90%的AI视频一眼假，真正缺的是这几个“活人感”细节
文章目录
大家好，我是李岳
前端时间我一直在用 Seedance 2.5 做一些30秒左右的情侣日常视频。
很多剧情其实很简单。
比如：
“你脸上有东西。”
或者：
“手机给我。”
真正写成故事，可能几十个字就结束了。
但最后交给 Seedance 的提示词，往往会变成几百甚至上千字。
为什么？
因为我后来发现：
AI视频提示词真正难的是先想清楚“人物的活人感到底应该怎么演”。
所以我现在出一条视频，大致会经过三层设计：
第一层：剧情和情绪
人物为什么这么做？
第二层：表演
这个情绪具体怎么表现出来？
第三层：时间
30秒到底够不够演完？
这三层都设计清楚以后，我才开始输出最终的提示词。
第一层：先设计“人物为什么会这么做”
我最开始做 AI 视频时，经常直接写：
女友生气。 男友解释。 两个人对视。 男友靠近。 女友害羞。
故事是通的。
但生成出来以后，经常感觉人物像在执行命令。
因为：
剧情告诉了 AI “发生了什么”，却没有告诉它人物为什么从一种状态变成另一种状态。
所以现在我会先画一条非常简单的：情绪路径。
比如《你脸上有东西》这个视频。
一开始女友相信男友。
然后：
相信
↓
认真寻找
↓
发现一直找不到
↓
开始怀疑
↓
半信半疑
↓
主动让男友帮忙
↓
发现两个人距离不对
↓
意识到被骗
这个过程一旦成立，后面的动作才会自然。
这一层最关注两个问题
- 情绪有没有跳？
比如：
前一秒还在生气。
下一秒突然害羞。
通常就会显得很假。
中间应该有东西把两个状态连起来。
可能是：
一次对视。
一句话。
一次停顿。
或者两个人距离突然发生变化。
- 后面的动作有没有前因？
比如情侣视频里很容易出现一个问题：
两个人正常聊天。
男主突然靠过去。
这时候观众很容易问：为什么？
所以我现在经常先设计：“靠近的理由”。
比如《你就是故意的》。
女友为了抢手机，不断往男友方向倾。
最后抓住他的手。
等她抬头时才发现：两个人已经离得很近。
这时候关系变化就是从前面的动作自然长出来的。
而不是为了后面的剧情，强行让人物靠近。
第二层：把“情绪”翻译成“演员能做的动作”
剧情和情绪路径确定以后，我才开始处理我认为最重要的一层：人物表演。
这也是为什么我后来专门整理了一套：人物表情细节库。
01｜不能只写“她害羞了”
比如一句：
女友害羞了。
人类当然看得懂。
但对视频模型来说，这句话太宽泛。
于是 AI 很容易自动套一个标准模板：低头 + 脸红 + 微笑。
如果每一条视频都是这样，很快就会出现明显的 AI 味。
所以我现在不会只写：
她害羞了。
而会把它拆成：
她先短暂停顿。 眼神先移开。 头部慢半拍才跟着偏开。 嘴角先压住。 一侧嘴角开始忍不住上扬。 最后才真正笑出来。
这个时候，“害羞”才真正变成了一段表演。
02｜情绪泄露
人物真实的时候，往往不是先说出来。
而是：身体先暴露。
比如男朋友问：
“你是不是吃醋了？”
女朋友回答：
“没有。”
如果只写台词：
她没吃醋。
但真实表演可能是：
她先停顿了一下。
嘴角原本是放松的，突然收住。
眼神移开。
然后才回答：
“没有。”
这时候她嘴上虽然没有承认，身体已经把真实情绪泄露出来了。
我会把这种东西叫：情绪泄露。
它特别适合 AI 视频。
因为很多时候人物真正的“活人感”，并不是来自台词。
而是来自：台词和身体反应之间那一点不一致。
03｜“眼神先动”很重要
我自己的表情细节库里，会特别关注动作顺序。
比如转头。
真人很多时候不是：眼睛和头同时转。
而是：先用眼睛看过去。
过一点点时间以后。
头才跟过去。
这种差别可能只有零点几秒。
但视觉效果会明显自然很多。
同样：
笑也不是整张脸突然切换。
可能先是一侧嘴角。
随后另一侧才跟上。
再然后眼周才真正进入笑的状态。
所以我现在越来越少写：
“人物露出开心的表情。”
而是写：
这个表情是按什么顺序发生的。
04｜每个时间段，不要塞太多动作
这也是人物表情细节库对我帮助很大的地方。
我现在尽量遵循一个简单原则：一个时间段，一个主要动作。
再搭配一个很轻的表情泄露。
比如：
这一秒：
女友抬眼。
同时可以有：
嘴角轻轻收住。
但不要同时再加：
皱眉，转头，脸红，低头，抬手，笑。
模型一旦同时收到太多指令，就很容易全部一起发生。
资料库里也会限制同一时间块里的主动作数量，避免动作堆叠。
到这里，可以把第二层总结成一句话
不要告诉 AI 人物“是什么情绪”，要告诉它“这个情绪是怎么发生的”。
这就是人物表情细节库最大的价值。
第三层：30秒其实是一笔“时间预算”
人物怎么演设计好了，还不能马上写提示词。
因为还有一个非常现实的问题：时间够吗？
这也是我现在每次写脚本都会特别校核的一件事。
01｜台词其实是在花时间
很多人设计短剧时，会首先想：
台词够不够好？
我现在会先想：这么多台词，30秒真的说得完吗？
