Pisz prompty, które reżyserują Twój teledysk, ujęcie po ujęciu
Teledysk AI jest tak dobry, jak prompt, który za nim stoi. Oto praktyczny przewodnik, jak opisać piosenkę niczym reżyser — formuła ujęcia, język kamery, jak zsynchronizować cięcia z rytmem i jak sprawić, by Twój wokalista wyglądał na tę samą osobę od pierwszej do ostatniej klatki.
Przestań pisać podpisy. Zacznij pisać listy ujęć.
Największy skok jakości Twoich teledysków AI to nie lepszy model — to lepszy prompt.
Większość ludzi opisuje piosenkę tak, jak napisałaby podpis: "smutna dziewczyna w deszczu, filmowo." Model musi wtedy zgadnąć wszystko, co ma znaczenie — kim ona jest, co robi, gdzie stoi kamera, jak pada światło, kiedy następuje cięcie. Prompt do teledysku działa odwrotnie. Podajesz AI listę ujęć: konkretny obiekt, precyzyjną akcję, wykadrowany ruch kamery, określony styl i parę ograniczeń. Przestajesz mieć nadzieję, a zaczynasz reżyserować.
Smutna dziewczyna w deszczu, filmowo, emocjonalnie, pięknie, 4k
Plan średni, młoda kobieta w przemoczonym szarym płaszczu stoi pod latarnią, powoli opuszczając głowę, gdy deszcz spływa jej po twarzy. Kamera delikatnie najeżdża do zbliżenia. Chłodne niebieskie nocne światło, miękkie odbicia na mokrym asfalcie, filmowy charakter taśmy. Bez tekstu na ekranie.
Ten sam pomysł. Jeden zostawia wynik przypadkowi; drugi daje ujęcie, które miałeś przed oczami.
Anatomia promptu ujęcia
Osiem elementów, mniej więcej w tej kolejności. Nie potrzebujesz wszystkich ośmiu za każdym razem — ale im więcej ustalisz, tym mniej AI improwizuje.
Obiekt + Akcja + Sceneria + Światło i kolor + Kamera + Styl + Jakość + Ograniczenia1 · Obiekt
Kto lub co jest na ekranie. Określ to dwiema–trzema stałymi cechami wizualnymi — ubiór, włosy, wiek, typ — żeby AI mogło je rozpoznać i utrzymać niezmienione między ujęciami.
młoda kobieta w czerwonej jedwabnej sukni i słomkowym kapeluszu
2 · Akcja
Co robi obiekt, opisane przez część ciała i stopień. "Unosi rękę" bije "porusza się." Stawiaj na ruch powolny, ciągły i połączony zamiast dzikiej akcji — generuje się znacznie czyściej.
powoli unosi podbródek i obraca głowę w stronę okna
3 · Sceneria
Gdzie to się dzieje i co otacza obiekt — miejsce, pora dnia, elementy pierwszego planu i tła, które budują świat.
korytarz na dachu skąpany w neonach nocą, hologramowe reklamy migoczące w tle
4 · Światło i kolor
Tu mieszka nastrój. Nazwij kierunek światła, jego ciepło i paletę — ta sama scena czyta się jak romans albo jak groza, zależnie od tej jednej linijki.
ciepłe złote światło pod słońce o złotej godzinie, miękkie cienie, paleta bursztynu i morskiej zieleni
5 · Kamera
Jak to nakręcone: wielkość planu i jeden ruch kamery. To różnica między płaskim klipem a wyreżyserowanym kadrem. Trzymaj jeden ruch na ujęcie.
powolny najazd z planu szerokiego do zbliżenia
6 · Styl
Ogólna reżyseria plastyczna — film aktorski, animacja 2D, animacja 3D, malarstwo tuszem, plastelina, pixel art. Podaj go wprost, bo inaczej realistyczne zdjęcie referencyjne po cichu pociągnie wszystko ku filmowi aktorskiemu.
styl anime 2D, rysowane ręcznie, cieniowanie cel
7 · Jakość
Wykończenie: ostrość, faktura i filmowe walory, które chcesz wpisać na stałe. Wystarczy krótkie, standardowe sformułowanie.
wysoka rozdzielczość, bogactwo detali, faktura taśmy filmowej, naturalny kolor
8 · Ograniczenia
Czego nie chcesz. Najbardziej przydatne negatywy trzymają poza kadrem zbłąkany tekst, znaki wodne i logo oraz powstrzymują dryf stylu.
bez napisów, bez znaku wodnego, bez logo
Mów językiem kamery
Modele wideo AI reagują precyzyjnie na standardowe pojęcia filmowe. Naucz się tego słownictwa, a wykadrujesz dowolne ujęcie w kilku słowach. Złota zasada: jeden ruch kamery na ujęcie — wrzucenie najazdu, panoramy i zoomu w jedną linijkę czyni obraz niestabilnym.
