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”左摇”，镜头向右摇了。或者写”上抬”，地平线却往下沉。AI 视频模型（Sora、Veo、Kling、Runway、Hailuo、Pika）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。
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（Sora-2、Veo-3、Kling-2.1 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。
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。
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：棘手的运动换模型
某些运动词汇在特定模型上更稳：
- Sora 的”dolly”和”crane”稳定。
- Veo 的慢摇和跟拍强。
- Kling 的甩摇和快速 zoom 强。
- Runway Gen-3 有显式的镜头控制滑块，绕过提示词歧义。
一个特定运动一直被某模型反向 = 这个镜头换模型。
验证
- 同一镜头出 3 次。方向应该在 3 次都一致——方向随机翻 = 提示词歧义，不是模型问题。
- 起始帧和结束帧应该匹配你描述的两端。
- 背景视差应匹配运动类型（视差 = dolly/truck；扁平 = zoom）。
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 的显式运动滑块或 Kling 的镜头控制面板可用时优先用；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。Sora 大量训练了电影摄影师标注的电影素材；另一些模型训练了 YouTube，那里”zoom”往往等于”dolly”。把镜头词汇当成因模型而异。
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。