假设30秒里放12句台词。
平均一句2秒。
已经24秒了。
只剩下6秒。
但这6秒里还要完成：
转头，伸手，走位，对视，靠近，停顿，人物反应。
肯定不够。
所以我后来慢慢意识到：台词数量，本质上是在消耗演员的表演时间。
02｜要主动删台词
比如《手机给我》。
女友问：
“你看我干嘛？”
其实男友完全可以回答一句：
“因为你好看。”
从剧情上没有问题。
但我最后把这句删掉了。
为什么？
因为这个时候：沉默更值钱。
男友什么都不说。
只是看着她。
刚才还在抢手机的两个人，突然安静下来。
观众会立刻察觉：
气氛变了。
如果继续说台词，这种感觉反而会消失。
所以现在我不会觉得：
“30秒每一秒都必须有内容。”
有时候：停顿本身就是内容。
03｜始终保持“前快后慢”
情侣拌嘴通常很快。
比如：
“手机给我。”
“不给。”
“你肯定有问题。”
这种对白如果说得慢吞吞，反而不自然。
所以我通常会让：前半段快一点。
负责推进剧情。
到了后半段：
两个人突然安静。
对视。
发现距离变化。
人物开始产生新的情绪。
这个时候节奏就要明显慢下来。
所以整个30秒通常会变成：
前面：台词推进
快。
中间：关系转折
慢下来。
后面：人物反应
留时间。
这就是：前快，后慢。
04｜高潮以后，留足“反应”时间
这个是我现在特别重视的地方。
以前容易把视频高潮理解为：
亲吻，拥抱，摔倒，爆炸。
也就是：
发生了一件事。
但后来我发现：
观众真正关心的往往是：这件事发生以后，这个人是什么反应？
比如《你脸上有东西》。
真正有记忆点的不是前面的互动。
而是之后女友还一脸认真地问：
“……东西呢？”
这一秒，人物才真正“活”起来。
所以现在我会刻意给高潮后的反应留出几秒。
05｜时间轴写完最好再校核一遍
我的第一版时间轴经常数学上是30秒。
但重新一看：
人物根本演不完。
比如：
一句话。
靠近。
发现异常。
发生互动。
害羞。
全塞进4秒。
文字看起来没有问题。
真人演一遍就知道：
太快了。
所以我每次都会重新检查：
这句话正常要说几秒？
这个动作需要多久？
两个动作有没有被我错误地写成同时发生？
情绪变化中间有没有过渡？
高潮以后有没有反应时间？
这一步其实就是：用真人表演去反推时间轴。
到这里，三层设计才真正完成
回头看一下。
我现在已经解决了三个问题。
第一层：剧情和情绪
人物：
为什么这么做？
情绪：
怎么从A走到B？
第二层：人物表演
情绪：
怎么通过眼神、嘴角、头部、手、声音泄露出来？
第三层：时间
这些台词和动作：
30秒真的演得完吗？
当这三层全部确定以后：
我才真正开始写 Seedance 提示词。
最终提示词，其实只是“组装”
到这里，提示词反而简单了。
我只需要把前面的设计结果转换成：
时间：什么时候发生。
景别：观众现在应该看两个人，还是看一个人的脸？
动作：人物这一秒具体做什么？
表情：这时候泄露了什么情绪？
台词：底说什么？
声音：语速、停顿、音量、呼吸是什么状态？
然后按时间轴组合起来。
就成了最终的 Seedance 提示词。
所以，最终那几千字提示词并不是重点
现在再看这种描述：
女友先停顿约0.4秒。 眼神先移开。 头部稍后才偏开。 嘴角轻轻收住。 一侧嘴角随后开始上扬。
可能就不会觉得：
为什么要写这么复杂？
因为这些细节不是为了“炫提示词”。
它们分别来自前面的设计：
0.4秒：来自时间预算。
眼神先移开：来自表情细节库。
头部后转：来自动作顺序。
嘴角压住：来自情绪泄露。
最后笑：来自完整的情绪路径。
也就是说：最终看到的每一句提示词，前面其实都有一个“为什么”。
我现在完整的工作流
如果把整套方法压缩成一张图，就是：
剧情冲突
↓
情绪路径
↓
情绪泄露
↓
台词预算
↓
时间分配
↓
调用人物表情细节库
↓
安排动作先后顺序
↓
真实时长校核
↓
最终 Seedance 提示词
最后
以前我理解的 AI 视频提示词优化，更多是：
加电影感。
加摄影参数。
加镜头。
加光影。
现在做得越多，我反而越来越觉得：
真正决定一条 AI 视频有没有“活人感”的，是三个更基础的问题：
1. 这个人为什么这么做？
这是剧情和情绪逻辑。
2. 他的真实情绪是怎么泄露出来的？
这是人物表演。
3. 这些变化真的有时间发生吗？
这是节奏。
把这三个问题设计清楚以后，
景别、动作、表情、台词、声音，
其实都是顺着它们自然长出来的。
所以现在如果再让我总结：
AI视频提示词到底应该怎么写？
我的答案已经不是：
把提示词写得越详细越好。
而是：先把这场戏导演清楚。再把你的导演思路，翻译给 AI。
最终的提示词，只是这个过程留下来的结果。
推荐阅读
99%的人都写错了，GPT Image 2生成美女别写“性感”
我是李岳@liyue_ai
提示词工程师 | AI实战派
欢迎关注🌞🌞🌞
沿着这个主题继续读
从一篇文章，找到相关的教程、经验和阅读路径。