Ruchy kamery
Najazd
Kamera zbliża się do obiektu — buduje intymność lub napięcie. Koń roboczy do zbliżenia na refren.
Odjazd
Kamera cofa się, by odsłonić kontekst — świetny do odkrycia albo by dać scenie oddech na końcu wersu.
Panorama
Kamera obraca się w lewo lub w prawo wokół stałego punktu — przejeżdża po scenie, tłumie czy panoramie miasta.
Pochylenie
Kamera obraca się w górę lub w dół — wznosi się od stóp do twarzy albo opada z nieba na ulicę.
Jazda / dolly
Kamera podąża obok obiektu — energia spaceru z rozmową, która utrzymuje w kadrze idącego wokalistę.
Orbita
Kamera krąży wokół obiektu — łuk 180° lub 360°, który go eksponuje. Idealne na hak.
Żuraw / wysięgnik
Kamera wznosi się lub opada w przestrzeni — unosi się do planu szerokiego dla skali albo schodzi w sam środek akcji.
Zoom
Ogniskowa zmienia się, by powiększyć lub skompresować — ostre zoomy akcentują uderzenie rytmu; powolne dodają niepokoju.
Wielkości planów
Plan totalny
Obiekt mały w wielkim świecie — ustala miejsce i skalę, ujęcie otwierające piosenkę.
Plan szeroki / pełny
Cała sylwetka w kadrze — najlepsza wielkość do choreografii i ruchu całego ciała.
Plan średni
Od pasa w górę — domyślny plan rozmowy; czyta razem mowę ciała i twarz.
Zbliżenie
Twarz wypełnia kadr — emocja, synchronizacja ust, popisowe ujęcie refrenu.
Detal / makro
Pojedynczy szczegół — oczy, dłonie na strunach, spadająca łza — na cięcia rytmiczne i fakturowe.
Kąty i perspektywy
Na wysokości oczu
Neutralnie i naturalnie — widz spotyka obiekt jak równy z równym.
Z dołu (żabia perspektywa)
Kamera patrzy w górę — czyni obiekt potężnym, heroicznym, większym niż życie.
Z góry (ptasia perspektywa)
Kamera patrzy w dół — czyni obiekt mniejszym, bezbronnym lub zagubionym.
Zza ramienia
Kadruje obok jednej postaci ku drugiej — więź, dialog, napięcie między dwojgiem.
POV / pierwsza osoba
Spojrzenie samego obiektu — wciąga widza do środka chwili.
Z lotu ptaka / dron
Wysoko nad ziemią, patrząc w dół — rozległe krajobrazy, tłumy, epicka końcówka.
Wskazówka eksperta: jeden ruch na ujęcie. Chcesz najazd i orbitę? Zrób z nich dwa ujęcia i przetnij między nimi — cięcie jest częścią muzyki.
Spraw, by się ruszało — i by coś czuć
To, jak opisujesz akcję, decyduje, czy ujęcie wygląda żywo, czy jak migocząca fotografia. Cztery nawyki dzielą czysty ruch od rozpływającej się papki.
Bądź konkretny co do części ciała
Nazwij część i stopień: "powoli unosi prawą rękę," "przechyla głowę o kilka stopni," "mocno opiera stopę." Mgliste czasowniki jak "porusza się" czy "tańczy" zapraszają chaos.
Stawiaj na ruch powolny i ciągły
Delikatne, połączone mikroruchy generują się pięknie; wybuchowe sprinty, wielkie skoki i gwałtowne obroty zwykle się deformują. Zachowaj wysoką energię na cięcia, nie na pojedyncze ujęcie.
Napisz przejście
Połącz jedną akcję z następną, by ruch miał rozpęd: "wykorzystując rozpęd obrotu, unosi ramię," zamiast dwóch niepowiązanych póz.
Uzewnętrznij emocję
Nie pisz "jest smutna." Napisz ciało, które to pokazuje. Model nie wyrenderuje przymiotnika — wyrenderuje drżące ramię.
