电影感视频和”AI 拍出一段好看的画面”是两码事。前者关心镜头语言、调度、节奏、色调；后者只是一帧好看的图动起来。单写一个 cinematic 基本没用——Sora 2、Veo 3.1、Kling 2.5 都会直接忽略这个词。本文给出 10 套可直接复制的 AI 电影感视频 Prompt 模板，覆盖一镜到底、长镜头跟随、Dutch Angle、慢动作、对话戏等典型场景，每套都标了最适合的模型。
本文规格已于 2026 年 6 月对照 Sora 2、Veo 3.1、Kling 2.5 Turbo 核实。
一句话速览（TL;DR）
- 先写镜头运动，再写主体。
slow dolly in的权重比cinematic大得多。 - 单镜头时长控制在 5–8 秒最稳——虽然三家现在都能生成更长片段。
- 三家现在都支持原生同步音频（2026 年 6 月）。Sora 2 和 Veo 3.1 都能一次生成对话 + 环境音 + 配乐，用
dialogue:和ambient:行给提示。 - 一个镜头只放一个主体、一个动作、一个时间段。克制就是全部诀窍。
AI 电影感视频 Prompt 的七层结构
- 场景：地点 / 时间 / 氛围
- 主体动作：人物或物体在做什么
- 镜头语言：dolly in、tracking shot、orbit、Dutch angle、whip pan
- 机位与焦段：35mm wide / 50mm / 85mm anamorphic
- 光线：自然光 / 实景光（practical lights）/ 影棚布光
- 色调与胶片感：anamorphic、film grain、color grade 引用
- 节奏与时长：起手、动作、收尾的 3 段叙事
经验：电影感视频 Prompt 里，对镜头语言的描述比对画面的描述权重大得多。写
slow dolly in比写cinematic重要 5 倍。
10 个可直接复制的 Prompt 模板
1. 缓推近景（人物注视镜头）
最适合模型： Veo 3.1（写实人物 + 微表情 + 自然窗光最稳，还能配一声同步的呼吸或抽气）。
Slow cinematic dolly-in toward a 28-year-old woman sitting at a rain-lit window, her gaze gradually meeting the camera in the last second
Camera: 50mm anamorphic, shallow depth of field, slow steady push
Lighting: cool blue evening light through window, single warm practical lamp on her face
Color: teal-and-amber grade, deep shadows, slight film grain
Mood: introspective, quiet, narrative beat
Duration: 5 seconds, slow paced
Aspect: 2.39:1 anamorphic适合：开篇镜头、情感铺垫、片头氛围。
2. 一镜到底跟随（行走中）
最适合模型： Sora 2（霓虹 + 湿地反光 + 跟随长镜头是 Sora 2 的招牌组合）。
Cinematic tracking shot following a young man walking through a Tokyo back alley at dusk, camera follows from behind at hip height, steady gimbal motion
Camera: 35mm wide, slight handheld feel, smooth follow
Lighting: warm neon signs reflecting on wet pavement, mixed magenta and cyan glow
Color: high contrast night cinema, slight teal shadows, warm highlights
Mood: contemplative urban wander, In the Mood for Love-style
Duration: 8 seconds, walking pace
Aspect: 2.39:1镜头描述用 tracking shot following from behind, hip height 比 cinematic 更有用。
3. 慢动作动作戏
最适合模型： Sora 2（慢动作物理 + 水滴飞溅 + 风格化光线，Sora 2 表现最稳）。
Slow-motion cinematic shot of water splashing as a runner sprints through a shallow puddle
Camera: 50mm, low angle close to ground, slight tilt up, smooth tracking
Lighting: golden hour backlight, water droplets glistening
Frame rate: 240fps slow motion playback, hyper-real detail
Color: warm cinematic grade, subtle teal in shadows
Mood: kinetic, epic, sport commercial energy
Duration: 4 seconds slow-mo, single hero motion
Aspect: 2.39:1240fps slow motion playback 是关键，比 slow motion 单独写权重大。
