation on bulbs; film grain and soft vignette for period authenticity.
At golden hour, a brick tenement rooftop transforms into a small stage. Laundry lines strung with white sheets sway in the wind, catching the last rays of sunlight. Strings of mismatched fairy bulbs hum faintly overhead. A young woman in a flowing red silk dress dances barefoot, curls glowing in the fading light. Her partner — sleeves rolled, suspenders loose — claps along, his smile wide and unguarded. Below, the city hums with car horns, subway tremors, and distant laughter.
Cinematography:
Camera: medium-wide shot, slow dolly-in from eye level
Lens: 40 mm spherical; shallow focus to isolate the couple from skyline
Lighting: golden natural key with tungsten bounce; edge from fairy bulbs
Mood: nostalgic, tender, cinematic
Actions:
– She spins; her dress flares, catching sunlight.
– Woman (laughing): “See? Even the city dances with us tonight.”
– He steps in, catches her hand, and dips her into shadow.
– Man (smiling): “Only because you lead.”
– Sheets drift across frame, briefly veiling the skyline before parting again.
Background Sound:
Natural ambience only: faint wind, fabric flutter, street noise, muffled music. No added s
📝 基础篇：轻松上手的 “导演式” 提示词框架
Sora2 官方推荐提示词长度是 100-300 中文字符，太短 AI 会 “瞎猜”，太长会忽略关键信息。这部分聚焦最核心的三个基础能力：声画同步、物理细节、Cameo 植入，新手照着套就能不翻车。
🎧 声画同步：别浪费 Sora2 的 “王牌功能”
初代 Sora 是 “默片”，但 Sora2 能原生生成环境音、音效甚至对话，提示词里不写音频，等于浪费一半功能。
核心技巧：按 “环境音 + 音效 + 对话” 的结构写，越具体越精准。
❌ 错误示范：“有海边的声音”
✅ 优化示范：“环境音是海浪拍打礁石的规律声响（低频浑厚），音效是贝壳被浪花卷上岸的碰撞声（清脆细碎），远处有渔民的吆喝声（男声沙哑，音量渐弱）”
避坑指南：别写 “好听的音乐” 这种抽象词，直接指定风格或曲目，比如 “背景音乐为钢琴版《卡农》，音量控制在环境音的 60%”，避免 AI 生成杂乱音效。
⚖️ 物理细节：让画面 “符合常识” 的关键密码
