像導演一樣寫提示詞，一個鏡頭一個鏡頭地拍你的 MV
AI 音樂影片的上限，就是它背後那條提示詞的上限。這是一份把一首歌「拍」出來的實戰指南——鏡頭公式、運鏡語言、如何讓剪輯卡在節拍上，以及如何讓你的歌手從第一格到最後一格都是同一個人。
別再寫「配文」，開始寫「分鏡表」
讓 AI 音樂影片脫胎換骨的，往往不是更強的模型，而是更好的提示詞。
大多數人描述一首歌，寫法像在配圖說明：「一個女孩在雨裡很傷感，電影感」。於是模型只能去猜所有真正重要的東西——她是誰、在做什麼、鏡頭擺在哪、光怎麼打、剪輯落在哪裡。音樂影片提示詞的寫法恰好相反：你遞給 AI 一張分鏡表——明確的主體、精準的動作、框好的運鏡、定好的畫風，再加一兩條約束。你不再「碰運氣」，而是開始「當導演」。
一個女孩在雨裡很傷感，電影感，唯美，4k
中景，一位身穿濕透灰色風衣的年輕女子站在路燈下，緩緩低下頭，雨水順著臉頰流下。鏡頭輕柔推近至特寫。冷藍色夜光，濕瀝青上柔和的反光，電影質感。畫面無文字。
同一個想法。一個把結果交給運氣，另一個拿到你腦海裡的那個鏡頭。
一條鏡頭提示詞的解剖
八個構件，大致按這個順序排。不必每次都寫滿八個——但你鎖定得越多，AI 自由發揮的餘地就越小。
主體 + 動作 + 場景 + 光影色調 + 運鏡 + 風格 + 畫質 + 約束1 · 主體
畫面裡是誰、是什麼。用兩三個穩定的視覺特徵把它釘死——服飾、髮型、年齡、類別——好讓 AI 認得出、並在鏡頭之間保持一致。
一位身穿紅色絲綢連身裙、戴草帽的年輕女子
2 · 動作
主體在做什麼，用「身體部位 + 程度」來寫。「抬起手」勝過「動一下」。優先緩慢、連貫、有承接的動作，遠比劇烈動作渲染得乾淨。
緩緩抬起下巴，把頭轉向窗戶
3 · 場景
發生在哪、主體周圍有什麼——地點、時間，以及構成這個世界的前景與背景元素。
夜晚霓虹閃爍的天台廊道，身後全像廣告明滅
4 · 光影色調
情緒就住在這裡。點明光的方向、冷暖和色調——同一個場景，靠這一句就能讀成浪漫，也能讀成不安。
暖調黃金時刻逆光，柔和陰影，琥珀與青綠配色
5 · 運鏡
怎麼拍：景別 + 一個運鏡。這是「一段平淡的片子」和「一個被導演過的畫面」之間的差別。一個鏡頭只給一種運鏡。
從全景緩慢推近到特寫
6 · 風格
整體美術方向——真人實拍、2D 動漫、3D 動畫、水墨、黏土定格、像素風。一定要寫明，否則一張寫實參考圖會悄悄把一切拽向真人實拍。
2D 動漫風格，手繪，賽璐璐上色
7 · 畫質
成片質感：清晰度、紋理，以及你想烘進去的電影感。一句簡短的標準描述就夠。
高畫質，細節豐富，膠片質感，色彩自然
8 · 約束
你不想要的東西。最有用的負向約束，是把多餘文字、浮水印和 Logo 擋在畫外，並阻止畫風跑偏。
無字幕，無浮水印，無 Logo
說鏡頭聽得懂的話
AI 影片模型對標準影視術語回應得很精準。學會這套詞彙，你幾個字就能框出任何一個鏡頭。黃金法則：一個鏡頭只用一種運鏡——把推、搖、變焦堆進一句話，畫面就會發飄。
運鏡方式
推鏡
鏡頭朝主體靠近——營造親密或緊張。副歌特寫的主力運鏡。
拉鏡
鏡頭後退、交代環境——適合「揭示」，或在一句歌詞結尾讓畫面喘口氣。
搖鏡
鏡頭在固定點上左右轉——掃過舞台、人群或天際線。
俯仰搖
鏡頭上下轉——從腳搖到臉，或從天空落到街道。
