你写了”缓慢推近主体，镜头向前靠近”。出来的片子从近景开始往后拉。或者你写 “pan left”，镜头向右摇了。或者写 “tilt up”，地平线却往下沉。
最快的修法： 别再用方向动词，把镜头描述成一个起始状态加一个结束状态（“First frame: wide shot. Last frame: close-up of the face.”）。有歧义的恰恰是 “left""in""up” 这类方向词；而两个明确的端点没有歧义。如果你的工具有内置镜头控制——Runway 的镜头滑块、Kling 3.0 Motion Control，或 Flow 的 “Frames to Video” 配首末帧——直接用这些，别靠纯提示词控制运动，这样能彻底省掉猜测。
为什么会这样：AI 视频模型（Veo 3.1、Kling 3.0、Runway Gen-4.5、Hailuo、Pika，以及 Sora 2 API）都能理解镜头词汇，但训练数据对这些术语的标注不一致，而且”左右”取决于你说的是”相对镜头”还是”相对屏幕”。叠加上模型倾向于生成更”电影感”的版本而不是字面版本，方向反掉就成了常态。
这是提示词/工具层面的问题，不是故障：没有状态页可查，也没有账号设置可改。修法永远在你提示框这一侧。
你属于哪一类
把屏幕上实际看到的现象对到最可能的原因，再跳到对应步骤。
| 片子实际怎么动 | 最可能的原因 | 最快修法 |
|---|---|---|
| 你要推近，它却拉远（或反过来） | 起末帧反了，或 “reveal""epic” 这类形容词把它偏向了拉远 | 步骤 1 + 步骤 4 |
| 主体停在了画面错误的一侧 | ”left/right” 被当成相对镜头而非相对屏幕 | 步骤 2 |
| 构图对了但很扁、没有纵深 | 你想要 dolly（移动镜头），拿到的是 zoom（变焦） | 步骤 3 |
| 想垂直升起，地平线却倾斜了 | 出了 tilt 而不是 pedestal/crane | 步骤 2 + 写明确切术语 |
| 多次生成方向随机翻 | 提示词本身有歧义，不是模型问题 | 步骤 1 + 验证 |
| 某个专业术语被完全忽略 | 模型根本没学过这个词 | 步骤 6 + 步骤 7 |
常见原因
按真实绊倒用户的顺序排列。
1. 方向是相对镜头还是相对主体？歧义
“Camera moves to the left of the subject”——意思是主体最终出现在屏幕右侧（镜头在空间里左移）还是屏幕左侧（主体相对镜头左移）？模型挑训练数据里更常见的那种，往往不是你的意图。
如何识别：把自己的提示词当一根筋读者读一遍。有两种合理解读 = 模型一半时间会挑错的那一种。
2. zoom 和 dolly 混淆
“Zoom in”可以指光学变焦（焦距变化，透视变扁）或推轨（物理移动，透视加深）。很多模型默认是光学变焦，看起来就”不对”。
如何识别：如果景深感扁平、背景没有视差，得到的是 zoom。想要”穿过空间”的感觉，必须明确写”dolly”或”push in”。
3. pan 和 truck 互换
“Pan left”应该是镜头向左旋转（主体向右移）。“Truck left”是镜头水平左移、朝向不变。模型经常把这俩搞反。
如何识别：看背景。pan 时镜头不动只转，背景像绕轴旋转。truck 时镜头平移，背景有视差。
4. 上下方向 tilt 和 pedestal 混淆
“Tilt up”是镜头向上旋转（天入框、地出框）。“Pedestal up”是机身整体抬升、不旋转。模型经常做错。
如何识别：地平线保持水平但构图垂直偏移 = pedestal。地平线倾斜 = tilt。
5. 起末帧被反向解读
一些模型（特别是图生视频和末帧条件模型）把”dolly-in”解读为”这是终态——从远开始拉近”。另一些理解为”这是初态——从这里推进去”。
如何识别：看第一帧。如果第一帧已经是你想要的”终态近景”，模型把方向反了。
6. 运动强度词在和方向词打架
“Slow dolly-in”被解析成”slow movement” + “dolly-in”——但提示词其它地方有”dramatic”、“cinematic”、“epic”，模型可能在更电影感的方向上做剧烈运动（通常是拉远揭示），盖掉”dolly-in”。
如何识别：把所有形容词去掉。裸运动词组能用 = 形容词在反向拉。
7. 模型不认识那个具体术语
“Crash zoom”、“whip pan”、“snorricam”、“Dutch tilt”——一些训练过 YouTube 教程的模型懂，许多不懂。模型退回到一个大致匹配的通用运动。
如何识别：换最常见的同义说法（“crash zoom” → “fast zoom in”）。简单词能跑通 = 那个术语没被训练。
开始前准备
- 用普通语言分别描绘你想要的第一帧和最后一帧。
- 决定你要的是镜头空间运动（dolly、truck、pedestal）还是镜头光学运动（zoom、focus pull）。
- 注意你的模型是图生视频、文生视频，还是末帧条件——语义不同。
需要收集的信息
- 精确的提示词字符串，逐字节。