Sora2 的 “空间 – 时间令牌” 技术能模拟重力、水流、碰撞，但你得主动 “触发” 它。之前我写 “水流”，出来的水像果冻，加了物理关键词后瞬间正常了。
必加物理描述模板：
水流：“水流从石阶落下，遵循重力规律，溅起的水花碰到地面后散开，水面有涟漪扩散（频率约 2 秒 / 圈）”
碰撞：“玻璃杯从桌面滑落，撞击地面后碎裂（碎片边缘锋利，无明显变形），液体缓慢流淌浸湿桌面”
光影：“上午 10 点的阳光从东侧窗户射入，随着镜头移动，物体影子长度逐渐缩短，光影边缘柔和自然”
使用感想：加了物理关键词后，生成的视频质感肉眼可见地提升。比如拍 “猫跳上沙发”，会清晰看到猫先弓起身体蓄力，落地时爪子先接触沙发，身体再跟进，完全符合真实动作逻辑。
🎭 Cameo 植入：自然不违和的基础原则
Cameo 植入（比如在视频中加入特定人物或物品）是很多创作者的需求，但写不好就会显得生硬。结合实测总结出三个核心原则：
1. 关联性原则：植入元素必须和场景相关。在咖啡馆场景植入笔记本电脑很自然，但植入滑雪板就很突兀。
示例：“复古咖啡馆的靠窗座位上，放着一本棕色封皮的笔记本（植入物品），旁边坐着穿格纹衬衫的女生（植入人物），正用钢笔在本子上写字”
2. 细节融合原则：给植入元素加环境互动细节。
❌ 错误：“画面中有一个红色水杯”
✅ 优化：“红色水杯放在有水渍的桌面上，杯壁有 condensation 水珠，杯口飘出微弱热气（与室内温度形成反差）”
3. 动作衔接原则：让植入元素参与场景动作。
示例：“穿白大褂的医生（植入人物）走进病房，拿起床头的温度计（植入物品），对着灯光查看读数，手指轻轻敲击温度计表面”
注意事项：别让植入元素 “抢戏”，重点还是原场景的叙事。可以通过 “浅景深”“侧面角度” 等摄影词弱化植入元素的存在感。
🌆 场景篇：10 大高频领域提示词模板（直接复制可用）
不同场景的提示词逻辑差异很大，这部分整理了影视、动漫、广告等 10 个高频领域的实战模板，每个都标注了设计思路和避坑点。
1. 影视级叙事场景（适合剧情类视频）
模板：“IMAX 电影质感，暴雨后的城市天桥（场景），穿黑色风衣的男人（主体）正点燃香烟，火光照亮他带胡茬的侧脸（细节）。镜头用 35mm 广角从低角度仰拍，缓慢推进到特写（运镜），背景是模糊的霓虹灯光晕（氛围）。动作：男人吸一口烟后缓缓吐出烟圈，烟圈在雨中逐渐散开（动作）。音频：雨声夹杂着远处的汽车鸣笛，打火机的咔嚓声清晰，男人的呼吸声沉重（声画同步）”
设计思路：用 “天气 + 细节 + 运镜” 营造电影感，动作按 “准备 – 执行 – 结果” 的顺序写，保证叙事连贯。
2. 吉卜力动漫风格（适合治愈系视频）
模板：“吉卜力动画风格，色彩柔和通透，画面有轻微颗粒感（风格）。初夏的乡间小路（场景），扎双马尾的小女孩背着红色书包（主体），正追着一只白色蝴蝶奔跑（动作）。路边的蒲公英被风吹散，种子在空中飘飞（环境互动）。镜头用平视角度跟拍，浅景深（摄影参数），背景音乐是轻快的木吉他曲，音效是蝴蝶振翅的细微声响和女孩的笑声（音频）”
避坑点：别只写 “动漫风格”，要具体到某类风格（如吉卜力、新海诚），AI 对明确风格的还原度更高。
3. 产品广告场景（适合商业推广）
模板：“4K 高清画质，现代简约的客厅（场景），女主人（主体）从包装盒中取出银色咖啡机（产品）。镜头先特写包装盒开启的过程，然后旋转展示咖啡机的金属机身弧度，最后聚焦操作面板的触控灯光（运镜）。动作：女主人按下启动键，水流缓慢注入咖啡杯，产生细腻泡沫（产品功能）。音频：轻快的钢琴背景音乐，水流声清晰悦耳，无杂音（突出产品质感）”
设计思路：每个镜头对应一个产品卖点，用 “特写镜头” 突出产品细节，避免背景过于复杂抢戏。
4. 自然风光场景（适合旅行 / 纪录片）