跟鏡 / 移鏡
鏡頭與主體並行移動——邊走邊唱的能量，讓走動中的歌手始終在畫面裡。
環繞
鏡頭繞主體轉——180° 或 360° 弧線，把人秀出來。副歌鉤子的絕配。
升降鏡
鏡頭在空間裡上升或下降——升到全景顯氣勢，或下沉切入動作。
變焦
焦段變化來放大或壓縮空間——快變焦給節拍點睛，慢變焦添不安。
景別
大遠景
主體在廣闊世界裡很小——交代地點與規模，一首歌的定場鏡頭。
全景
全身入鏡——拍編舞和全身動作的最佳景別。
中景
腰部以上——對話感的預設景別，肢體語言和表情一起讀到。
特寫
臉占滿畫面——情緒、對嘴，副歌的招牌鏡頭。
細節 / 微距
單個細節——眼睛、撥弦的手、滑落的淚——用來做節奏和質感的剪輯點。
機位 & 視角
平視
中性、踏實——觀眾與主體平起平坐。
低機位仰拍
鏡頭往上看——讓主體顯得強大、英雄、高大。
高機位俯拍
鏡頭往下看——讓主體顯得渺小、脆弱或迷失。
過肩鏡頭
越過一個人拍向另一個人——連接、對話、兩人之間的張力。
主觀 / 第一人稱
主體自己的視角——把觀眾拉進當下這一刻。
空拍 / 無人機
高空俯瞰——遼闊的景、密集的人群，史詩般的尾聲。
進階提示：一個鏡頭一種運鏡。想要又推又環繞？那就拆成兩個鏡頭、在中間剪一刀——剪輯本身就是音樂的一部分。
讓它動起來——也讓它有情緒
你怎麼描述動作，決定了一個鏡頭是「活的」還是「一張抖動的照片」。四個習慣，把乾淨的動態和一團融化的亂碼區分開。
精確到身體部位
點明部位和程度：「緩緩抬起右手」「頭微微側幾度」「用力蹬地」。「動一下」「跳個舞」這種模糊動詞只會招來混亂。
優先緩慢連續的動作
輕柔、連貫的細微動作渲染得很漂亮；爆發式狂奔、大跳、劇烈旋轉往往會扭曲變形。把高能量留給剪輯，別塞進單個鏡頭。
把過渡寫出來
把前一個動作接到下一個，讓動態有慣性：「藉著轉身的慣性順勢抬臂」，而不是兩個互不相干的姿勢。
把情緒外化
別寫「她很傷心」。寫出表現傷心的身體。模型渲染不了一個形容詞——但它能渲染一個顫抖的肩膀。
把一首歌變成一張分鏡表
音樂影片不是一條提示詞，而是一個序列。把歌拆成段落，每段給一個鏡頭。用時間軸思維：誰、在哪、做什麼、鏡頭怎麼動，按發生的先後順序排。
給一整支影片寫提示詞，最穩的方式是給鏡頭編號——鏡頭1、鏡頭2、鏡頭3——按順序逐個描述。再把它們對到歌曲的結構上，讓畫面在音樂轉折處一起轉。
前奏
建立世界。一個定場全景或一個緩慢的細節——讓觀眾在人聲進來之前先「到場」。
主歌
講故事。中景、邊走邊唱的跟鏡，主體在場景裡穿行。
推進 / 預副歌
抬升張力。推近、收緊構圖，隨著能量聚攏加快剪輯。
副歌 / 高潮
兌現承諾。特寫、環繞、最大膽的光和最大的運鏡——這是大家會記住的那個鏡頭。
橋段 / 尾聲
釋放或收束。拉回全景，讓光淡下去，給最後一個畫面留點呼吸。
每個鏡頭，四個層次
運鏡
運鏡或切鏡方式——「從全景緩慢推近」「固定機位」「切到特寫」。
主體與表情
這一拍的關鍵動作和表情變化。
空間
主體在哪、周圍的場景如何變化。
聲音與節拍
什麼落在這個鏡頭上——重拍、Drop、一句歌詞的擊中。
讓剪輯卡節拍，而不是卡碼錶。按順序描述發生了什麼，讓剪輯點落在節奏上——硬釘精確秒數（「0–3 秒」）反而容易把模型搞糊塗、把成片搞壞。
讓你的歌手始終是同一個人
