【提示词创作第六十八节】用俯视调度图写 AI 视频提示词

上一秒人物在办公区，下一秒像换了场景；提示词里写了“镜头跟随”，画面却变成几个不连贯的镜头；明明说角色要从门口走到桌边，结果人物站位、方向和动作都对不上。

原因并不一定是模型不好，而是输入信息不够“可执行”。AI 可以理解文字，但当任务涉及复杂空间、多人走位、追逐、打斗和一镜到底时，单靠文字很容易出现歧义。你说“女主绕过桌子向右移动”，AI 需要同时判断桌子在哪、女主在哪、右边是哪边、镜头从哪拍、其他人如何避让。任何一个信息模糊，画面都会漂。

解决办法是把提示词从“描述画面”升级为“设计调度”。最实用的做法，就是用俯视调度图辅助提示词。俯视调度图可以理解成从天花板往下看的空间地图：它标出场景结构、人物位置、移动路线、道具障碍和摄影机路径。文字负责解释规则，图像负责提供空间依据，两者结合，AI 才更容易稳定执行。

做 AI 视频时，很多人会直接上传一张参考图，然后期待模型自动理解全部内容。但参考图也有层级。

第一种是场景参考图。

它回答的是“这个地方长什么样”。比如办公室里有玻璃隔断、会议室、工位、打印区、文件柜、长桌和走廊。场景参考图的作用是稳定空间风格和视觉细节，让不同镜头看起来像发生在同一个地方。

第二种是站位图。

它回答的是“谁在哪里”。比如 1 号是女主，站在会议桌左下角；2 号是男主，站在门口；黑色圆点是围攻者，分布在桌子两侧。站位图解决的是人物关系问题，避免 AI 把角色放错位置。

第三种才是调度图。

它回答的是“接下来怎么动、镜头怎么拍”。调度图不仅有场景和站位，还要有路线、方向、时间节点和摄影机位置。比如女主从中心向桌边横移，围攻者从右侧包围，镜头先从门口推进，再绕到会议桌侧面，最后贴近女主完成动作特写。