模板：“BBC 纪录片质感，晨光中的阿尔卑斯山脉（场景），主峰覆盖皑皑白雪，山脚下有绿色松树林和溪流（细节）。镜头用广角缓慢横摇，从近景的溪流摇到远景的山峰（运镜），景深较深，能看清远处山峰的岩石纹理（摄影参数）。光线：东侧阳光形成金色光斑，溪流表面有波光粼粼的反光（物理细节）。音频：溪流声、鸟鸣声，无背景音乐（还原自然感）”
使用感想：拍自然风光一定要加 “时间 + 光线” 信息，比如 “日出后 30 分钟”“多云天气的漫射光”，AI 能更精准地还原真实光影效果。
5. 古风叙事场景（适合历史 / 汉服类视频）
模板：“唐代古风风格，朱雀大街的清晨（场景），穿襦裙的女子（主体）提着竹篮买花，篮子里插着几朵初开的牡丹（细节）。建筑为唐代斗拱结构，街边有挑担的小贩（环境）。镜头用中景跟随拍摄，偶尔切换到小贩的花束特写（运镜），色彩饱和度偏低，带有轻微褪色效果（质感）。音频：马蹄声、小贩的吆喝声，女子与小贩的对话‘这牡丹怎么卖？’（古风氛围）”
避坑点：历史场景要注意细节考据，比如唐代女子的发髻样式、建筑的斗拱结构，写得越具体，AI 生成的内容越真实。
6. 科幻未来场景（适合概念设计类视频）
模板：“硬科幻风格，2077 年的火星殖民地（场景），半圆形穹顶下有绿色植物大棚，居民穿银色宇航服活动（细节）。远处有采矿机器人在工作，天空为粉红色，两颗卫星可见（环境）。镜头先用广角展示全景，然后推进到操作控制台的宇航员特写（运镜），色调以金属灰 + 科技蓝为主（色彩）。音频：低沉的机械运转声，宇航员的通讯对话，背景有轻微的环境噪音（科幻感）”
设计思路：科幻场景要 “科学合理”，参考真实的科技资料（如 NASA 的火星计划），加入 “采矿机器人”“生命维持系统” 等细节，让画面更可信。
7. 微观世界场景（适合科普类视频）
模板：“微距摄影视角，放大 100 倍的荷叶表面（场景），一滴雨水正落在上面（主体）。水珠内部有细小气泡，接触荷叶时形成完美球形，然后缓慢滚动，带走表面灰尘（物理细节）。镜头固定特写，浅景深，侧光照射突出水珠的透明感（摄影参数）。音频：水珠滴落的清脆声响，放大 10 倍的荷叶摩擦声（音效）”
注意事项：微观场景要明确 “放大倍数” 和 “拍摄角度”，避免 AI 生成的画面比例失调。同时加 “浅景深” 关键词，突出主体。
8. 情绪氛围场景（适合 vlog / 短片）
模板：“怀旧胶片风格，黄昏时分的海边（场景），穿白色连衣裙的女生背对着镜头站在礁石上（主体），头发被风吹起（动作）。天空为橙红色渐变，海浪缓慢拍打岸边（环境）。镜头用长焦从远处拍摄，画面有轻微颗粒感和暗角（质感）。音频：海浪声、风声，远处传来模糊的海鸥叫声，无对话（氛围）”
使用感想：情绪类视频重点在 “氛围词 + 细节” 的搭配。比如 “怀旧” 氛围，搭配 “胶片颗粒”“暗角”“暖色调”“缓慢动作” 等关键词，效果会非常到位。
9. 游戏画面场景（适合游戏解说 / 预告）
模板：“3A 游戏 CG 质感，中世纪城堡废墟（场景），穿铠甲的骑士（主体）正挥舞长剑对抗骷髅怪物（动作）。城堡的石墙有裂痕，火把在墙上投下晃动的影子（细节）。镜头用第一人称视角跟随骑士，战斗时画面有轻微晃动（运镜），色调以暗金 + 深灰为主（色彩）。音频：金属碰撞的清脆声响，骑士的喘息声，火把燃烧的噼啪声（音效）”
避坑点：游戏场景要明确 “视角类型”（第一人称 / 第三人称），动作描述要 “有打击感”，比如 “长剑砍中怪物时火星四溅，怪物骨骼断裂的声响清晰”。
10. 教育演示场景（适合知识科普视频）
模板：“写实纪录片风格，化学实验室（场景），穿白大褂的老师（主体）正在做酸碱中和实验（动作）。镜头先特写烧杯中的蓝色液体，然后缓慢拉远展示整个实验台（运镜），试剂瓶上的标签清晰可见（细节）。动作：老师将盐酸缓慢倒入烧杯，蓝色液体逐渐变为无色，搅拌时产生微小气泡（物理细节）。音频：老师的讲解声（清晰易懂），液体倒入的声响，搅拌棒碰撞烧杯的轻响（音效）”
