镜头语言提示词写法：景别、机位与转场

很多人用海螺这类视频生成模型时，只写「一只猫在草地上」，出来的素材平淡，问题往往不在模型，而在提示词里没有镜头语言。MiniMax 的 H 系列视频生成支持原生音频，意味着镜头节奏和声音是一起被生成的——你在提示词里写清楚景别、机位和转场，模型才知道「往哪拍、怎么拍、怎么接」。这篇就拆这三件事的写法，模板可以直接复制改用。

景别：先告诉模型「拍多大」

景别决定画面信息密度。远景交代环境、中景交代人物动作、特写交代情绪和细节。写提示词时把景别放在最前面，后面接主体和动作，例如「中景：一位穿米色风衣的女性在咖啡馆窗边搅拌咖啡」。同一主体可以分段写多个景别，生成多段素材再剪辑，比指望一次生成一部长镜头靠谱得多。细节想突出就上特写并点名材质，比如「特写：咖啡杯沿的热气与拉花的奶泡纹理」。

机位与运镜：用动词描述「怎么拍」

机位描述拍摄高度和角度：平视、俯拍、仰拍、过肩、跟拍、手持晃动。运镜用具体动词：推近（push in）、拉远（pull out）、横移（pan/tracking）、环绕（orbit）、升降（crane）。写法上遵循「机位 + 运镜 + 主体 + 光线」的顺序，光线和时段（黄昏逆光、正午顶光）会强烈影响成片质感，值得写进去。注意一次生成里别塞超过两三个运镜动作，模型容易顾此失彼；复杂调度拆成多段生成再剪。

转场：单段内的衔接与多段的拼接

需要说明：单次视频生成的时长有限，跨场景的硬转场更多是靠生成多段素材后在剪辑软件里完成，但你可以让每段的首尾画面「预留接缝」——比如 A 段结尾是「镜头推向门缝，画面渐暗」，B 段开头是「黑场中镜头从门缝拉开到新房间」。提示词里明确写首帧和尾帧的状态，接起来就顺。段内的小转场（如物体遮挡、甩镜）可以直接写进单段提示词。

模板一：单镜头描述（可直接粘贴）

【景别】中景
【机位】平视，轻微手持晃动感
【运镜】镜头缓慢向右横移，跟随人物
【主体与动作】一位穿米色风衣的年轻女性走在秋日街道上，手插口袋，落叶从她身侧飘过
【环境】法国梧桐街道，午后斜射阳光，景深较浅，背景虚化
【画面质感】电影感，暖色调，35mm 胶片质感
【音频】环境音：脚步声、远处车流、轻微风声；无对白

字段按需删减，但【景别】【运镜】【主体与动作】这三项建议保留——它们是镜头语言的骨架。

模板二：分镜序列（多段生成用）

按以下分镜分别生成 3 段视频素材，主体、光线、色调保持一致：

镜头 1
景别：远景
机位：略高角度俯拍
内容：清晨的城市天际线，薄雾，镜头缓慢升降摇过楼群
光线：日出冷蓝色调，暖光从楼群间隙透出
音频：城市远景环境音，鸟鸣

镜头 2
景别：中景
机位：平视，过肩跟拍
内容：一位戴耳机的男士骑着自行车穿过街道，镜头从他侧后方跟随
光线：清晨侧逆光，轮廓光明显
音频：车轮转动声、街道环境音

镜头 3
景别：特写
机位：平视，固定机位
内容：自行车轮辐条特写，水洼倒影被车轮碾过，慢动作
光线：延续镜头 2 的侧逆光
音频：车轮声放大、水声，随后渐弱

要求：三段色调统一为清晨冷调带暖光，便于剪辑衔接。镜头 3 结尾画面渐暗，方便接黑场转场。

视频之外：语音与文案要跟镜头对齐

MiniMax 家族里语音克隆和 TTS 是强项，而 H 系列视频自带音频生成——如果你打算后期用 TTS 旁白替换或叠加，写文案时按「每句对应一个镜头」来切，句长和景别信息密度匹配：远景配铺陈句，特写配短促有力的一句。把旁白文案连同分镜表一起交给模型或 agent（MiniMax 的 agent 能力可以做这种多步骤串联）排期生成，素材和口播节奏对得上，剪辑效率会明显提升。语音克隆的具体可用音色与授权要求，以官方页面为准。

镜头语言的本质是把「我想看到的画面」翻译成模型可执行的拍摄指令。景别定信息量、机位定视角、转场定节奏，三个都写清楚，海螺出来的素材就从「能用」变成「好剪」。下次生成前，先用模板二把分镜列出来，比反复重抽单段省时间得多。