Zamień piosenkę w listę ujęć
Teledysk to nie jeden prompt — to sekwencja. Podziel piosenkę na części i daj każdej własne ujęcie. Myśl na osi czasu: kto, gdzie, co robi i jak porusza się kamera, w kolejności, w jakiej to się dzieje.
Najpewniejszy sposób na zlecenie całego wideo to ponumerowanie ujęć — Ujęcie 1, Ujęcie 2, Ujęcie 3 — i opisanie ich po kolei. Dopasuj je do struktury piosenki, by obraz zmieniał się wtedy, gdy zmienia się muzyka.
Intro
Zbuduj świat. Plan szeroki otwierający albo powolny detal — pozwól widzowi dotrzeć na miejsce, zanim wejdzie wokal.
Zwrotka
Opowiedz historię. Plany średnie, jazda za idącym i mówiącym, obiekt poruszający się przez scenę.
Narastanie / przedrefren
Podnieś napięcie. Najedź, zaciśnij kadr, przyspiesz cięcia, gdy energia się zbiera.
Refren / drop
Nagroda. Zbliżenie, orbita, najśmielsze światło i największy ruch — ujęcie, które ludzie zapamiętują.
Bridge / końcówka
Rozładuj lub rozwiąż. Odjedź do planu szerokiego, wygaś światło, daj ostatniemu obrazowi oddech.
Każde ujęcie, cztery warstwy
Kamera
Ruch lub cięcie — "powolny najazd z planu szerokiego," "kadr nieruchomy," "cięcie na zbliżenie."
Obiekt i ekspresja
Kluczowa akcja i zmiana wyrazu twarzy na to uderzenie rytmu.
Przestrzeń
Gdzie znajduje się obiekt i jak zmienia się scena wokół niego.
Dźwięk i rytm
Co przypada na to ujęcie — mocna miara, drop, wers tekstu trafiający w sedno.
Synchronizuj cięcia z rytmem, nie z zegarem. Opisz, co dzieje się po kolei, i pozwól cięciom padać na rytm — przypinanie dokładnych sekund ("0–3s") zwykle myli model i psuje wynik.
Niech wokalista pozostanie tą samą osobą
Nic nie psuje teledysku tak jak twarz, która zmienia się w każdym ujęciu. Zdjęcia referencyjne i zdyscyplinowane prompty trzymają Twoją postać zablokowaną od pierwszej do ostatniej klatki.
Zablokuj tożsamość 2–3 cechami
Opisz obiekt kilkoma stałymi, niemylnymi cechami — strój, włosy, charakterystyczny dodatek. Używaj dokładnie tego samego opisu za każdym razem, gdy o nim wspominasz.
Użyj zbliżenia plus pełnej sylwetki
Czysty portret głowy i ramion przypina twarz; ujęcie całej sylwetki przypina strój i proporcje. Razem trzymają tożsamość znacznie lepiej niż pojedynczy obraz.
Umieść ważną referencję jako pierwszą
Im wcześniej pojawia się referencja, tym większą ma wagę. Zacznij od tej, która liczy się najbardziej dla tego ujęcia.
Nie przeładowuj referencji
Więcej obrazów nie znaczy lepiej. Zbyt wiele konkurujących referencji zaciera u AI poczucie tego, co istotne — para mocnych i wyraźnych bije stos słabych.
W SunoMV zapisz swoją postać i lokacje jako referencje scen, a potem kieruj do nich prompt każdego ujęcia — dzięki temu ten sam wokalista przewija się przez każdy wers piosenki bez opisywania go na nowo za każdym razem.
Błędy, które psują teledyski AI
Niemal każdy rozczarowujący wynik sprowadza się do jednego z nich. Wyłap je wcześnie, a Twoja skuteczność szybko wzrośnie.
Dryf tożsamości
Twarz zmienia się między ujęciami. Napraw to czystą referencją w zbliżeniu, spójnym opisem 2–3 cech i kluczową referencją umieszczoną jako pierwsza.
Niechciany tekst na ekranie
Pojawiają się przypadkowe napisy lub bełkot. Dodaj "bez napisów, bez tekstu" i wybieraj format panoramiczny — kadry pionowe częściej rodzą zbłąkany tekst.
Dryf stylu
Pomysł na anime renderuje się jako film aktorski. Podaj styl wprost, a dla mocnego efektu zacznij od zdjęcia referencyjnego już w tym stylu.
Przypadkowe bliźniaki
Ta sama osoba pojawia się dwa razy w kadrze. Powiąż każdy obiekt z jego własną referencją i dodaj ograniczenie przeciwko zdublowanym, identycznie wyglądającym osobom.