设计思路：教育场景要 “逻辑清晰”，按 “准备 – 操作 – 结果” 的顺序写动作，用 “特写镜头” 突出关键步骤，方便观众理解。
🚀 进阶篇：解锁高级功能的提示词技巧
基础模板能保证 “不翻车”，但想生成爆款视频，必须掌握参数联动、Remix 二创等进阶技巧。这部分都是实测有效的干货，建议收藏反复看。
1. 参数与提示词联动：用技术参数放大创意
Sora2 的参数设置（如分辨率、帧率、镜头参数）和提示词是相辅相成的，选对参数能让提示词的效果翻倍。
分辨率与细节描述联动：
4K 分辨率：提示词要加 “皮肤纹理、布料褶皱、物体表面纹理” 等细节词，比如 “4K 高清，穿牛仔外套的男生，布料褶皱清晰可见，口袋边缘的磨损痕迹真实”
1080P 分辨率：重点写 “整体氛围和动作”，不用太纠结微观细节，避免 AI 资源分散
帧率与动作描述联动：
高帧率（60fps）：适合快速动作场景，提示词加 “动作流畅无拖影”，比如 “60fps 慢动作，水滴从水龙头落下，溅起的水花形态完整，无模糊拖影”
低帧率（24fps）：适合电影感场景，提示词加 “画面有轻微顿挫感”，模拟胶片效果
镜头参数与视角联动：
新手直接套这组 “镜头参数 + 提示词” 组合，画面质感瞬间提升：
人像场景：“85mm 人像镜头，平视角度，浅景深（背景模糊），温暖背光”+“女生的发丝清晰可见，脸颊有柔和的光斑”
风景场景：“16mm 广角镜头，仰拍角度，深景深（全景清晰），侧光照射”+“从山脚仰拍山峰，近处的树木和远处的云朵都清晰可辨”
注意事项：参数不要贪多，一次加 2-3 个核心参数即可。比如同时加 “85mm 镜头、浅景深、4K、60fps”，AI 可能无法全部兼顾，导致部分效果打折。
2. Remix 二创：基于现有视频的优化技巧
Remix 功能能在已生成视频的基础上进行修改，比重新写提示词更高效。分享 3 个实战技巧：
技巧 1：局部修改法 —— 只改特定元素
提示词格式：“基于原视频 Remix，保留场景和主体，将【原元素】替换为【新元素】，保持其他细节不变”
示例：“基于原视频 Remix，保留‘雨天咖啡馆’场景和‘穿红裙的女生’主体，将‘黑色雨伞’替换为‘透明塑料伞’，伞面有雨滴滑落的细节，保持原镜头角度和音频”
技巧 2：风格迁移法 —— 改变整体风格
提示词格式：“基于原视频 Remix，保留动作和场景结构，转换为【新风格】，加入【风格特征词】”
示例：“基于原视频 Remix，保留‘猫追蝴蝶’的动作和‘花园’场景结构，转换为‘水墨动画风格’，加入‘线条简练、墨色浓淡变化、背景晕染效果’，音频不变”
技巧 3：镜头扩展法 —— 增加视频时长或镜头
提示词格式：“基于原视频 Remix，在结尾增加【新镜头 / 新动作】，保持与前序内容的连贯性，音频自然过渡”
示例：“基于原视频 Remix，在‘女生开门进家’的动作后，增加‘她放下包，走到窗边拉开窗帘，阳光照进房间’的动作，镜头从特写拉为中景，音频加入‘窗帘拉动的声响’，与原开门声自然衔接”
避坑指南：Remix 时别做 “颠覆性修改”，比如原视频是 “安静的图书馆”，非要改成 “热闹的菜市场”，AI 很难保持连贯性。建议每次只修改 1-2 个维度。
3. 分镜脚本法：长视频创作的核心技巧
Sora2 Pro 版支持最长 25 秒的视频，单段提示词很难保证叙事连贯，分镜脚本法是解决这个问题的关键。
核心逻辑：把长视频拆成 3-4 个镜头，每个镜头写独立提示词，用 “接着”“然后” 等词衔接。
实战案例（15 秒剧情视频）：
镜头 1（5 秒）：“35mm 广角镜头，高角度拍摄深秋森林全景，阳光穿透树叶，地面有霜迹，环境音是风吹树叶的沙沙声”
接着镜头 2（5 秒）：“85mm 人像镜头，平视角度，聚焦在一只松鼠身上，松鼠正在搬运松果，爪子抓松果的细节清晰，音效是松鼠爪子摩擦松果的声音”