如果你只想生成一个静态画面，场景参考图可能就够了。但如果你要做追逐、打斗、多人对峙、长镜头、复杂转场，就需要调度图。

在写视频提示词之前，不要急着写“电影感、镜头流畅、动作精彩”。先让大语言模型 AI 根据剧本反推场景。

以下是我的剧本：

https://superi.mfdemo.cn/chaoji/2026/07/08/6a4e246f1eee0.rar

Chat GPT对话界面

可直接使用的提示词示例：

请根据下面的视频剧本，反推一个适合 AI 视频生成的场景资产方案。
生成一套现代职场权力反转短剧电影感办公室空场景设计参考图，采用 3×3 九宫格布局。画面中不要出现任何人物。
场景是一间现代商业公司办公室，不是普通写字楼走廊，也不是豪华总裁办公室，而是适合职场短剧长镜头调度的完整办公空间。画面核心是一条从打印区一路延伸到玻璃会议室的行动路线：起点是靠近办公区一侧的打印机和资料柜，中段穿过开放办公工位、茶水间旁通道、透明玻璃走廊，终点进入一间玻璃会议室。会议室内部有一张长会议桌，桌面摆放文件夹、笔记本电脑、投影遥控器、马克杯和会议资料，长桌尽头是明显的主位。
整体空间必须具备“女主从实习生位置进入权力中心”的视觉动线。打印区和办公区偏日常、拥挤、真实；玻璃走廊偏冷感、通透、有压迫感；会议室偏正式、安静、权力感强。空间需要能支持镜头从打印机出纸口开始，跟随文件穿过办公区，经过玻璃走廊进入会议室，再从桌面低空掠过，最后俯视拉高展示完整调度关系。
采用 3×3 九宫格布局，九个格子边界清晰，每格展示不同场景角度：
第一格｜打印区起点 近距离展示现代办公室打印区。画面中有大型商用打印机、正在吐出的文件、资料柜、文件托盘、便利贴、订书机、碎纸机、白色墙面和冷白办公灯。打印机旁边预留一个人物起点站位，但不要出现人物。空间要像女主拿起文件的第一镜头起点。
第二格｜开放办公区通道 展示开放式办公区，中间有一条可供人物穿行的直线通道。两侧是办公工位、电脑显示器、办公椅、文件架、绿植、工牌挂绳、咖啡杯和冷白灯光。通道必须清晰，从打印区方向延伸到远处玻璃走廊方向，适合平稳跟拍。
第三格｜茶水间旁通道 展示办公区与玻璃走廊之间的过渡空间。左侧有小型茶水间、咖啡机、饮水机、吧台、纸杯、冰箱和储物柜；右侧是办公工位边缘和玻璃隔断。中间留出一条窄通道，强调女主不解释、不停留、直接穿过去的动作路线。
第四格｜玻璃走廊纵深 展示一条现代办公室玻璃走廊，两侧是透明玻璃墙、金属框架、冷白灯带、反光地面和远处会议室门。玻璃上有轻微倒影，空间线条干净，有强烈纵深感和压迫感。走廊尽头必须能看到会议室入口。
第五格｜会议室门口 展示玻璃会议室门口视角。门是透明玻璃推拉门或平开门，门内可见长会议桌、投影屏幕、会议椅和桌面文件。门口预留一个人物停顿站位，但不要出现人物。画面要像女主推门进入并说“会议暂停”的前一秒。
第六格｜会议桌低空视角 从会议桌表面低角度拍摄，桌面上有文件夹、任命书封面、笔记本电脑、会议记录本、钢笔、投影遥控器和水杯。长桌从前景延伸到远处主位，形成强烈权力纵深。远处尽头的主位椅要明显，比普通椅更具中心感。
第七格｜会议室主位反转空间 展示完整玻璃会议室内部。长会议桌居中，尽头有主位椅，主位旁边预留两个人物交换位置的空间，但不要出现人物。桌侧有可绕行的通道，适合镜头围绕会议桌半圈移动。投影屏幕上可以显示抽象项目结构图，但不要出现可读文字。
第八格｜玻璃外看会议室 从会议室玻璃外向内看，前景是玻璃反光、办公区灯光和模糊工位，玻璃内是长会议桌、投影屏幕、主位椅和桌面文件。画面要有一种“外面员工围观、里面权力关系改变”的紧张感，但不要出现任何人物、人影或剪影。
第九格｜俯视调度平面布局图 俯视平面布局图，清晰标注完整空间：打印区、开放办公区、办公区通道、茶水间、玻璃走廊、会议室门口、长会议桌、会议桌尽头主位、主位旁站位、投影屏幕、玻璃墙、会议室外办公区、电梯口方向。用清晰的空间动线标注女主路线：打印区 -> 开放办公区 -> 茶水间旁通道 -> 玻璃走廊 -> 会议室门口 -> 会议桌主位。标注镜头路线：打印机出纸口平视 -> 身后跟拍 -> 穿过玻璃走廊 -> 桌面低空掠过 -> 俯视拉高 -> 围绕会议桌半圈 -> 玻璃外后拉。布局像影视美术场景设计图，不要出现人物。
画面风格： 现代职场短剧电影感，冷白办公灯，低饱和商业剧质感，干净高级，玻璃、金属、浅灰墙面、深色会议桌、冷调地毯，真实办公室空间，轻微浅景深，稳定长镜头感，电影分镜感，影视级场景设计参考图。ARRI Alexa Mini LF，Cooke Panchro/i Classic Prime Lenses，1/4 Black Pro-Mist，真实摄影感，柔和高光，轻微颗粒，低对比但清晰，冷灰蓝与暖白灯光平衡。
重要限制： 必须是现代职场办公室。 必须有从打印区到会议室的完整连续动线。 必须包含打印机、开放办公区、茶水间旁通道、玻璃走廊、玻璃会议室、长会议桌、主位椅。 会议桌尽头主位必须明显。 会议室必须适合人物绕桌完成权力反转。 第九格必须是俯视调度平面布局图。 画面中不要出现任何人物、人影、手、脸、背影或人体剪影。 不要生成豪华总裁办公室。 不要生成普通会议室单景。 不要生成杂乱创业公司办公室。 不要生成酒店会议厅。 不要生成法庭、教室、医院、银行大厅。 不要让空间结构每格都不一致。
Negative Prompt： 人物、路人、人影、手、脸、背影、人体剪影、员工、老板、实习生、会议人物、变形人体、工牌文字乱码、可读文字、字幕、水印、logo、错误标注、九宫格混乱、重复画面、空间结构不连续、没有打印区、没有开放办公区、没有玻璃走廊、没有玻璃会议室、没有长会议桌、没有主位、会议桌位置变化、过度豪华、总裁办公室、酒店宴会厅、教室、法庭、医院、银行、杂乱工厂、赛博朋克、复古办公室、动漫感、卡通、低清晰度、过度磨皮、塑料质感。

