人物动作类视频翻车，很少是栽在动作本身，而是栽在动作前后的姿态稳定上：手会折进自己、脚会融进地板。解决办法不靠玄学，而是结构：每条 prompt 都按”起始姿态 + 单一动作 + 结束姿态”来写，并且让镜头别动。下面是 10 个这样写出来的模板，外加 2026 年 6 月各动作该用哪个模型跑。
一句话总结
- 永远写清三件事：身体从哪里起、只做哪一个动作、最后停在哪里。
- 镜头静止，灯只选一种。主体动 + 相机动会让错误率叠加翻倍。
- 4–6 秒是最稳的时长区间。后半段变形大多从 6 秒之后开始。
- 别让 AI 做手部精细动作（打字、弹琴）。论人物动作，可灵（Kling）3.0 性价比最高；Runway Gen-4.5 控制力最强（首尾关键帧 + 运动笔刷）；Veo 3.1 对 prompt 最听话，还能用最多 4 张参考图锁住人脸。
一个好 Prompt 通常包含什么
人物动作视频 Prompt 的核心 5 层：
- 起始姿态：
starts standing left of frame/crouched low - 动作描述：单一动作，明确速率（
walks at normal pace/slow gentle rise） - 结束姿态：
exits frame right/holds position - 镜头与灯光：
static medium shot, soft golden hour light— 镜头别动，灯也固定 - 时长：4–6 秒最稳
英文 prompt 在可灵、Veo、Runway 三家通用 —— 写同一句描述，粘到哪个工具都能跑。
哪个模型跑哪种动作（截至 2026 年 6 月）
| 模型 | 最擅长 | 基础时长 | 入门价 | 备注 |
|---|---|---|---|---|
| 可灵 3.0 | 复杂人体动作（走、跳舞、布料、头发） | 最长 10 秒 | 标准版 $6.99/月 | 人物动作性价比之王；从参考图驱动效果尤其好 |
| Runway Gen-4.5 | 控制：首/尾关键帧、运动笔刷、角色一致性 | 约 10 秒 | 标准版 $15/月 | 在 Artificial Analysis 文生视频榜单排第一 |
| Veo 3.1 | 听 prompt、原生音频、4K、锁脸 | 8 秒（可延长） | API 约 $0.15–0.40/秒；Google AI Pro $19.99/月内含 | 可上传最多 4 张参考图，保持人脸 / 服装一致 |
关于 Sora：OpenAI 已于 2026 年 4 月 26 日下线 Sora 网页版与 App，其 API 也将在 2026 年 9 月 24 日停止，所以本文模板只面向上面这三家。
10 个可直接复制的 Prompt 模板
1. 人物走过镜头
使用场景：电影空镜、人物入场 · 建议模型：可灵 3.0
A young woman starts standing left of frame, walks across at normal pace from left to right, exits frame right, static medium shot, soft golden hour light, 5 seconds2. 回头一笑
使用场景：品牌片、情绪镜头 · 建议模型：Veo 3.1（用参考图锁脸）
A man stands facing away from camera, slowly turns his head over his right shoulder toward the camera, gentle smile, then holds position, static shot, 4 seconds3. 舞者一气呵成动作
使用场景：运动 / 舞蹈品牌 · 建议模型：可灵 3.0
A young dancer in athletic wear begins in a low crouch, smoothly rises and extends arms outward in a single breath-paced motion, static medium shot, soft window light, 5 seconds4. 咖啡师拉花
使用场景：咖啡品牌、生活方式视频 · 建议模型：Veo 3.1（液体 + 原生蒸汽）
A barista at a counter pours steamed milk into a coffee cup, single smooth pour, gentle steam, warm cafe lighting, slight slow-motion, static medium shot, 6 seconds5. 孩子抬头笑
使用场景：家庭 / 教育品牌 · 建议模型：可灵 3.0
A child laughing and looking up at falling autumn leaves, slow gentle giggle, single static medium shot, warm afternoon light, shallow depth of field, 5 seconds6. 工匠精神镜头
使用场景：手作 / 高端品牌 · 建议模型：Runway Gen-4.5（用运动笔刷框住锤子）
