AI 视頻提示詞寫得很長，人物卻還是換臉，杯子在手上變形，原本想要的一個動作被拍成了幾個不連貫的鏡頭。遇到這些問題，繼續堆疊「電影感、超清、最佳畫質」，未必能解決真正的偏差。

更有用的起點，是把要求拆成三個問題： 畫面開始時是什麼狀態？這段時間只發生什麼？結束時怎樣才算合格？ 這篇教程用「陶藝師把一隻手作杯放到托盤上」的原創案例，帶你檢查提示詞、準備參考，並在 PixPix 中建立可追溯的修改流程。

本文是創作方法教程。案例人物與場景為原創虛構設定，配圖為 AI 靜態教學示意；未在 PixPix 執行視頻生成，不包含實測成功率、模型排名或效果保證。

先判斷問題發生在哪一層

不要把所有失敗都歸為「提示詞不夠詳細」。 同樣是杯子變形，可能是參考圖輪廓模糊，也可能是手部遮擋太大，或者當前模型難以完成這個接觸動作。

這張表是排查順序，不是對缺陷原因的診斷。先找到最影響使用的一處，再決定改素材、改文字還是改鏡頭設計。

給原創案例建立明確的起始狀態

人物先固定，動作後添加

案例主角叫「林禾」，是一名虛構陶藝師。她留黑色短直髮，穿米白色捲袖棉襯衫、鼠尾草綠交叉背帶圍裙和深灰長褲，沒有首飾。整段影片只出現她一個人。

圖注：人物素材設定示意；多視圖圖板不代表應將多個人像同時作為影片主體。

人物參考要能回答兩個問題：臉是誰，服裝是什麼樣。多視圖設定圖可以幫助整理身份，但實際上傳時，應根據模式要求使用清晰單張或分別引用的參考，避免讓多個人像區域被理解成多個人。

道具也要有唯一身份

本案例只使用一只無把手陶杯：外壁赭紅、內壁米白、杯口略厚、表面啞光。它被放到一個淺色橡木長方形托盤中央。托盤平放在工作台上，整個動作中不移動。

圖注：原創道具設定示意，不是真實商品結構驗證。

不要在一段提示詞裡先稱它為「陶杯」，後面又讓「帶把馬克杯」轉向攝影機。若真實商品的形狀、顏色或表面圖案必須準確，應使用確認過的商品照片作為依據。

把場景變成可檢查的位置關係

工作台位於人物前方；大窗在攝影機左側畫外；低矮木架位於背景右後方，架上只有三個米白陶碗。自然窗光從左側照入，右側保留柔和陰影。

圖注：起始構圖示意：杯子在手中，托盤為空。

這套場景不需要更多裝飾。關鍵不是逐件描述整個工作室，而是明確會參與動作、影響遮擋和構圖的物件。

六種寫法，讓「放下杯子」變成另一件事

只寫宣傳語，沒有可見動作

下面這段話能表達審美期待，卻沒有規定鏡頭要拍到什麼：

高級陶藝品牌廣告，充滿手作溫度，極致質感，電影感，超清，震撼的產品展示。

如果目標只是放杯子，可以先把任務縮成：

林禾將右手握著的赭紅無把手陶杯垂直放到木托盤中央。杯底接觸托盤後，她鬆開右手並把手收回。攝影機保持固定，完整看見杯子和托盤。

先讓這件事發生，再決定是否增加光影層次、環境聲或更細的表演。風格詞可以保留，但不承擔動作說明的工作。

開場已經放好了，卻又要求「放下」

假如輸入圖中的杯子已經穩穩放在托盤上，提示詞又要求「她把杯子放上托盤」，模型需要自行補出拿起、移動和再次放下的過程。

可以選擇兩條路徑：準備一張手持杯子、托盤為空的起始圖，直接做放下；或者保留已有圖，改成「她的右手輕觸杯身後離開」。後者改變了原任務，只應在你接受新的鏡頭內容時採用。

參考圖和動作指令應能銜接。輸入材料有多明確，和文字有多明確同樣值得檢查。

同一個鏡頭，同時要求固定、推進和環繞

「固定機位拍攝，鏡頭緩慢推進並環繞一周，最後切到俯拍」包含多種運動與切鏡要求。它可能適合另行設計的多鏡頭序列，卻不適合作為這個簡單動作的第一輪測試。

本案例先固定中景，保證杯子、雙手和托盤一直可見。動作通過後，再單獨嘗試小幅推進；不要在同一輪同時加入變焦、環繞和俯拍。

寫了「自然放下」，卻沒有描述交接

這裡的交接，是杯子的支撐從手變為托盤。提示詞可以寫清：右手握住杯身下半部，杯口向上；杯底接觸托盤後手指鬆開；杯子留在托盤，右手離開。

圖注：接觸狀態示意，用於說明支撐關係；不證明影片接觸動作已經實現。

無需把每個關節寫成複雜機械指令。 重點是物體在每個階段由誰支撐，手掌與杯身是否仍是兩個獨立實體。 如果多次失敗，可以先縮短移動距離，或拆成「持杯近景」和「杯子落穩後」的兩個鏡頭。

