为什么提示词决定成败
很多人第一次用可灵，输入"一只猫"，得到一只静止不动、画面僵硬的猫，然后得出结论"AI 视频不过如此"。问题不在模型，在提示词——视频提示词和图片提示词是两种东西。
图片提示词描述的是"画面里有什么"，视频提示词必须额外描述"什么东西在动、怎么动、镜头在做什么"。可灵默认会尽量保持画面稳定，你的提示词里没有动作，它就真的给你一个静止画面。
记住一句话：AI 视频没有动作就没有灵魂。你写的每一个词，都在告诉模型"这一秒和下一秒有什么不一样"。
准备工作
开始前需要准备三样东西：
- 账号：可灵官网（klingai.com）注册，国内可直接访问，无需特殊网络环境
- 一张好图（可选但强烈建议）：如果你打算做图生视频，先准备一张清晰、主体明确、构图完整的图片。图片质量直接决定视频质量
- 一段能描述"动作"的中文：不需要多优美，能把"谁在做什么、环境怎么变"说清楚就够了
免费额度说明：可灵每天送一定的免费积分，够你练手。免费版导出的视频带水印，去水印需要付费或用其他工具处理。
第一步：先判断用文生视频还是图生视频
这是最关键的选择，选错了后面全是白费功夫。
| 场景 | 推荐方式 | 原因 | |---|---|---| | 有人物的画面 | 图生视频 | 文生视频容易让人脸变形、五官漂移 | | 纯风景、氛围镜头 | 文生视频 | 无需精确控制，文生更自由 | | 已有满意的图片 | 图生视频 | 保留原图构图，只加动效 | | 需要特定构图 | 图生视频 | 文生视频构图不可控 |
经验法则：只要画面里出现人脸，一律走图生视频。这不是技术缺陷，是当前所有文生视频模型的通病——人脸是模型最难稳定输出的对象。
第二步：写出合格的提示词（附可直接套用的公式）
视频提示词有一个稳定的三段式结构：
公式：主体 + 动作 → 环境变化 → 镜头语言
拆开看每一段该写什么：
① 主体 + 动作（必须写，且必须是"正在发生"的动作） - 差："一只柯基" - 好："一只柯基在草地上奔跑，耳朵随跳跃上下抖动"
② 环境变化（让画面"活"起来） - 差："草地上" - 好："风过草浪起伏，阳光从云缝里洒下来"
③ 镜头语言（控制观感，很多人漏掉这段） - "镜头缓缓拉远" / "镜头缓慢推进" / "镜头围绕主体环绕" / "固定机位，只有主体移动"
组合后的完整示例（可直接复制修改）：
一只柯基在草地奔跑，耳朵随跳跃上下抖动，风过草浪起伏， 阳光从云缝洒下，镜头缓缓拉远，电影感画面，4K 高清
再给三个不同类型的模板：
【风景氛围】 海浪缓慢拍打礁石，水花在阳光下飞溅，云层缓慢流动，镜头缓慢横移，黄昏暖色调，电影质感
【人物动作】 一位女性缓缓转头看向镜头，发丝随动作轻扬，背景是虚化的城市夜景，镜头固定机位微微手持晃动
【产品展示】 一瓶香水静置在石台上，水珠沿瓶身缓缓滑落，光线缓慢掠过瓶身，镜头缓慢环绕，高级质感 ```
关键词清单（可自由组合）： - 动作类：奔跑、漂动、旋转、飘落、闪烁、缓缓升起、逐渐消散 - 环境类：光影移动、云层流动、水面涟漪、烟雾弥漫、花瓣飘落 - 镜头类：缓推、缓拉、横移、环绕、俯拍、仰拍、固定机位
避坑提醒：不要写"快速""剧烈""急速"这类词，容易导致画面崩坏。AI 视频擅长缓慢、连续、平滑的运动，不擅长高速、剧烈、复杂的动作。
第三步：参数怎么设置
可灵的主要参数不多，但每个都影响结果：
- 生成时长：一般选 5 秒。10 秒版本更容易在后半段出现画面崩坏，新手建议先用 5 秒