An older craftsman in a workshop slowly raises a hammer and taps a metal piece twice, focused expression, warm tungsten light, static slight low angle, 5 seconds7. T 台走秀
使用场景：时装周、品牌主视觉 · 建议模型：Runway Gen-4.5（用关键帧定起止姿态）
A model in evening wear walks slowly toward the camera on a polished runway, single smooth gait, soft top-down studio light, anamorphic 35mm, 6 seconds8. 滑板擦镜
使用场景：运动品牌、潮牌 · 建议模型：可灵 3.0
A teenager skateboarder pushes off and rolls past camera once, ground-level tracking shot, golden hour light, 35mm lens, slight motion blur on wheels, 5 seconds9. 动漫拔刀起手式
使用场景：动漫短片开场 · 建议模型：可灵 3.0 或 Runway Gen-4.5
A young swordsman draws his katana from sheath in a single fluid motion, dust kicks up at feet, slight slow-motion, hand-drawn 2D cel-shaded anime style, 4 seconds10. 科研人员检视
使用场景：医药 / 科技品牌 · 建议模型：Veo 3.1（听 prompt，玻璃 + 反光更稳）
A scientist in a lab coat slowly holds up a glass beaker, examines it under bright overhead light, single subtle hand rotation, clean lab background, 5 seconds容易踩的坑
- 一段写两个独立动作（“走过来然后转身”）—— 几乎做不稳。一段只写一个动作。
- 动作只写”做某事”不写起止位置 —— 模型会自己脑补中间帧，通常翻车。
- 让相机也动 —— 主体动 + 相机动叠加，错误率翻倍。先把镜头锁死。
- 让 AI 渲染手部精细动作（弹钢琴、敲键盘）—— 截至 2026 年中，手指仍是各模型最弱的地方，基本必爆。
- 时长超过 6 秒 —— 即便是可灵 3.0、Veo 3.1，后半段也会变形。先生成短的，再用延长或后期拼接。
下一步怎么改得更好
- 相机静止 + 主体动 = 三家模型共同的最稳组合。
- 想要慢动作，
slight slow-motion, breath-paced比单写slow motion更稳。 - 表情比大动作可控：
gentle smile, soft eyes比一个大幅度的换姿势更容易过。 - 写明道具在手里的位置（
cup held in right hand）—— 没锚定的道具会乱飘。 - 想让同一个角色反复出现，用 Veo 3.1 的参考图或 Runway Gen-4.5 的角色一致性，否则每次生成人脸都会变。
- 需要更长的镜头？把动作拆成 4–6 秒的小节再剪到一起，或用 Veo 3.1 的场景延长，别指望一条 prompt 跑出一整段长镜头。
常见问答 (FAQ)
Q：走过镜头时人物变形怎么办？
A：把 normal pace 改成 slow steady pace，再加 single smooth gait。动作越慢，模型要脑补的帧越少，四肢就越不容易崩。这条走路镜头用可灵 3.0 最稳。
Q：AI 视频里手指总是出问题怎么办？
A：尽量完全避免手部特写。如果画面必须有手，加 hands visible with five distinct fingers，并让手保持静止，别做精细动作。截至 2026 年 6 月，手指精细动作在可灵 3.0、Veo 3.1、Runway Gen-4.5 上都是最弱的一环。
Q：怎么让同一个角色出现在多个镜头里？
A：用 Veo 3.1 的参考图（最多 4 张：脸、服装、风格），或 Runway Gen-4.5 的角色一致性功能。光靠纯文字 prompt，人脸会在每次生成之间漂移。
Q：能在一个镜头里做”两个人对话”吗？
A：多人镜头目前仍不可靠。建议拆成两个单人镜头，后期做 split-screen 或正反打剪辑，远比让一条 prompt 同时画两个人稳。
Q：人物表情过渡为什么常常很僵？
A：表情变化也算”动作”，所以单段只做一种过渡。拆开做：第一段中性，第二段微笑，再剪到一起。
Q：新手该先从哪个模型上手？
A：预算有限、又主要做人物动作，先从可灵 3.0（标准版 $6.99/月）上手。需要关键帧或运动笔刷这类控制时选 Runway Gen-4.5；最看重听 prompt、4K 或锁脸时选 Veo 3.1。