AI 文生视频生成器

先说清画面里是谁、是什么，再补两三个看得见的细节：年龄、穿着、材质、颜色。「一位穿墨绿色工作服、神情疲惫的护士」比「一个人」给模型的信息多得多。一段视频只放一个主要角色，画面的重心才清楚。

写清从第一秒到最后一秒发生了什么变化，动词最好带上节奏：慢慢倒茶、回头看了一眼、甩掉伞上的雨水。几秒钟的镜头只装得下一个有头有尾的动作；一句话塞进三个动作，结果通常是每个都做得匆忙、做不完整。

交代地点、时间，必要时加上天气，再挑一两个背景细节。会自己动的细节——热气、落叶、街上来往的车——能让主体静止时画面也不僵。背景堆得太满会抢主体的戏，所以要有取舍。

写明景别（特写、中景、全景）和一种运镜：固定机位、缓慢推近、横摇、跟拍或手持。最好说清镜头从哪儿开始、到哪儿结束。像「一边推近一边拉远」这种互相矛盾的指令，只会让模型去猜你到底要哪一个。

描述光从哪里来、从哪个方向打、是什么颜色：背后低角度的夕阳、桌上的一盏台灯、阴天的平光。需要的话再加一种质感，比如 35mm 胶片、老式家用 DV、黏土动画。调整光线，往往比多加一个道具更能改变整个镜头的情绪。

如果模型会生成音频，就把你想听到的写出来：室内的底噪、踩在碎石上的脚步、雨打铁皮屋顶、远处的火车。近处和远处的声音搭配着写。打算后期自己配乐或配音的话，就选一个可以关闭声音的模型，这一部分直接省掉。

三款模型都能输出 9:16。想做一个很短的开头钩子或循环片段，Wan 3.0 最短可以只生成 2 秒。想让视频自带声音，MiniMax H3 每段都会配上立体声音轨；用 Wan 3.0 和 Seedance 2.5 时，声音开不开由你决定。

沿着海岸线缓缓飞过、看一座城市慢慢醒来，这类镜头需要时间。Wan 3.0 最长 30 秒，MiniMax H3 和 Seedance 2.5 最长 15 秒。镜头一长，就要写一个渐进的变化，比如阳光慢慢扫过墙面、晨雾逐渐散开，让多出来的时间有内容可看。

想要上下带黑边的电影画幅，可以在 MiniMax H3 和 Seedance 2.5 上选 21:9。宽画幅适合整个画面都有内容的提示词，比如一位骑手在辽阔的天空下穿过草原，而不是只在正中间放一个小小的主体。

视频如果要放进剪辑工程，配上你自己的音乐、旁白或音效，无声素材更好处理。在 Wan 3.0 或 Seedance 2.5 上把声音关掉即可。MiniMax H3 总会生成音轨，不过你仍然可以在剪辑软件里静音或替换。

视频要在大屏上播放，或者后期还要裁切，分辨率就很关键。MiniMax H3 提供 2K，Wan 3.0 和 Seedance 2.5 最高 1080p。设置越高，所需积分越多，提交前生成按钮上都会显示出来。

如果只是想看看一个场景成不成立，就用低分辨率、短时长：在 Wan 3.0 或 Seedance 2.5 上用 480p，草稿成本最低。同一个想法多试几个版本，挑出最好的那个，再认真生成正式版。

「一位系着墨绿色围裙的老钟表匠俯身在工作台前，用镊子夹起一枚极小的黄铜齿轮，慢慢举向窗口。老街里一间狭小的钟表铺，傍晚，满墙的挂钟滴答作响，灰尘在空气里飘浮。镜头从中景缓慢推近到他双手的特写。左侧是暖黄色的台灯光，窗外透进冷蓝色的天光，浅景深。声音：层层叠叠的滴答声，窗外隐约传来自行车铃声，镊子轻轻的咔哒声。」

「系着墨绿色围裙的老钟表匠」是一个人物加两个看得见的特征。「夹起一枚黄铜齿轮，慢慢举向窗口」是一个有起点、有终点的动作，整段视频因此有了完整的走向，而不是人物漫无目的地动来动去。

「老街里一间狭小的钟表铺，傍晚」寥寥几个字就把地点和时间定了下来。满墙的挂钟和飘浮的灰尘是会自己动的背景细节，钟表匠的手在缓慢、仔细地操作时，画面依然是活的。

「从中景缓慢推近到他双手的特写」写明了一种运镜、它的速度、起始景别和结束景别。模型知道从哪里开始、在哪里结束，也知道这个镜头真正的重点：那双手和那枚齿轮。

「左侧暖黄色台灯光，窗外冷蓝色天光」给了两个光源，各有方向和颜色，人物脸上就有了冷暖对比。「浅景深」把满墙的挂钟虚化，让背景衬托主体，而不是挤占主体。

三层声音：室内声（滴答声）、远处的声音（自行车铃）和近处的细节（镊子）。对会生成音频的模型来说，这就是一份清楚的混音目标。如果在 Wan 3.0 或 Seedance 2.5 上关掉了声音，就把这一句删掉，它已经不起作用了。

没有第二个人物，没有对白，画面里没有文字，也没有切到别的地方。这些都会让一个短镜头在几个想法之间分心。故事确实需要的话，就把它们拆成单独的片段，各写各的提示词，最后在剪辑软件里拼起来。