视频反推提示词：六步拆解指令，把参考视频变成可执行的生成与剪辑方案

前天发布

0398

看到一段效果不错的视频，想用 AI 复刻出来，多数人第一步就走错了：让模型「猜原作者的提示词」。猜出来的东西往往形似神不似——因为模型看得见画面，看不见镜头是怎么切的、声音是怎么铺的。更稳的做法是先反推结构，再写生成提示词。下面这套指令把流程拆成六步，可以直接复制给模型用。

六步流程

01 确定复刻目标

先分清要的是哪一种：完全还原原片、换人物但保留动作、还是只借鉴风格。同时把约束写死——哪些必须保留（动作时机、镜头数量），哪些允许改（服装、场景），成片要多久。目标不清，后面所有拆解都会跑偏。

02 按真实镜头拆解

记录时长、画幅和真实的切镜点，按镜头分段。关键帧只挑四类：动作转折、接触瞬间、结束姿态、切镜点，不必逐帧罗列。时间看不准就写「约」。

03 写清每镜的变化

每一镜按「起始状态 → 动作与表情变化 → 结束状态」写。动作要落到顺序、幅度、速度和停顿上，同时记录构图、景别、前后景、运镜和光线。观察到的和推断出来的必须分开写，看不清的参数标待确认，不要补写。

04 单独拆声音

对白、环境声、音乐分三条记，各自标出出现区间。特别注意跨镜头连续的声音（一段音乐压过三个镜头）和随动作出现的声音（关门、落水）。听不清就标待确认。

05 分配参考素材，组装提示词

把手上每张图、每段视频、每段音频的职责定下来：这张管人物外观，那张管起止画面，这段管动作，那段管机位或声音；核对素材编号和连接关系。然后逐镜写提示词——起始状态 → 核心变化 → 动作节奏 → 结束状态，有首帧的以动态描述为主。

06 生成、对照、局部修正

拿到结果后逐项对照参考：人物、动作、表情、结束状态、声音衔接。记录原片时长、生成时长、实际采用区间和成片时长，方便下一轮修正。

可直接复制的完整指令

下面这段可以整段复制给模型，做视频理解或直接生成都适用：

请根据参考视频，重建一个可执行的视频生成与剪辑方案。不要猜原作者的提示词，也不要只罗列人物、场景和风格标签。

一、识别结构
记录视频时长、画幅、真实切镜点，按镜头分段。时间不能精确确认时，标注为约值。

二、拆解每个镜头
记录：
- 人物与环境的起始状态；
- 视线对象、动作和表情变化的先后顺序；
- 动作幅度、速度、停顿和明确的结束状态；
- 景别、前后景关系、可见运镜与光线变化；
- 需要保持的身份、服装、站位和空间关系。
选择切镜点、动作转折点、接触瞬间和结束姿态作为关键帧，不必逐帧罗列。

三、单独拆解声音
分别记录对白、环境声、音乐及其出现区间。注明哪些声音连续跨越镜头，哪些声音随动作出现。听不清或无法试听的内容标为待确认，不补写台词或声音事实。

四、确定参考素材的职责
明确每张图片、每段视频和音频分别负责：人物外观、起止画面、动作、机位、场景或声音。核对实际素材编号和连接关系。

五、编写生成提示词
每镜包含：起始状态 → 核心变化 → 动作节奏 → 结束状态。有首帧时以动态描述为主。仅保留必要的连续性约束和针对性限制。把直接观察、合理推断、生成选择分别标明。

六、输出完整执行方案
- 逐镜视频提示词；
- 声音处理说明；
- 生成时长与剪辑采用区间；
- 镜序、转场和跨镜头声音安排；
- 对照参考的验收清单；
- 尚未确认或当前模型不支持的事项。