- 模型名和版本（Veo 3.1、Kling 3.0、Runway Gen-4.5、Sora 2 API、Hailuo、Pika 等）。
- 工具提供的运动强度 / 强度滑块值。
- 你是否提供了起始图、终止图或两者。
- 你用的镜头术语清单及对你而言的含义。
一步步修复
步骤 1：用起末状态描述运动，不要用方向词
不要写：
slow dolly-in toward the subject要写：
First frame: wide shot of the subject from 15 feet away. Last frame:
close-up of the subject's face filling the frame. Camera moves
smoothly from far to close, subject stays centered.这样就消除了方向歧义，因为你指定了两端。
如果你的模型偏好结构化提示词（Veo 3.1 尤其如此），把表示镜头运动的句子排到最前面。Google 的 Veo 3.1 prompting 指南 推荐五段式结构：[Cinematography] + [Subject] + [Action] + [Context] + [Style]。把镜头运动放在打头的位置（“Slow dolly-in. A woman at a desk. She looks up. Dim office. Cinematic.”），模型就会把运动当成主指令，而不是一个随时可以被盖掉的附带项。
步骤 2：用屏幕空间的绝对语言
把”left/right”（歧义）替换成”screen-left / screen-right”：
Camera trucks from screen-right to screen-left. Subject appears
to move from left edge of frame to right edge.或者描述什么在动而不是叫出技术名：
The subject starts at the left edge of the frame and ends at the
right edge. Background parallaxes horizontally.步骤 3：分开描述镜头运动和光学运动
要写得显式：
Dolly-in (camera physically moves forward, NOT a zoom lens).
Background reveals depth through parallax.或：
Zoom-in (focal length increases, no camera movement, flat
compression of the background).关于运动词汇错误的入门，参见 AI 视频画面抖动。
步骤 4：剔除和方向打架的电影感形容词
去掉”dramatic”、“cinematic”、“epic”、“reveal”、“breathtaking”。这些词会把模型偏向拉远的全景镜头。如果你要推近，裸词组反而更好用：
好：slow push-in on subject, subject grows larger in frame
坏：dramatic cinematic reveal of subject with slow push-in步骤 5：用起始图锁定初态
对图生视频模型，输入图就是第一帧：
Input image: wide shot of subject.
Prompt: camera pushes in on subject, ending close to their face.如果工具支持末帧条件，两端都给。所有方向错误的一半都是预期起始帧和实际起始帧的不匹配。截至 2026 年 6 月，做这件事最干净的方式在 Google Flow 里（2026 年 2 月 25 日把 Flow、Whisk、ImageFX 合并成的统一工作区；独立的 Whisk 站点已于 2026 年 4 月 30 日下线）：用 Frames to Video 功能（在 Flow 界面里标注为 “First and last frame”）配 Veo 3.1——生成一张起始图和一张结束图（Flow 可以用 Gemini 的图像模型把两张都生成），然后只写两端之间的过渡。Google 自己的示例：“The camera performs a smooth 180-degree arc shot, starting with the front-facing view of the singer and circling around her to seamlessly end on the POV shot from behind her on stage.”。两端都钉死后，模型就没有可反转的东西了。
步骤 6：单独测试运动
先把提示词剥到只剩镜头运动，确认对上之后再叠风格和内容：
测试 1：'Camera dollies in toward a red ball on a white table.'