得到提示词后，使用GPT image2.0生成场景图。

这一步的目的不是一次就生成最终视频，而是先建立“场地”。只要场地稳定，后面的走位和镜头才有依托。

随后提取出最后一张俯视图。

提示词如下（使用image2.0）：

提取最后一张俯视图的画面，不要有线条和圈圈点点

GPT image2.0界面

提取出的图片

提取出来后，先标人物初始位置。建议用简单、稳定、容易解释的符号，不要让图变得太花。

如果你使用设计软件，可以直接在这张提取出来的俯视图上画圆点、箭头和文字。

站位只是起点，视频真正动起来靠轨迹。轨迹最好用线条和箭头表示，并且给不同人物使用不同颜色。

比如：绿色线表示女主移动路线，蓝色线表示男主移动路线，路线不是越多越好，而是要能解释关键动作。

很多视频失控，不是人物动作错了，而是镜头不知道该怎么拍。人物路线决定动作，镜头路线决定观感。一个场景可以是跟拍、侧拍、推近、拉远、环绕，也可以在关键时刻转成特写。如果镜头没有被说明，AI 可能会随机切换视角，导致空间感断掉。

镜头调度可以写成三类信息：
第一类是机位。也就是摄影机从哪里看，比如门口、走廊、会议桌侧面、人物背后。

第二类是运动方式。比如推、拉、摇、移、跟随、绕行。新手可以理解为：推是镜头靠近，拉是镜头远离，摇是镜头原地转向，移是镜头位置平移。

第三类是关注对象。镜头每一段到底跟谁，是跟主角、跟对手，还是跟某个道具或动作。

提示词如下：

结合剧本，这是一张俯视人物运动规划图，人物A为女主，人物B为男主，人物A从打印室沿着绿线走到会议室B的位置，人物B沿着蓝线走到会议桌对面，帮我想一下镜头的运动轨迹逻辑，如何标注在图上

完整的视频提示词可以按“【摄影参数及画面质感】 + 【整体情绪】+ 【角色描述】 + 【场景描述/调度图解释】+ 【画面内容】 ”来写。

示例：

【摄影参数及画面质感】由ARRI Alexa Mini LF搭配Cooke Panchro/i Classic Prime Lenses，镜头前加装1/4 或 1/8 柔吻滤镜（Black Pro-Mist）光圈与焦段： 室内日常多采用 35mm 和 50mm 焦段，光圈控制在 T2.0 - T2.8 之间。Kodak Portra 400 的胶片色彩。基调为微偏绿的暖调（Teal & Warm Amber），不要音乐，不要字幕。
【整体情绪】
现代职场权力反转短剧感，冷静、压迫、克制、反差强。 女主表面像普通实习生，从打印区拿着文件穿过办公区和玻璃走廊，进入会议室。所有人都以为她只是来送资料，但她最终坐到主位，完成权力反转。 重点是脚步不停、视线聚集、文件落桌、会议暂停、主位交换。
【女主状态】年轻 图片1图片2图片3亚洲女生，长直黑发，空气刘海，清冷甜美气质。穿白色上衣、黑色短裙，脖子上挂着工牌，手里拿着文件夹。外表像普通实习生，干净安静，但走路很稳，眼神不躲，不解释，不停顿。