然后镜头 3（5 秒）：“长焦镜头，低角度拍摄，松鼠爬上树干，背景是蓝天，光影随松鼠移动而变化，环境音逐渐减弱”
使用感想：分镜脚本法能极大提升视频的叙事感。之前用单段提示词拍 “女生回家”，动作混乱，拆成 “开门 – 换鞋 – 煮咖啡” 三个镜头后，动作逻辑清晰，每个镜头的细节也更丰富。
注意事项：每个镜头至少 3 秒，不然切换太快会头晕。镜头之间要保持 “视角递进”，比如从全景到中景再到特写，或从远到近，符合人眼的观察习惯。
4. 参考图驱动：精准还原创意的王牌技巧
如果对画面风格有严格要求，参考图驱动是最可靠的方法。先用 Midjourney 等工具生成静态参考图，再结合提示词创作视频。
提示词模板：“基于参考图创作，保持主体（参考图中的 XX）的外貌和风格不变，动作是【具体动作】，场景扩展为【扩展场景】，光线与参考图一致（柔和窗光），时长 10 秒，音频是【音频描述】”
示例：“基于参考图创作，保持图中‘穿汉服的女生’外貌和‘古风庭院’场景风格不变，动作是女生抬手接住飘落的樱花，花瓣从空中缓慢落下（符合重力），场景扩展为庭院中有石桌和古琴，光线与参考图一致（下午 3 点的斜射阳光），时长 10 秒，音频是花瓣飘落的细微声响和远处的古琴声”
避坑点：参考图要 “风格统一”，别用一张 “写实风格” 的图，却让 AI 生成 “动漫风格” 的视频。另外，参考图的分辨率要高，不然 AI 无法识别细节。
⚠️ 避坑篇：新手常犯的5个错误与修正方法
这部分总结了我和身边创作者踩过的坑，每个错误都配了 “错误示范 – 问题分析 – 优化方案”，帮你少走弯路。
1. 场景描述太笼统
❌ 错误：“一个森林里有一只鹿”
✅ 优化：“深秋清晨的针叶林，地面覆盖薄霜，阳光从树干缝隙斜射下来形成光柱，一只棕色的鹿站在小溪边，低头饮水，水面倒映着它的身影”
问题分析：笼统的描述让 AI 有太多 “脑补空间”，生成的场景可能和预期完全不符。
修正原则：场景描述按 “时间 + 地点 + 环境细节（天气 / 光线 / 道具）” 的结构写。
2. 动作描述无逻辑
❌ 错误：“女生在跳舞，动作很好看”
✅ 优化：“穿白色舞裙的女生在舞台上跳芭蕾，先做足尖旋转 3 圈，然后踮脚跳跃，落地时膝盖微屈缓冲（符合重力），手臂随着动作自然摆动”
问题分析：“好看”“酷炫” 等抽象词 AI 无法理解，动作没有时间顺序，生成的画面会混乱。
修正原则：动作按 “准备 – 执行 – 结果” 的顺序写，加入具体的动作名称和物理细节。
3. 物理规律不明确
❌ 错误：“杯子从桌子上掉下来”
✅ 优化：“玻璃杯子从木质桌子上滑落，遵循重力规律，撞击地面后碎裂，碎片向四周散开，液体缓慢流淌，全程无消失或变形”
问题分析：Sora2 的物理引擎需要明确指令，不然会出现 “杯子悬浮”“碎片消失” 等反常识画面。
修正原则：涉及运动、碰撞、水流等场景，必须加 “遵循重力”“符合能量守恒” 等物理关键词。
4. 风格描述太模糊
❌ 错误：“动漫风格的猫”
✅ 优化：“新海诚动漫风格的猫，白色毛发带有淡蓝色反光，眼睛是清澈的绿色，线条细腻，背景有轻微的光斑效果，色彩饱和度偏高”
问题分析：“动漫风格” 包含太多细分类型，AI 无法精准判断，生成的画面风格混乱。
修正原则：风格描述要具体到 “某类风格 + 视觉特征”，比如 “吉卜力风格 + 色彩柔和 + 线条圆润”。
5. 提示词太长或太短
❌ 太短：“男生打篮球”
❌ 太长：（超过 300 字，堆砌大量无关细节）
✅ 适中：“阳光明媚的篮球场，穿红色球衣的男生正在投篮，动作是跃起后手腕发力，篮球在空中划出弧线，撞击篮板后入网。镜头用中景跟拍，浅景深，音频是篮球拍打地面的声响和进球的清脆声”
问题分析：太短 AI 会瞎猜，太长 AI 会忽略关键信息，两者都会影响生成质量。
修正原则：控制在 100-300 中文字符，只保留 “场景 + 主体 + 动作 + 音频 + 核心参数” 五个核心要素。
