VSC

做 AI 视频有一个很憋屈的时刻。
第一版里,人物手上莫名其妙多了个杯子。你心想这好改,下一轮补一句“不要拿杯子”就行。结果杯子还在,甚至比上一版更抢眼。
再补一句:“不要红色外套,不要室内,不要像上一版。”
到这里事情通常就开始不对劲了。
我翻过不少自己改到后面的提示词,密密麻麻全是“不要”“避免”“改成”“和之前不一样”。它已经不像一份新的画面说明,更像一张贴满批注的返工单。人一眼就能看懂你在改什么,可生成出来的画面却在几个旧错误之间来回抽签。
我后来给这种状态起了个很直白的名字,提示词污染。
我们跟人沟通时,很习惯用上一版当参照。
“这次别像刚才那样。” “杯子去掉。” “衣服换个颜色。” “场景挪到外面。”
同一个项目里的人都看过上一版,这么说又快又准。但把这套说法直接搬进提示词,麻烦就来了。
一句“不要红色外套”,里面仍然完整出现了“红色外套”。一句“不要拿杯子”,杯子也被重新写了一遍。否定关系能不能稳稳执行,要看具体模型、产品和当轮上下文,反正我自己的经验是,越跟旧画面吵,旧画面越容易阴魂不散。
我现在会把“复盘”和“生成”分成两份。
复盘里可以把问题写清楚。上一版人物穿错了红衣服,站在室内,手里多了杯子。
但交给模型的那一版,我只写下面这段。
人物站在开阔的户外街道边,穿深灰色短外套,双手自然垂在身体两侧。远处建筑轮廓被柔和天光压低,手部与衣服轮廓清楚可见。
我不再告诉它刚才错了什么,只告诉它现在应该看见什么。
这个改法听起来像换了一种表达,其实差别挺大。前一种写法始终把上一版摆在桌上,后一种写法是在重新搭当前画面。
“提示词污染”很容易被理解成禁词表,好像记住哪些词不能碰就行。
我不太认同。
没有哪个词天生有毒,问题是它放在这个镜头里,会顺手召来什么。
比如“专业感”。你只想让人物显得干净利落,模型可能直接给你补上制服、工作台和一套职业环境。“科技感”也一样,写完没多久,蓝色灯带、透明屏幕、漂浮 UI 全来了。至于“战斗感”,结果常常只是人物摆出一副很用力的游戏立绘姿势,动作并没有发生。
这些词当然不是不能写。只是如果它承担不了当前画面的具体工作,我宁愿拆掉。
专业感,我会写肩线平直、服装剪裁干净、手上动作明确。
紧张,我会写重心略微前倾,手指停在接触物体以前,呼吸变浅。
高级感最容易把人带沟里。真要写,我会落到克制的颜色、明确的主次光、少量可靠的材质表面,还有不被杂物塞满的空间。
抽象词可以留在创作讨论里。进提示词以后,最好让它长出身体、位置和光线。否则模型只能用自己最熟悉的套路替你补完。
以前我舍不得删。
人物已经对了,这句留着。构图好像也有点用,那句也留着。后来手部出错,我在后面补动作;背景乱了,再补场景;风格跑了,就继续加限制。每一句单看都有道理,堆到一起却开始互相抢方向。
最典型的一种冲突,是让人物快速冲刺,同时要求镜头稳定展示全身细节;镜头紧贴人物,又要大环境一直完整出现;情绪光已经把画面压暗,后面还要求所有材质均匀可见。
提示词写得越来越认真,画面收到的任务反而越来越含糊。
现在碰到重要迭代,我会另起一版。已经验证有效的东西留下,这一轮要改的部分重新写,旧错误扔回复盘文档,不再一股脑塞进生成指令。
写的时候也没什么神秘模板。我先确认人物现在是什么状态,动作从哪里开始、落到哪里,镜头这次到底负责看见什么。光线和材质只服务这个镜头。最后再留几条确实会影响稳定性的正向状态。
比如手里需要空着,我不会只写“保持稳定”,而是写双手在身体两侧,手指自然放松,手掌轮廓完整可见。空间关系要稳,就给出固定地标,说明人物朝哪里移动,谁在前,谁在后。
“稳定”是愿望。能被看见的状态,模型才接得到。
这个坑我也是后来才补上的。
提示词已经清干净了,旧道具还是回来。仔细一看,杯子还在参考图里。或者上一段视频、首尾帧、角色图、会话状态里,本来就留着旧内容。
这时继续改文字没有太大用。该换参考就换参考,该重新裁切就重新裁切。如果用了好几份参考,我会先想清楚每一张到底只负责什么,别让一张图同时管人物、服装、场景和构图。
所以“清洗提示词”不能只盯着输入框。模型这一轮实际拿到了什么,都得看一遍。
以前一轮不满意,我会同时改人物、动作、构图、光线和风格。这样生成一次看着很勤奋,其实什么也没验证出来。
结果变好了,不知道是哪句起了作用。结果变差了,也找不到是谁惹的祸。最后只能再加一层补丁。
我现在尽量保住已经成功的部分,每轮只动一个主要变量。
人物和构图对了,手部有问题,那就只改手部动作、接触关系和可见范围。动作成立,材质显得假,再去改表面反光和受力后的变化,先别顺手把镜头语言也换了。
这当然不是什么严格实验。模型版本、参考输入、画幅、时长和其他设置最好也尽量固定。有的平台没法固定随机种子,结果本来就会波动。但至少这样做,排查范围不会越改越大。
最后,我现在交提示词前会读一遍。
看到“不要、避免、上一版、改成”,我会停一下,看看自己是不是又把旧错误带回来了。
看到“专业、高级、危险、孤独、专注”,我会问镜头里是不是真的能看见它。
看到“特写、远景、俯拍、背面”,我会再补一句,写清这个镜头具体收进了什么,没收进什么。
通常这么读完,提示词会短一截。删掉的多半是我跟上一版吵架时留下的废话,有用的信息反倒更醒目。
我现在理解的提示词清洗,就是把复盘留给自己,把当前画面交给模型。
提示词不用记住所有失败。
它只要把这一次说清楚。