Google AI Studio提示词教程：大白话秒变专业AI视频提示词

李博！上周我们组有个实习生，充了即梦会员，结果对着提示词输入框发呆了一下午，最后写了句'一个女孩在雨里走'，生成出来那个效果…… 哈哈哈，让我猜猜，是不是像手机前置摄像头拍的那种？ 比那还惨，人脸都是糊的。但你说这事也不能怪她，谁天生就会写什么'浅景深''逆光'啊。 诶你说到这个，我最近正好在玩一套方法，就是专门解决这个问题的。核心思路特简单——用AI来写AI的提示词。 等会儿，套娃是吧？用一个AI帮另一个AI干活？ 对，但你别觉得这是脱裤子放屁。你想啊，像即梦、可灵、Runway这些视频生成工具，底层都是扩散模型，它是从随机噪声里一步步'去噪'来生成画面的。 提示词在这个过程中相当于导航信号。你给的描述越精确，模型在高维语义空间里定位就越准。简单说，'女孩在雨中'和包含镜头参数、光影描述的专业提示词，差距就像你用手指个大概方向，和给一个精确GPS坐标。 这个类比我懂了。那你说的方法具体怎么操作？ 用Google AI Studio，就是谷歌官方的模型实验平台，免费的。关键是它有一个叫System Instructions的功能，也就是系统指令。 系统指令跟我直接在聊天里说'请你扮演一个角色'有啥区别？ 区别大了！你在聊天里说的角色设定，聊着聊着模型就忘了，约束力会衰减。但系统指令不一样，它在Transformer架构里优先级最高，放在注意力机制的最前端，对后续所有生成内容都有持续约束。 就是说不管我后面怎么聊，它都不会'出戏'？ 对，永远在角色里。 真的假的，这也太好用了吧！那系统指令具体写什么？ 这是最关键的一步。你要告诉Gemini它是一个专业的AI视频提示词工程师，然后规定输出必须覆盖七个维度。 画面主体、场景环境、镜头语言、光影设计、艺术风格、色彩基调、氛围情绪。这七个维度一配齐，出来的提示词就是电影级的。 等等，镜头语言我就不太懂了，什么推拉摇移跟…… 你们产品经理就知道用户体验，基本影视素养得补补课啊。 得了吧，你快说！ 哈哈好好好。推就是镜头向主体靠近，拉是远离，摇是固定位置旋转，移是平行移动，跟是跟着人走。这些术语在AI视频模型的训练数据里大量出现，你用了它们，模型就能精准理解你要什么效果。 所以重点不是我懂不懂，是模型懂。那我只要让Gemini帮我写出来就行了？ 就是这个意思！你只需要输入大白话，比如'朋克风格的小女孩在雨中吃面'，Gemini直接给你输出一大段专业提示词，什么霓虹灯反光、浅景深、手持摄影、胶片颗粒感全给你安排上。 我靠，这不就是给每个普通人配了一个影视专业的助理吗？ 本质上就是个翻译问题——把你脑子里模糊的画面感，翻译成模型能理解的精确坐标。 那我追问一个实际问题啊。即梦好像更吃中文提示词，Runway更吃英文，这个怎么处理？ 好问题。这跟各平台训练数据的语言分布有关。你可以在系统指令里直接指定输出语言，比如给即梦用就写中文输出，给Runway用就写英文。甚至可以建不同的模板，一键切换。 模板库这个思路好，我可以存一套日系动漫风格的、一套纪录片风格的…… 没错，而且还有个杀手级功能——多轮对话迭代。第一次生成不满意，你就说'光线再暗点''换成俯拍'，它会在原来基础上改，不是从头来。 这不就是我们做产品迭代的思路嘛，快速试错快速调整。 对，而且你还可以让它按分镜头脚本格式输出，每个镜头单独编号、标注时长和转场方式，生成完一个个拼起来就是完整短片。 等会儿让我想想……就是说一个完全不懂影视的人，靠这套流程，理论上能做出有叙事结构的短片？ 理论上，是的。门槛被压到了只需要有创意就行。 我突然觉得这件事挺有意思的。以前大家总说AI降低了创作门槛，但提示词本身又变成了新门槛。现在用AI解决AI的门槛问题，这个循环还挺优雅的。 嗯，说到底工具就是工具，最终比的还是谁脑子里的创意更好。提示词这个事，不应该成为拦路虎。 行，我回去就让那个实习生试试。四步嘛——打开AI Studio、选模型、配系统指令、输入大白话。这我能记住。 记得选Gemini 2.5 Pro啊，模型越强翻译越准。 知道了知道了，李老师。