沒有什麼比「每個鏡頭換一張臉」更能毀掉一支 MV。參考圖加上有紀律的提示詞，能讓你的角色從頭一格鎖到最後一格。
用 2–3 個特徵鎖定身份
用幾個穩定、辨識度高的特徵描述主體——衣著、髮型、一件標誌性配飾。每次提到他／她，都複用一模一樣的描述。
一張特寫 + 一張全身
一張乾淨的頭肩特寫釘住臉；一張全身圖釘住衣著和身材比例。兩張一起，比單張更能穩住身份。
把重要的參考放最前
參考出現得越早，權重越大。把這個鏡頭裡最關鍵的那張放在最前面。
別堆太多參考
圖不是越多越好。太多互相打架的參考會模糊掉 AI 對「什麼重要」的判斷——兩三張強而清晰的，勝過一堆弱的。
在 SunoMV 裡，把你的角色和場景存成「場景參考」，再讓每個鏡頭的提示詞指向它們——這樣同一個歌手就能貫穿整首歌的每一句，不必每次重新描述。
毀掉 AI 音樂影片的那些坑
幾乎每一個讓人失望的結果，都能追溯到下面某一條。早點認出它們，命中率會飛快上升。
角色漂移
臉在鏡頭之間變了。用一張乾淨的特寫參考、一套一致的 2–3 特徵描述、並把關鍵參考放最前來解決。
畫面冒出文字
隨機字幕或亂碼冒出來。加上「無字幕、無文字」，並優先用橫式——直式更容易長出雜亂文字。
畫風漂移
一個動漫的想法渲染成了真人。明確寫出風格；想要強烈畫風，就從一張已經是該風格的參考圖開始。
意外雙胞胎
同一個人在畫面裡出現了兩次。把每個主體綁到各自的參考，並加一條「禁止出現外形一致的重複人物」約束。
動作過猛
又快又猛的動作會讓臉和四肢扭曲。把大動作拆到多個鏡頭裡，讓每個單鏡保持平穩連貫。
參考過載
五張互相打架的圖把結果攪渾。用兩三張強參考，剩下的交給提示詞。
硬釘精確秒數
硬時間碼（「第 2 秒切」）會讓生成失穩。改成描述順序，讓剪輯點跟著節拍走。
一句話裡混語言
在一句台詞裡切換語言會搞亂發音。每句只用一種語言；常用字渲染得最乾淨。
三條提示詞，從頭到尾
套用這個骨架，把你的歌填進去。每個範例都是一條可以今天就貼上的多鏡頭提示詞——用上面的構件拼出來。
憂鬱獨立民謠
私密、被雨打濕、單角色、緩慢而動情。風格：電影感真人實拍，冷調膠片質感。主體：一位身穿濕透灰色風衣的年輕女子，深色頭髮貼在臉上。鏡頭1——定場全景，夜晚空蕩的街道，琥珀色路燈下細雨落下，她小小地立在畫面中；緩慢推近。鏡頭2——中景，她緩緩低頭，雨水順臉頰流下，呼出的氣可見。鏡頭3——特寫，一滴淚在眼眶裡打轉卻沒落下，她的目光抬向燈光。冷藍色調，濕瀝青上柔和反光，高畫質，膠片質感。無字幕，無浮水印。
為什麼有效：一個鎖定的角色，三個逐級遞進的景別，一個鏡頭一種運鏡，靠身體外化情緒，再配一條乾淨的約束。
明快合成器流行
明亮、動感、色彩跳脫，圍著副歌 Drop 來搭。風格：鮮豔的 3D 動畫，光澤感、色彩濃郁。主體：一位身穿霓虹運動套裝、白色球鞋的舞者。鏡頭1（主歌）——中景跟鏡，跟著她穿過一條陽光下色塊拼接的走廊。鏡頭2（推進）——低機位仰拍，在她下蹲時推近，光逐漸變亮。鏡頭3（副歌 Drop）——360° 環繞，她猛地雙臂上舉，彩紙迸發，飽和的粉與青光。俐落、有勁、高畫質。畫面無文字，無 Logo。
為什麼有效：鏡頭對到了歌曲段落，最大的運鏡和最亮的光留給了 Drop，能量活在剪輯裡，而不是塞進一個手忙腳亂的鏡頭。