- 画面比例：短视频用 9:16（竖屏），横屏视频用 16:9，方形素材用 1:1
- 运动幅度：这个参数很关键。从小往大调——先试低幅度，看画面稳定后再加。幅度调太高是最常见的崩坏原因
- 提示词相关度：数值越高越严格按照提示词生成，但过高会让画面僵硬。建议中等偏上
省钱技巧：先用低分辨率/低积分档位试 2–3 个提示词变体，确认哪个方向对，再用高质量档位生成最终版本。直接上最高档位试错，积分消耗极快。
第四步：从生成结果到成品
生成出来只是半成品，还需要处理：
1. 筛选：同一个提示词生成 2–4 条，挑最自然、最没有崩坏的一条。AI 生成有随机性，一条不满意不代表方向错了 2. 裁剪：5 秒素材里最有价值的往往只有 2–3 秒。把开头和结尾的模糊帧裁掉 3. 调色（可选）：用剪映等工具统一色调，让素材融入整体视频 4. 去水印：免费版水印在角落，可用剪映的模糊/遮盖功能处理，或直接付费导出 5. 拼接：多个 5 秒片段拼接成完整视频，每个片段之间用转场连接
实操建议：不要试图用一条 5 秒视频讲完一个故事。AI 视频的正确用法是做"氛围镜头"和"转场素材"——一段云雾流动、一段水波荡漾、一段光影变幻，插入实拍或图文视频中，观感立刻提升。
常见坑与排错
坑 1：人脸变形 症状：生成的人物五官扭曲、眼睛位置漂移。 解决：改用图生视频，上传一张清晰正脸图。如果必须文生视频，让人物背对镜头或戴帽子遮挡面部。
坑 2：动作不自然、像定格动画 症状：画面卡顿、动作跳跃不连贯。 解决：把运动幅度调低；把提示词里的动作改得更缓慢（"奔跑"→"缓缓行走"）；生成时长缩短到 5 秒。
坑 3：画面静止，几乎没动 症状：视频看起来就是一张图。 解决：提示词里缺少动作描述或镜头语言。补上"镜头缓慢推进"这类词。注意——镜头运动不算动作，如果你想要主体动，必须明确写主体的动作。
坑 4：后半段画面崩坏 症状：前 2 秒正常，后面出现画面撕裂、物体变形。 解决：缩短时长；让镜头运动更平缓；避免在提示词里塞太多元素。
坑 5：水印去不掉 免费版水印是模型直接渲染进画面的，不是简单叠加。裁剪或模糊可以弱化，彻底去除需付费。
进阶技巧
技巧 1：用图生视频做"动态照片" 上传一张老照片或静态写真，提示词写"人物缓缓眨眼，头发轻微飘动，背景光线缓慢变化"，可以得到非常自然的动态效果，适合做纪念视频。
技巧 2：同一主体的一致性 想做系列视频、同一个人物出现在多个片段？保持每一段的参考图相同，提示词里的主体描述逐字一致，能大幅提升人物一致性。
技巧 3：首尾帧控制 部分版本支持指定首帧和尾帧，中间由 AI 补全。这比纯文生视频可控得多——你可以精确决定"从什么样变成什么样"。
技巧 4：提示词的"减法" 新手容易把提示词写得又长又复杂，堆砌十几个元素，结果模型顾此失彼。要素控制在 3–5 个以内，每次只让画面做一件事，效果反而更好。
小结
可灵做视频的核心逻辑其实很简单：
1. 画面里有人脸 → 用图生视频，这是最省事的选择 2. 提示词写成三段式：主体动作 → 环境变化 → 镜头语言 3. 运动幅度从小往大调，缓慢平滑是 AI 视频的舒适区 4. 把 AI 视频当氛围素材用，不要指望一条 5 秒讲完故事 5. 多生成几条再挑，随机性是特性不是缺陷
按这个流程走一遍，你半小时内就能产出第一条能用的 AI 视频素材。
下一步：学会做视频后，可以看看《讯飞配音 + 剪映：自动生成视频配音》——把配音和 AI 画面结合，就能做出完整的口播视频。