测试 2（通过后）：加上主体细节。
测试 3（通过后）：加上风格、灯光、氛围。这样能孤立模型对那个镜头术语本身的理解。
步骤 7：用内置镜头控制，或棘手的运动换模型
纯提示词控制运动是最脆弱的路。工具一旦提供真正的镜头控制，就用它——能彻底绕开词汇歧义（以下信息截至 2026 年 6 月）：
- Runway Gen-4.5 有显式的镜头控制滑块——Horizontal、Vertical、Pan、Tilt、Zoom、Roll——每项都有方向和强度（正负值），还能设置运动的起末是渐入渐出（ramp）还是匀速（steady）。把滑块拉好，模型就没法把”向左”读错。（注意：旧的 Gen-3 Alpha 和 Gen-3 Alpha Turbo 在 2026 年 7 月 30 日之后下线，新镜头请基于 Gen-4.5 做。）Motion Brush 3.0 和 Director Mode 2.0 可把运动直接刷到特定元素上。每个滑块对应哪种运动，可参见 Runway 的 Camera Control 文档。
- Kling 3.0（2026 年 3 月发布）带 6 轴 Motion Control——pan、tilt、roll、dolly、truck、pedestal，覆盖 X/Y/Z 轴——还有 Motion Brush，可以直接把镜头/主体的运动路径画出来，而不是用文字描述。
- Veo 3.1 对显式的电影摄影术语响应好，慢摇、跟拍、crane、arc 都强；配合 Flow 的 First and Last Frame 来控方向（见步骤 5）。
- Sora 2 截至 2026 年 6 月只剩 API——OpenAI 已于 2026 年 4 月 26 日关闭面向消费者的 Sora App，API 计划向开发者开放到 2026 年 9 月 24 日——所以对大多数人来说它不再是一个快速的浏览器内选项。
如果用了控制还是被某模型反向 = 这个镜头换模型。
如何确认修好了
- 同一镜头出 3 次。方向应该在 3 次都一致。如果方向还是随机翻，那是提示词有歧义、不是模型问题——回到步骤 1 把两端都钉死。
- 拖到第 1 帧：应该是你描述的起始状态，而不是结束状态。如果第 1 帧已经是你想要的近景，模型把镜头反了。
- 拖到最后一帧：应该是你想要的结束状态。
- 看背景。有视差（背景和主体以不同速率移动）= 真实的镜头运动（dolly/truck）；背景扁平、不移动 = 你拿到的是 zoom。
- 把片子拖进剪辑软件，逐帧看前 5 帧。方向在头半秒就定下来了；如果那里就错了，反复重出同一条提示词也没用。
长期预防
- 把镜头运动写成端点而不是方向动词。“从 X 到 Y”胜过”向左移”。
- 维护一份按模型分的镜头词汇对照表——记下每个模型可靠解释的术语。
- 在 Runway 的镜头滑块、Kling 3.0 Motion Control 或 Flow 的 First and Last Frame 可用时优先用；纯提示词控制运动很脆弱。
- 运动描述总是配上首帧描述；不要让模型自己脑补起点。
- 把运动和风格分开测试。风格形容词是方向反转的主要来源。
- 如果必须连镜头，固定时长生成后在剪辑软件里拼接，比硬撑长镜头更可靠。
常见坑
- 想表达 “truck” 却写成 “pan”——它们是不同操作，模型按字面来。
- “zoom” 和 “dolly” 混用——构图终点对了，但感觉错了（扁平 vs 纵深）。
- 给推近加 “reveal”——电影学里 “reveal” 是拉远，你写了一个自相矛盾的提示。
- 相信左右无歧义——它从来都是有歧义的。
- 在不识别专业行话（“snorricam”、“crash zoom”）的模型上用了。
- 模型是图生视频时不给起始图。模型自己脑补一个不匹配方向终点的起点。
FAQ
Q：为什么同样的提示词在一个模型上对，在另一个上反？
训练数据标注不同。有些模型大量训练了专业标注的电影素材；另一些学的是 YouTube，那里 “zoom” 口语上常常等于 “dolly”。把镜头词汇当成因模型而异——给每个模型维护一份简短对照表，记下它能正确处理的术语。可参考 Google 自家的 Veo 3.1 prompting 指南，看一家厂商期望的镜头术语写法。
Q：我能直接生成片子然后在剪辑里倒放吗？
纯方向反转（推近 vs 拉远）可以，倒放一下就行。Pan/truck/pedestal 不能在后期修，因为主体运动也会被倒过来出 artifacts。
Q：我的提示词写了 “slow” 但镜头很快。相关问题吗？
速度和方向是独立的。速度需要单独治：把运动强度滑块调低，或显式写时长（“在 5 秒内镜头推近”）。
Q：seed 能影响运动方向吗？
有一点——同一模型 + 提示词组合下，同 seed 给出同方向。但 seed 克服不了歧义提示词。先修提示词，再锁 seed。
Q：我该用镜头滑块还是把提示词写得更好？
工具有滑块就用滑块。Runway Gen-4.5 的 Pan/Tilt/Zoom/Roll 滑块和 Kling 3.0 的 Motion Control 把方向设成参数，模型没有可读错的语言。纯提示词控制运动只留给没有控制面板的工具（或滑块覆盖不到的运动），即便如此也要描述端点而不是方向动词。
Q：我的工具只有一个文本框，没有镜头控制，单点最高杠杆的改动是什么？
把方向动词换成两个端点加屏幕空间表述：“First frame: subject at the left edge of frame. Last frame: subject at the right edge. Background slides left.”。这一处改写就能修掉大多数反向，连工具都不用换。