4. 对话双人镜头（OTS 过肩）
最适合模型： Veo 3.1（台词、口型同步、photoreal 人脸最稳；Sora 2 也能出同步台词，但 Veo 的口型和写实皮肤更干净）。
Cinematic over-the-shoulder shot of two people having an intense conversation at a small wooden table in a dim cafe, focus on the listener's face
Camera: 85mm shallow depth, OTS framing, listener in focus, speaker's shoulder soft in foreground
Lighting: single warm practical pendant lamp overhead, cool ambient blue from window
Color: classic cinema grade, warm-cool split
Mood: emotional tension, quiet conflict, A24 film feel
Duration: 6 seconds, subtle micro-expression change
Aspect: 2.39:1
dialogue: speaker — "你早就知道了，对吧？"
ambient: low cafe murmur, coffee machine hissA24 film feel 这类参考词模型识别度很高。
5. Dutch Angle / 倾斜构图
最适合模型： Sora 2（风格化、超现实、低饱和恐怖片调色，Sora 2 最对路）。
Cinematic Dutch angle shot of a corridor in an abandoned hospital, camera tilted 20 degrees, slow dolly forward into the depth
Camera: 35mm wide, anamorphic flare, tilted frame
Lighting: flickering fluorescent overhead, deep shadow pockets, cold blue temperature
Color: desaturated horror cinema grade, slight green tinge in shadows
Mood: unsettling, ominous, tension building
Duration: 6 seconds, slow forward
Aspect: 2.39:1Dutch Angle 一定要写明 tilted X degrees，模型才能稳定输出。
6. Epic 风景广角
最适合模型： Sora 2 或 Kling 2.5（西方山脉用 Sora 2；如果是黄山、张家界等中国山景，Kling 2.5 识别度更高，单段可跑满 10 秒并锁定首尾帧）。
Sweeping aerial cinematic shot rising up over a misty mountain range at dawn, slowly revealing a lone figure on a cliff edge
Camera: drone, wide 24mm, slow vertical rise and slight push forward
Lighting: dawn golden hour, mist filling valleys, sun cresting horizon behind
Color: warm pastel grade with deep blue shadow valleys, cinematic LUT
Mood: epic, contemplative, opening title card
Duration: 8 seconds, slow ascend
Aspect: 2.39:1drone, wide 24mm, slow vertical rise 这种”航拍 + 起势”的描述对 Sora / Veo 反应很好。
7. 城市夜景空镜
最适合模型： Sora 2（赛博朋克霓虹 + 高饱和洋红青色，Sora 2 的风格化色彩最强；如果是香港、上海等中国都市，Kling 2.5 也行）。
Cinematic time-lapse of Hong Kong skyline at dusk turning into night, camera locked off, neon signs gradually intensifying
Camera: static tripod, 35mm, deep focus
Lighting: natural dusk transition to night, neon signs and car trails accelerating
Color: cyberpunk neon grade, high saturation magenta and cyan
Mood: city pulse, energy, atmospheric opener
Duration: 6 seconds, dusk-to-night transition
Aspect: 2.39:1时延镜头（time-lapse）适合做开场和过场，比生成动作镜头稳得多。
8. 主观视角（POV）
最适合模型： Sora 2（POV 风格化 + 火把光晕 + 复杂运动镜头，Sora 2 最稳）。
Cinematic POV shot from a character walking up a stone spiral staircase in an ancient castle, torchlight flickering on walls, hand holding torch enters frame from below