【男主状态】 图片4图片5年轻亚洲男生，冷感负责人气质，穿深色商务衬衫或西装，坐在会议桌尽头主位。前期掌控会议节奏，表情冷淡；后期看到任命书后停住，从主位站起，退到女主身侧。
场景：图片6图片7现代办公室打印区连接开放办公区。打印机、资料柜、工位、电脑、员工都在画面里。
人物运动轨迹参考：图片6其中a点是女主的站位，他沿着绿色的轨迹1走
b点是男主的座位，他看见女主走进来后绕道对面的座位上， 轨迹颜色参考蓝色的轨迹2
【画面内容】 严格参考俯视规划图中的办公室空间结构与人物运动路线，不改变原有绿色女主路线和蓝色男主路线。现代职场办公室，开放办公区连接玻璃会议室，冷白办公灯光，低饱和商业短剧质感。全程一镜到底，15秒内完成，不做任何硬切，不切换镜头，不改变办公室布局。女主A穿白色上衣、黑色短裙，佩戴工牌，手拿文件，从打印室A点出发，严格沿绿色路线移动；男主B穿深色西装，起始坐在会议桌下方主位，随后严格沿蓝色路线移动到会议桌对面。镜头运动严格沿黄色路线完成：0-2秒，镜头从打印室内靠近打印机的位置起镜，低机位贴近文件，文件被女主拿起，摄影机随即退到女主侧后方，形成背跟视角；2-5秒，镜头跟随女主从打印室门口走出，沿开放办公区通道向右侧推进，女主始终位于画面中景偏前位置，前景掠过办公桌边缘和玻璃隔断，远景逐渐出现会议室入口；5-7秒，镜头在会议室入口前完成一次自然转角跟随，女主推开玻璃门进入会议室，镜头从她侧后方贴近进入，不越过人物运动线，不突然升高；7-9秒，女主走到会议桌下方主位附近，把文件放到男主面前，镜头顺势降低到桌面高度，沿会议桌边缘短距离滑行，让文件、男主手部和会议桌形成前景关系；9-11秒，镜头从桌面低位缓慢抬升到轻微俯视，展示女主站在男主原主位旁、男主准备起身的站位关系，不切到纯俯视，不做大范围旋转；11-13秒，男主从下方主位起身，沿蓝色路线向会议桌对面移动，女主沿绿色路线补位到B的原位置，镜头沿黄色CAM2路径在会议桌右侧做小幅弧形移动，围绕桌角回看两人位置交换，弧形范围控制在会议桌右下角到右侧中段之间，不绕完整会议桌；13-15秒，女主坐到主位，男主停在会议桌对面，镜头继续沿会议桌右侧轻微后拉，带出会议桌、两侧座椅、玻璃墙和办公区空间，最后停在可以同时看清女主坐在主位、男主站到对面、会议室空间关系的画面。全程人物动作连续，女主从拿文件到进入会议室再到坐上主位不跳位，男主从主位起身到移动到对面不瞬移，镜头只做背跟、走廊推进、转角跟随、入场侧跟、桌边低位滑行、小幅绕桌回看和后拉收尾，不出现硬切、闪切、无意义旋转、镜头穿墙、人物穿桌、桌椅位置变化。

俯视调度图可以明显提升可控性，但它不能保证每次都完全按图执行。AI 视频仍然会受到模型能力、参考图清晰度、动作复杂度、视频时长和工具参数影响。动作越复杂、角色越多、镜头越长，失败概率越高。

skil如下，按照要求与步骤生成

https://superi.mfdemo.cn/chaoji/2026/07/09/6a4efcd0d3937.rar

请围绕「用俯视调度图写 AI 视频提示词」帮我做一个可直接执行的方案。
我的目标是：【填写你的具体目标】
我的素材/产品/角色信息是：【填写已有素材和限制】

请输出：核心创意、分镜表、每个镜头的画面描述、视频生成提示词、剪辑顺序和成片自检清单。要求主体稳定、动作明确、镜头连贯。