Gemini Omni 生成视频的质量,很大程度上取决于背后的提示词。模型可以处理一句简短模糊的描述——但真正让一段视频从"普通生成结果"变成"能直接发布的成片"的,是包含场景、运镜、文字、音频等具体指令的提示词。下面结合 Gemini Omni 真实生成案例,讲讲怎么写出更贴合预期的提示词。
先选对生成模式
AI 视频生成器提供三种起手方式,选对模式和提示词本身一样重要:
- 文本/图片生成视频 —— 用文字描述场景,或上传单张图片让它动起来。适合从一个创意想法出发,而不是已有素材的场景。
- 参考图生成视频 —— 上传多张参考图来指定角色、产品或视觉风格,再描述它们应该如何运动和组合。适合需要保持特定外观一致性、而不是从零构思的场景。
- 首尾帧生成视频 —— 设定起始和结束画面,让模型补全中间的运动过程。适合你已经明确知道镜头开头和结尾长什么样的场景。
一条好的提示词应该包含什么
只写主体("一位教授在讲数学")会给模型留下太多不确定性。对比一下 Gemini Omni 真实案例里用到的提示词:
"一位戴眼镜的中年教授站在写满公式的绿色黑板前,讲解三角恒等式 sin²(x) + cos²(x) = 1,一边讲解一边转身面向镜头。"
注意它具体到了什么程度:主体和场景、精确的屏幕文字(这个公式)、以及和镜头相关的动作(转身面向镜头)。正是这种组合,让 Gemini Omni 能把公式清晰渲染出来,并且让构图符合预期,而不是靠模型自己猜。
一条扎实的提示词通常包含:
- 场景与主体 —— 画面里是谁、是什么,在什么地方。
- 运镜方式 —— 推镜、环绕、跟拍、低角度、固定机位——选和你脑海中画面匹配的方式。
- 屏幕文字——如果画面需要标题、字幕或公式精确渲染,就在提示词里逐字写出来。
- 音频与人声提示——如果对白、环境音或音乐对结果很重要,也要写清楚。
再看一个几乎完全靠运镜和光线描述构成的真实案例:
"生成一段 10 秒的电影感短片。稳定构图,轻微推拉,低角度英雄镜头。超广角建立镜头,轻微上仰角度,悬崖土路上有一辆复古旅行车位于画面下三分之一处,远处海平面,黄金时段侧逆光,尘埃中透出丁达尔光束。"
有效使用参考图
参考图生成视频支持在一条提示词里使用多张图片,并且可以直接引用它们。有一个案例在一条指令里组合了五张参考图:
"@image1 @image2 @image3 @image4 @image5,一镜到底跟拍镜头,从讲师站在白板前,到 UI 演示画面,再到结束页。全程保持黑板上手写的公式 'E = mc^2' 和标题'第一课:能量'清晰渲染。"
值得借鉴的规律是:参考图负责锚定"哪些内容要保持一致"(讲师、白板、UI 界面),而文字提示词负责描述连接这些画面的"运动过程",以及全程需要保持清晰可读的屏幕文字。
参考图也是实现角色/产品一致替换的关键,比如替换特定的歌手或演员,同时保持其它动作完全不变:
"把视频 1 里的女主唱替换成图片 1 里的男歌手,动作和原视频保持一致,不加多余镜头切换,乐队继续表演。"
用对话完成编辑和二创
因为 Gemini Omni 可以直接在对话里编辑,你不需要为了改一个细节而重新描述整个场景。下面两个真实案例展示了编辑指令可以有多精准:
"把这段视频里的一碗意面替换成一碗冬阴功汤。保持运镜、灯光、摆盘和桌面布置完全不变,新汤要自然升起蒸汽。"
"去掉这段视频里的水印。其它什么都不要改——保持原来的构图、运镜、调色和主体表演完全不变。"
它们的共同点是:先说清楚要改的那一件事,再明确说明哪些内容必须保持不变。后半句常常被人忽略,但它的重要性不亚于前半句——没有它,模型有更大的自由度去改动你原本想保留的部分。
常见误区
- 描述太笼统:"一个很酷的城市视频"几乎没给模型任何锚点。至少要写清楚镜头内容、氛围和一个具体的视觉细节。
- 没有运镜指令:如果不指定运动方式,就只能拿到模型的默认结果。如果运镜对你很重要,一定要明确写出来。
- 忘记写精确的屏幕文字:如果字幕、标题或公式需要正确渲染,就在提示词里逐字写出来,而不是笼统描述。
- 没有用参考图保持一致性:如果某个角色、产品或风格需要在多次生成中保持一致,应该上传参考图,而不是每次都重新用文字描述一遍。
常见问题
生成器支持哪些输入方式? 可以用文字提示词生成,也可以用一张或多张参考图生成。参考图有助于保持角色、产品和风格的一致性。
最多能上传多少张参考图? 图生视频支持上传多张参考图。上传你希望模型参考的画面,再描述它们应该如何运动和组合。
支持哪些视频时长和分辨率? 可选项取决于所选模型和套餐。可用时长、分辨率和对应的积分消耗会在生成前展示。
积分是怎么扣费的? 每次生成前都会显示所需积分,只有在你实际点击生成时才会扣费。
可以下载生成的视频吗? 可以——在浏览器里预览完成的片段后,即可下载 MP4,或者用新的提示词继续迭代。