電影感賽博龐克 / 嘻哈
風格化、霓虹、陰鬱、超越現實。風格：3D 賽博龐克科幻動畫，冷調藍紫配色。主體：一位身穿帶發光鑲邊黑色連帽外套的藝人。鏡頭1——空拍無人機俯衝，向夜晚被雨打濕的霓虹都市下降。鏡頭2——低機位中景，他穿過全像廣告走向鏡頭，抬頭迎向鏡頭；緩慢跟鏡。鏡頭3——特寫，霓虹的反光從他臉上滑過，他對著鏡頭念出鉤子；固定機位。陰鬱的體積光，深邃陰影，膠片顆粒。無字幕，無浮水印，無 Logo。
為什麼有效：一個明確寫出的強風格統住整段序列，低機位營造氣場，每個鏡頭都恰好只用一種運鏡——俯衝、跟、定。
一屏看完的總結
把上面所有內容濃縮到這裡。截個圖，放在你的提示框旁邊。
主體 + 動作 + 場景 + 光影色調 + 運鏡 + 風格 + 畫質 + 約束要這麼做
- 寫分鏡表，別寫配文。
- 用 2–3 個穩定特徵鎖定主體，並反覆複用。
- 一個鏡頭一種運鏡——其餘的靠剪輯。
- 用身體外化情緒，別用形容詞。
- 把鏡頭對到歌曲段落；讓剪輯卡節拍。
- 結尾加約束：無文字、無浮水印、無 Logo。
別這麼做
- 別把推 + 搖 + 變焦堆進一個鏡頭。
- 別硬釘精確時間碼。
- 別在單個鏡頭裡要求劇烈爆發的動作。
- 別用一堆互相打架的參考圖壓垮提示詞。
- 別在寫實參考旁邊不寫風格。
- 別在一句台詞裡切換語言。
音樂影片提示詞常見問題
什麼是音樂影片提示詞工程？
它是把一首歌描述給 AI 影片模型、讓它還原出你腦海裡那些鏡頭的手藝——為歌曲的每個部分挑好主體、動作、運鏡、光影和風格，而不是打一段含糊的描述然後碰運氣。做得好，這就是「一段普通片子」和「一支被導演過的 MV」之間的差別。
寫好提示詞需要懂影視術語嗎？
懂會很有幫助，而且很快就能學會——推鏡、搖鏡、特寫、低機位。這一頁的詞彙基本涵蓋你這輩子會用到的。AI 模型對這些標準術語回應得很精準，幾個字就能框出一整個鏡頭。
怎麼讓同一個角色貫穿整支影片？
用參考圖——最好是一張乾淨的特寫加一張全身——並且每次都用同樣的 2–3 個特徵描述角色。在 SunoMV 裡你可以把角色存成「場景參考」，讓每個鏡頭都指向它，於是他／她從第一句到最後一句都保持一致。
為什麼我的 AI 音樂影片裡有隨機文字或字幕？
模型有時會自己造出畫面文字。在提示詞裡加一條「無字幕、無文字」，並優先用橫式——直式更容易長出雜亂文字。你也可以事後再裁成直式。
我該寫一條長提示詞，還是分成幾個鏡頭？
分成幾個鏡頭。給它們編號鏡頭1、鏡頭2、鏡頭3，按順序描述，並對到歌曲段落。一串清晰的鏡頭，遠比一段想一口氣搞定所有事的長文可靠。
為什麼動作看起來像融化或扭曲了？
通常是單個鏡頭裡動作太多。優先緩慢、連續、精確到身體部位的動作，把大動作拆到多個鏡頭裡。平穩的鏡頭剪在一起就顯得很有能量；一個手忙腳亂的鏡頭只會扭曲。
這些技巧能用在任何 AI 影片模型上嗎？
能。這套公式——主體、動作、場景、光影、運鏡、風格、約束——是通用的手藝。SunoMV 讓你從多個先進影片模型裡挑選、自由切換，但你寫提示詞的方式在所有模型上都通用。
我具體在 SunoMV 哪裡做這件事？
貼上一首歌或新建一首，然後打開編輯器：每一句歌詞都成為一個你可以單獨寫提示詞的鏡頭，配上場景參考來保持角色和場景一致。下面就能免費開始，導演你的第一支影片。