把情緒、光線和背景全塞進主動作

「她開心又沉思地放杯子，逆光與頂光交替，架上道具同時旋轉，鏡頭快速穿過工作室」增加了許多互相競爭的變化。

對這個鏡頭，表演可以只保留低頭看杯子、放穩後輕輕呼氣。光線維持左側窗光，背景保持靜止。先驗證放杯動作，其他變化需要各自有用途。

一次改掉所有條件，再猜哪項有效

如果上一版手部融合，下一版同時換了參考圖、模型、動作和畫幅，即使結果改善，也很難知道原因。

建議先保留當前版本，再只改變最相關的一項。例如杯子穿過手指，先調整握持說明或縮小移動距離；若杯子外觀從第一幀就不對，則先檢查參考。 每輪寫下保留項、修改項和觀察結果。

把案例整理成可直接測試的提示詞

下面是一版圖生影片創作起點。人物與道具參考應先按當前模式關聯；「林禾」只是本文案例名，本身不會讓模型認識這張臉。

使用已關聯參考中的同一位短髮陶藝師，以及同一只赭紅外壁、米白內壁的無把手陶杯。她穿米白卷袖襯衫、鼠尾草綠圍裙和深灰長褲。

開場為固定平視中景：她站在工作台後，右手握住杯身下半部，杯口向上，杯底位於空木托盤上方。左手放在托盤旁的桌面上，與右手分開。

她緩慢把杯子垂直放到托盤中央；杯底接觸托盤後，右手鬆開並收回。杯子保持直立，托盤保持原位。她低頭看杯子，動作結束後輕輕呼氣。

攝影機保持固定，中景完整保留雙手、杯子和托盤。結尾停留在杯子落穩、右手已經離開的画面。

左側窗光穩定照亮杯身，背景右後方木架和三個米白陶碗保持原位。人物面貌、衣服、杯子的顏色與形狀保持一致。全段為一個連續鏡頭。

圖注：結束構圖示意；與起始、接觸圖分別生成，非同一次影片的截幀。

這段提示詞描述的是目標，不是生成保證。 若當前輸入圖已經清楚呈現外觀，可以減少重複外觀描述，把重點留給動作與時間變化；若模式需要額外參考說明，則保留必要的不變項。

不同模型的提示習慣也可能不同。

在 PixPix 中測試，先讓一件事成立

選擇參考方式，再選規格

打開 PixPix 影片工作台，查看當前帳號提供的模型和輸入模式，再上傳或關聯素材。不要把人物圖、道具圖、場景圖全部無區別地堆進任務： 先明確哪張固定身份，哪張固定杯子，哪張定義起始畫面。

PixPix 的 MiniMax H3 頁面 介紹了文本、圖片、影片與聲音輸入，並區分文生影片、首尾幀與全能參考；其公開說明把首尾幀用於規定起止構圖，把全能參考用於鎖定人物、道具與風格。Seedance 2.5 頁面 則介紹了多模態參考、延長與時間戳編輯能力。以上是官方能力介紹，不是本文實測比較；實際可用選項以工作台為準。

第一次可以選擇當前模式提供的較短時長，並匹配最終用途的畫幅。先確認放下和鬆手都有足夠時間，再考慮更長的故事。提交前查看工作台顯示的規格與消耗，不要憑教程中的固定積分數估算當前成本。

用動作檢查表代替「感覺更好了」

把第一版從頭到尾播放，再暫停查看開場、杯底接觸時和結尾三個位置。 靜態畫面檢查結構，連續播放檢查動作銜接。

1. 開場只有一個人、一只杯子和一個托盤，杯子確實在手中。

2. 杯子從手中向下移動，杯口方向和杯身比例沒有突然改變。

3. 杯底先接觸托盤，右手隨後鬆開，手與杯身沒有明顯融合。

4. 結尾杯子留在托盤上，右手離開，畫面沒有突然換機位。

有一項未通過，就先記錄它，不急著增加美術細節。無法通過反覆調整解決的缺陷，可以透過減少遮擋、縮小動作或拆鏡來繞開。

保存版本，留下能夠比較的證據

做模型對比時，盡量對齊共同支持的輸入、提示詞、畫幅、時長、解析度和生成數量。不能對齊的條件單獨說明，避免把不同難度的任務放在一起排名。

常見問題

提示詞越長，影片就越準確嗎？

不一定。 長度不能替代任務清晰度。 先保留主體、起始狀態、核心動作、鏡頭和結束狀態，再按實際缺陷補充資訊。對結果沒有幫助的重複形容詞，可以先移除。

寫「不變形、不要多手」就能修好了嗎？

不能據此保證修復。可以優先描述希望出現的狀態，例如「左手平放桌面，右手鬆開後收回，杯子保持直立」，再依據當前模型說明處理不需要的內容。若當前模式有獨立負面提示詞欄位，再按它的實際用法填寫，不假設所有模型都支持。

圖生影片還需要重複描述整張圖嗎？

不必機械重複。圖像已經提供了外觀與構圖時，文字可以重點說明後續動作；多參考任務則需要讓身份、道具與起始畫面的職責清楚。要避免素材說杯子已落穩，文字卻讓它從遠處飛進來的衝突。

為什麼明確寫了指令，仍然會失敗？

提示詞只是輸入的一部分。參考質量、遮擋、動作難度、模型能力以及生成隨機性，都可能影響結果。不能把每一次畸形都解釋為某個詞沒寫到，也不能承諾補上一個詞就會穩定。

從一次明確的修改開始

進入 PixPix 视頻工作台，準備一張與動作銜接的起始圖，先完成「把杯子放穩」這一件事。用開場、接觸和結尾三處檢查結果，再決定下一版只修改什麼。

當你能說清哪項要求通過、哪項仍然失敗，提示詞就從一段模糊願望，變成了可以逐步修正的創作說明。