Camera: 24mm wide, slight handheld feel, gimbal-stabilized
Lighting: warm torchlight only, deep shadows in stone walls
Color: warm orange highlights, deep blue shadows, slight grain
Mood: tense exploration, dungeon crawl, RPG cinematic
Duration: 7 seconds, walking up
Aspect: 16:9POV 视角 Sora 和 Runway 都能稳定，关键词是 POV from character + hand entering frame。
9. 静物特写（产品广告感）
最适合模型： Veo 3.1（写实物理 + 液体折射 + 商业感写实质感，Veo 3.1 默认就能跑）。
Cinematic macro shot of a single drop of water falling into black coffee in slow motion, ripple expands across surface
Camera: 100mm macro, dead-center, extreme close-up
Lighting: hard top key light, deep black background, single rim light from behind cup
Color: rich amber and black, high contrast, premium commercial grade
Mood: luxurious, slow, indulgent
Duration: 3 seconds, single hero action
Aspect: 16:9广告类静物镜头，加 100mm macro 和 single hero action 几乎不会翻车。
10. 双人快慢节奏交替
最适合模型： Kling 2.5（10 秒单镜头是 Kling 2.5 的强项，还能锁首尾帧；Sora 2 Pro 也能跑更长）。
Cinematic sequence of a young couple dancing in a sunlit empty ballroom, sequence transitions from slow waltz close-up to spinning wide shot, motion-matched cuts
Camera: starts 85mm shallow close on hands, transitions to 24mm wide spinning around the couple, smooth steadicam
Lighting: warm afternoon sunlight through tall windows, soft golden particles in air
Color: dreamy warm grade, soft highlights, slight film bloom
Mood: nostalgic, romantic, La La Land aesthetic
Duration: 10 seconds, two-shot sequence
Aspect: 2.39:1电影长片才有的”镜头切换”模型逐渐能做，关键写明 transitions from X to Y, motion-matched cuts。
Sora 2 vs Veo 3.1 vs Kling 2.5：哪个模型擅长哪种镜头
上面每个模板都标了”最适合模型”。截至 2026 年 6 月，三家都已支持原生同步音频，所以过去”Sora 没声音、Veo 有声音”的区分已经不成立。现在真正的差别在于物理表现、风格化能力，以及各自训练侧重的内容：
- Sora 2：风格化电影感。复杂镜头运动（dolly、tracking、航拍、一镜到底）、超现实 / 抽象主体、霓虹和黄金时刻色彩、城市夜景。原生单段 4–12 秒，Sora 2 Pro 可到 25 秒。现在能生成同步对话、音效和环境声。720p–1080p（Pro 才有 1080p）。Sora App 默认是 10 秒、9:16 竖屏。
- Veo 3.1：真实物理、自然光、对话与口型同步、写实人物、干净的原生音频（对话 + 环境音 + 配乐一次生成）。基础单段 8 秒，可通过场景串接（scene chaining）接成更长序列。分辨率支持 720p、1080p 或 4K。风格化和超现实变形偏保守——而这恰恰是咖啡馆、窗边这类写实场景想要的。
- Kling 2.5 Turbo：中国地理和文化场景特别强（黄山、张家界、梯田、灯笼节、雪山、传统建筑）。单段 5 秒或 10 秒，最高 1080p（支持 HDR），30+ fps，可锁定首帧和尾帧。队列费用通常最便宜。西方明星脸和复杂西方建筑较弱。
选模型时的快速规则：
- 镜头需要真实物理运动、口型同步台词或写实人物 → Veo 3.1。
- 镜头是风格化、超现实、城市夜景或围绕复杂运动展开 → Sora 2。
- 镜头是中国场景、需要锁首尾帧、或预算敏感 → Kling 2.5。
三家规格小差异（2026 年 6 月）
| Sora 2 | Veo 3.1 | Kling 2.5 Turbo | |
|---|---|---|---|
| 支持比例 | 16:9, 9:16, 1:1 | 16:9, 9:16 | 16:9, 9:16, 1:1 |
| 原生单段时长 | 4–12 秒（Pro 可到 25 秒） | 8 秒，可串接延长 | 5 秒或 10 秒 |