Za dużo ruchu
Szybka, gwałtowna akcja deformuje twarze i kończyny. Rozbij wielki ruch na cięcia i utrzymuj każde pojedyncze ujęcie spokojne i ciągłe.
Przeładowanie referencjami
Pięć konkurujących obrazów mąci wynik. Użyj pary mocnych referencji i pozwól, by resztę zrobił prompt.
Przypinanie dokładnych sekund
Sztywne kody czasowe ("na 2s, cięcie") destabilizują generowanie. Opisz kolejność i zamiast tego pozwól cięciom jechać na rytmie.
Mieszanie języków w jednym wersie
Przełączanie języków w jednym śpiewanym wersie myli wymowę. Trzymaj każdy wers w jednym języku; popularne słowa renderują się najczyściej.
Trzy prompty, od początku do końca
Skopiuj strukturę, podstaw swoją piosenkę. Każdy przykład to prompt wieloujęciowy, który mógłbyś wkleić już dziś — zbudowany z elementów powyżej.
Melancholijna ballada indie
Intymna, przesiąknięta deszczem, jedna postać, powolna i emocjonalna.Styl: filmowy aktorski, chłodny charakter taśmy. Obiekt: młoda kobieta w przemoczonym szarym płaszczu, ciemne włosy przyklejone do twarzy. Ujęcie 1 — plan szeroki otwierający, pusta ulica nocą pod bursztynowymi latarniami, padający deszcz, ona mała w kadrze; powolny najazd. Ujęcie 2 — plan średni, powoli opuszcza głowę, gdy deszcz spływa jej po twarzy, oddech widoczny. Ujęcie 3 — zbliżenie, pojedyncza łza wzbiera, lecz nie spada, jej oczy unoszą się ku światłu. Chłodna niebieska paleta, miękkie odbicia na mokrym asfalcie, wysoka rozdzielczość, faktura taśmy filmowej. Bez napisów, bez znaku wodnego.
Dlaczego działa: jedna zablokowana postać, trzy narastające wielkości planów, jeden ruch na ujęcie, emocja pokazana przez ciało i czysta linia ograniczeń.
Energetyczny synth-pop
Jasny, dynamiczny, eksplodujący kolorem, zbudowany wokół dropu refrenu.Styl: żywa animacja 3D, błyszcząca i kolorowa. Obiekt: tancerka w neonowym dresie i białych sneakersach. Ujęcie 1 (zwrotka) — plan średni w jeździe podążający za nią przez nasłoneczniony korytarz o ścianach w blokach koloru. Ujęcie 2 (narastanie) — z dołu, najazd, gdy się kuca, światło pulsujące coraz jaśniej. Ujęcie 3 (drop refrenu) — orbita 360° wokół niej, gdy wyrzuca w górę obie ręce, eksplodujące konfetti, nasycone różowe i cyjanowe światło. Ostro, energicznie, wysoka rozdzielczość. Bez tekstu na ekranie, bez logo.
Dlaczego działa: ujęcia są dopasowane do części piosenki, największy ruch i najjaśniejsze światło zachowane na drop, a energia żyje w cięciach, nie w jednym gorączkowym ujęciu.
Filmowy cyberpunk / hip-hop
Stylizowany, neonowy, nastrojowy, większy niż życie.Styl: animacja 3D cyberpunk sci-fi, chłodna paleta niebiesko-fioletowa. Obiekt: artysta w czarnej bluzie z kapturem ze świecącymi obszyciami. Ujęcie 1 — ujęcie z drona opadające ku zalanemu deszczem neonowemu miastu nocą. Ujęcie 2 — plan średni z dołu, idzie ku kamerze przez hologramowe reklamy, głowa unosi się ku obiektywowi; powolna jazda. Ujęcie 3 — zbliżenie, odbicia neonów przesuwające się po jego twarzy, gdy bezgłośnie wymawia hak; kadr nieruchomy. Nastrojowe światło wolumetryczne, głębokie cienie, filmowe ziarno. Bez napisów, bez znaku wodnego, bez logo.
Dlaczego działa: mocno podany styl trzyma całą sekwencję, dolny kąt buduje obecność, a każde ujęcie używa dokładnie jednego ruchu — opadanie, jazda, zatrzymanie.
Podsumowanie na jednym ekranie
Wszystko powyżej, w skrócie. Zrób zrzut ekranu i trzymaj obok pola promptu.
