用 PixVerse 做视频，决定成片能不能用的往往不是提示词写得多华丽，而是你有没有把「一个镜头」和「一条片子」分开。AI 视频工具单次只能稳定产出几秒钟的画面，这几秒能承载的信息很有限：一个主体、一个动作、一个环境。先接受这个约束，再谈创意，返工次数会少很多。
先定用途，再定镜头数
同一个产品，做朋友圈素材和做概念片是两种活。前者要三秒抓住人，一个动作就够；后者要交代场景关系，需要四到六个镜头拼。开工前先写下三个数：成片多长、投在哪里、观众第一眼要看什么。这三个数决定你要生成几条片段，而不是让工具替你决定。
按每段三到五秒估算，一条十五秒短片至少需要四段可用素材，实际按三倍量生成才够挑。先算清需要几条，再打开工具。
提示词写成四段：主体、动作、环境、镜头
把描述压成四段、每段一句，比堆一段长句稳定。主体要具体到外观特征，「穿灰色卫衣的年轻男性」优于「一个人」；动作只写一个动词短语，「转身走向窗边」；环境交代光线和材质，「午后侧光、木地板」；镜头给景别与运动，「中景，缓慢推近」。
四段之外的信息多半是干扰。写「他很焦虑」这类心理描写没有对应的视觉表达，只会把画面弄乱。想表达焦虑，用可拍的东西替代：反复开合的打火机、窗外的雨。
镜头词单独成句，「他跑向门口」和「镜头：手持跟随，中景」分开写，比混在一句里稳。这套四段结构可以直接套到别的模型上，差别只在各家对镜头词的理解程度，把通用模板改成自己的说法讲的就是这个过程。
图生视频：首帧决定成败
图生视频的上限由首帧决定。首帧构图松、主体小、背景杂，动起来之后主体更容易糊。选首帧看三点：主体占画面比例够大、动作方向上有留白、光线方向明确。人物正面大特写不适合做转身，因为没有转身的空间。
首帧还要和动作匹配。给坐着的人让它「站起来走动」，中间会出现明显形变；给一张已站好、身体微前倾的图让它「走两步」，成功率高得多。
支持首尾帧的版本，可以把结尾画面也定下来，中间的运动交给模型补。代价是运动路径不完全受控，适合「从 A 状态到 B 状态」的镜头，不适合需要精确走位的调度。具体入口和可用参数以官方最新版本为准。
动作幅度决定废片率
三类动作容易翻车：大幅度位移（跑、跳、飞行）、肢体交叠（拥抱、握手、打斗）、快速旋转。共同点是大量像素在短时间内改变位置，模型要保持前后帧一致就很难。处理办法是拆：跑拆成起步、经过、停下三段；拥抱拆成靠近与停住两个镜头；旋转改成绕主体移动镜头。
更省事的办法是降级：把「人物奔跑」改成「人物站立，风吹动衣角」，画面稳，情绪还在。这类取舍来自单段时长的限制，单段为什么只有几秒里有更细的解释。
五类素材的生成策略
| 素材类型 | 提示词重心 | 准备条数 | 常见废片原因 |
|---|---|---|---|
| 产品展示 | 材质、反光、缓慢环绕 | 每款 4 条 | 包装文字糊成乱码，需要后期贴图 |
| 人物口播 | 半身、固定机位、轻微点头 | 每段 5 条 | 口型与台词对不上，手部动作变形 |
| 场景空镜 | 光线方向、环境声感、慢推 | 每个场景 3 条 | 镜头推进过快导致远景崩坏 |
| 竖版社媒 | 主体居中偏上，留字幕安全区 | 每条创意 3 条 | 裁切后主体出画，边缘被拉伸 |
| 概念示意 | 抽象形态、配色统一、无具体文字 | 每个概念 6 条 | 形态在运动中不断变，无法连贯 |
这张表按「先定类型、再定条数」使用。条数一栏是起点不是标准，画面越复杂越要往上加。
商用前的三条硬边界
真人形象：可识别的真实人物，不论是否公众人物，用于生成都要本人授权。用明星脸做素材，平台条款和肖像权两头都过不去。
知名 IP：角色形象、标志性道具、经典场景都在授权范围内，改细节不构成规避，投放前通常要提供素材来源说明。
标识义务：对外发布时按平台与所在地要求做 AI 生成标识，各渠道细则不一致，投放前查最新条款。
它做不到的部分
它做不了长镜头调度。一条片子里人物的服装、发型、道具位置要在多个片段间保持一致，靠一次次独立生成很难做到，通常得用参考图、首帧继承或后期统一调色来补。它也不理解叙事：为什么这个镜头接下一个、节奏该快该慢，属于剪辑判断，工具不提供。
画面里的文字不可靠。招牌、包装、字幕类文字经常生成错字或乱码，只能后期贴。手部动作、多人互动、镜面反射同样是高发问题。遇到这类镜头，最省成本的做法是改分镜绕开，而不是反复重生成。
另外，片段时长、分辨率、并发额度随版本与套餐变化，具体数值以官方最新版本为准。也别被「一句话生成一条长片」的说法带偏，长片能不能一次生成这件事，答案在当下的技术条件里是否定的。把生成当成素材生产的一环，预期就对了。
PixVerse 生成速查
- 一条片子拆成 3–5 秒的镜头，按三倍量备素材
- 提示词四段：主体、动作、环境、镜头，各一句
- 动作越大越要拆，跑跳类拆成起步、经过、停下
- 图生视频先看首帧：主体够大、有运动余量、光线明确
- 真人、IP、画面文字三类内容，先解决授权与后期再生成
三个操作层面的疑问
- 每段生成的人脸都不一样，怎么统一？：先固定一张参考首帧，再固定同一组参数生成，最后统一调色。靠文字描述「同一个人」没有用，模型每次都会重新理解五官。
- 想让人物说台词，口型对不上怎么办？：生成阶段避开正面特写，用侧脸、背影或中远景，台词后期配音。口型对齐要靠专门的对口型工具，二次处理比反复重生成省时间。
- 额度有限，先降分辨率还是先减条数？：先减条数。分辨率降了，构图和动作的问题依然存在，素材还是废的。正确顺序是低分辨率试构图，确定了再用高分辨率重生成同一条。