| 分辨率 | 720p–1080p（Pro 才有 1080p） | 720p / 1080p / 4K | 最高 1080p，支持 HDR |
| 原生音频 | 有（对话 + 音效 + 环境声） | 有（对话 + 环境音 + 配乐） | 有 |
| 音频 Prompt 语法 | dialogue: 和 ambient: 提示行 | dialogue: 和 ambient: 提示行 | 在场景描述里写环境声 |
| 帧控制 | 无固定尾帧 | 首帧 / 尾帧 ingredients | 首帧 + 尾帧 |
| 单次生成成本 | 中等 | 最高 | 通常最便宜 |
| 弱项 | 手指、画面文字 | 重风格化、超现实变形 | 西方人脸、复杂西方建筑 |
实际应用：如果分镜里只有一两个镜头需要口型同步台词和写实皮肤，把那一两个镜头放到 Veo 3.1 生成，其余镜头放到 Sora 2 或 Kling 2.5，不要逼一个模型全做。
官方规格参考：OpenAI Sora 2、Google DeepMind Veo、Kling AI。
镜头语言速查表（最常用）
| 想要 | 关键词 |
|---|---|
| 缓慢推进 | slow dolly in |
| 后撤拉远 | slow dolly out / pull back reveal |
| 跟随人物 | tracking shot following [subject] |
| 环绕 | slow orbital shot around [subject] |
| 仰拍英雄镜头 | hero low-angle shot |
| 俯拍上帝视角 | top-down god's-eye view |
| 摇镜头 | slow pan from left to right |
| 急转镜头 | whip pan transition |
| 手持感 | handheld shaky feel, slight motion |
| 升降 | crane shot, slow vertical rise |
色调引用速查
| 想要 | 写法 |
|---|---|
| 王家卫 | In the Mood for Love color grade, warm reds, deep teals |
| Drive 电影 | Drive movie grade, magenta and cyan neon |
| Wes Anderson | Wes Anderson color palette, pastel symmetry |
| Blade Runner 2049 | Blade Runner 2049 grade, amber haze and cyan |
| Christopher Nolan | Nolan film grade, desaturated, clinical |
| A24 | A24 film aesthetic, naturalistic |
| Studio Ghibli | Studio Ghibli color palette, warm pastoral |
容易踩的坑
- 只写”电影感”：
cinematic这个词单独使用模型基本忽略。要给具体镜头 / 色调 / 参考。 - 动作太复杂：5 秒镜头里写”走到桌前，拿起杯子，转身看窗外”——AI 视频生成几乎做不到。一个镜头一个动作。
- 不指定时长 / 节奏：写
duration: 5 seconds, slow paced比不写好得多。 - 机位漂移：要么明确
static tripod，要么明确slow dolly in。不写的话模型自己乱晃。 - 多镜头切换：当前主流 AI 视频模型还不能稳定做多镜头剪辑。建议生成单镜头，再用剪辑软件拼。
下一步怎么改得更好
- 分镜先行：先在纸上画 4-6 个分镜，每个分镜单独生成 5 秒视频，最后拼起来。
- 音乐先做：先决定音乐和节奏，每个镜头按音乐节拍设计动作时长。
- 同色调一致：所有镜头的 Color 段保持一致，避免成片色调断层。
- 稳定的镜头优先：dolly in / static / slow tracking 比复杂运动稳定得多。复杂镜头放在 hero shot 单点突破。
FAQ
Q：Sora 2 / Veo 3.1 / Kling 2.5 哪个对电影感最好？ 没有唯一赢家。Veo 3.1 最适合写实人物、自然物理和口型同步台词；Sora 2 最适合风格化、超现实、霓虹和复杂一镜到底运镜；Kling 2.5 最适合中国山水、锁首尾帧和预算敏感的批量生成。任何 hero shot 都建议三家各跑一遍同一个 Prompt，挑最好的一条。
Q：这些模型会出声音吗，还是我还得后期配音？
截至 2026 年 6 月，三家都生成原生同步音频。Sora 2 和 Veo 3.1 在你加了 dialogue: 和 ambient: 提示行后，会一次生成对话、音效和环境声。只有当你需要某一首有版权的音乐时，才需要后期单独配音。
Q：单个电影感镜头能多长？ Sora 2 原生 4–12 秒（Sora 2 Pro 可到 25 秒），Veo 3.1 基础 8 秒（可串接延长），Kling 2.5 为 5 秒或 10 秒。单个不剪辑的镜头里，5–8 秒最稳，更长就更容易漂。
Q：怎么避免人物变形？ 减少剧烈动作、避免脸部特写大幅旋转、单镜头动作时长尽量 ≤ 8 秒，复杂运动留给 hero shot 单点突破。详见 AI 视频动作不连贯怎么办。
Q：怎么让多个镜头风格统一？ 所有镜头的 Lighting + Color + Aspect 三层保持一致，每个 Prompt 末尾贴同一段 color grade reference。
Q：怎么生成图转视频（保留人物特征）？ 看 AI 图片转视频 Prompt。从图开始能极大稳定人物一致性，Kling 2.5 的首尾帧功能在这里尤其好用。