Obiekt + Akcja + Sceneria + Światło i kolor + Kamera + Styl + Jakość + OgraniczeniaRób
- Opisuj listę ujęć, nie podpis.
- Zablokuj obiekt 2–3 stałymi cechami i używaj ich ponownie.
- Jeden ruch kamery na ujęcie — resztę załatw cięciem.
- Pokazuj emocję przez ciało, nie przez przymiotniki.
- Dopasuj ujęcia do części piosenki; synchronizuj cięcia z rytmem.
- Kończ ograniczeniami: bez tekstu, bez znaku wodnego, bez logo.
Nie rób
- Nie wrzucaj najazdu + panoramy + zoomu w jedno ujęcie.
- Nie przypinaj dokładnych kodów czasowych.
- Nie żądaj gwałtownego, wybuchowego ruchu w jednym ujęciu.
- Nie przeładowuj promptu konkurującymi obrazami referencyjnymi.
- Nie zostawiaj stylu niepodanego obok realistycznej referencji.
- Nie przełączaj języków w jednym śpiewanym wersie.
FAQ o promptach do teledysków
Czym jest pisanie promptów do teledysków?
To sztuka opisywania piosenki modelowi wideo AI tak, by zwrócił ujęcia, które naprawdę miałeś przed oczami — z wyborem obiektu, akcji, ruchu kamery, oświetlenia i stylu dla każdej części utworu, zamiast wpisywania mglistego opisu i liczenia na szczęście. Zrobione dobrze, to różnica między generycznym klipem a wyreżyserowanym teledyskiem.
Czy muszę znać pojęcia filmowe, by pisać dobre prompty?
To pomaga, a uczą się szybko — najazd, panorama, zbliżenie, dolny kąt. Słownictwo na tej stronie pokrywa niemal wszystko, czego kiedykolwiek będziesz potrzebować. Modele AI reagują na te standardowe pojęcia precyzyjnie, więc kilka słów kadruje całe ujęcie.
Jak utrzymać tę samą postać w całym wideo?
Użyj zdjęcia referencyjnego — najlepiej czystego zbliżenia plus ujęcia całej sylwetki — i opisuj postać tymi samymi 2–3 cechami za każdym razem. W SunoMV możesz zapisać postać jako referencję sceny i kierować do niej każde ujęcie, dzięki czemu pozostaje spójna od pierwszego do ostatniego wersu.
Dlaczego mój teledysk AI ma przypadkowy tekst lub napisy?
Modele czasem wymyślają tekst na ekranie. Dodaj do promptu ograniczenie w rodzaju "bez napisów, bez tekstu" i wybieraj kadr panoramiczny — pionowe wideo częściej rodzi zbłąkany tekst. Możesz też przyciąć do pionu później.
Pisać jeden długi prompt czy kilka ujęć?
Kilka ujęć. Ponumeruj je Ujęcie 1, Ujęcie 2, Ujęcie 3 i opisz po kolei, dopasowane do części piosenki. Sekwencja jasnych ujęć jest znacznie pewniejsza niż jeden akapit próbujący zrobić wszystko naraz.
Dlaczego akcja wygląda na rozpływającą się lub zdeformowaną?
Zwykle to za dużo ruchu w jednym ujęciu. Stawiaj na ruch powolny, ciągły i konkretny co do części ciała oraz rozbijaj wielką akcję na cięcia. Spokojne ujęcia zmontowane razem czytają się jak wysoka energia; jedno gorączkowe ujęcie po prostu się deformuje.
Czy mogę używać tych technik z dowolnym modelem wideo AI?
Tak. Formuła — obiekt, akcja, sceneria, światło, kamera, styl, ograniczenia — to uniwersalne rzemiosło. SunoMV pozwala wybierać spośród kilku zaawansowanych modeli wideo i swobodnie je zmieniać, ale sposób, w jaki piszesz prompt, sprawdza się we wszystkich.
Gdzie właściwie robię to w SunoMV?
Wklej piosenkę lub stwórz jedną, a potem otwórz edytor: każdy wers tekstu staje się ujęciem, które możesz oprzeć na osobnym prompcie, z referencjami scen utrzymującymi spójność postaci i lokacji. Zacznij za darmo i wyreżyseruj swoje pierwsze wideo poniżej.
A teraz wyreżyseruj swoją piosenkę
Masz formułę, język kamery i przykłady. Wklej utwór, napisz pierwszą listę ujęć i patrz, jak AI to kręci.