开源实测AI视频提示词模板 帮你避坑快速出爆款

不少人都好奇，从程序员到做出百万播放的AI视频，核心诀窍是什么？答案其实很简单，就是长期的审美积累。看到优质的AI视频片段，愿意投入成本去复现，做多了就能逐步掌握分镜思维，了解不同模型适配的视频类型，掌握人脸生成、动作捕捉的技巧，学会优化提示词保证角色一致性，还能摸索出适合的色彩搭配和画风风格。

这个过程听起来容易，但第一步就拦住了绝大多数人。当下的AI视频创作成本并不低，运气好一次就能生成满意的效果，运气差多次尝试都只能得到废片。

因此，我耗时近一个月打磨并开源了awesome-seedance项目，你可以通过链接访问该项目：github.com/LearnPrompt/awesome-seedance。这是我首次投入真金白银，对463条AI视频提示语进行全量实测复现的大型项目，最终整理出14个覆盖全类型AI视频的提示词模版，以及25个实用的AI视频创作技能包，所有内容全部开源共享。

为了这个项目，我几乎熬光了整个月的休息时间，光是测试成本就超过了两万元。

市面上现有的AI提示词合集网站质量参差不齐，没有统一的评分机制，甚至连基础的分类都不完善，与其在零散的资源里大海捞针，不如自己搭建一套经过实测验证的提示词库。

我烧干了GPT-6 Astra的三张重置卡，还耗尽了两个账号的Claude Fable 5.1额度，目标是让每一条提示词都经过实测复现，附带评分和分类，用户可以直接找到感兴趣的方向，复制提示词稍作修改就能使用。

GoodCase项目正是基于这个理念诞生的，它会自动收录来自GitHub、短视频平台、社交平台等多个渠道带提示词的优质案例，同时通过GPT、Claude、Grok、DeepSeek四个多模态模型，对复现的案例和提示词进行打分、聚类，并自动生成合适的标题。

我甚至还对比测试了租用本地机器部署Minimax H3和使用云端fal服务的Minimax H3 Max的成本差异，只为找到最划算的创作路径。

测试中途我曾一度想过放弃视频复现，转而只做图片提示词项目，因为视频的复现和评分难度远超图片。不同模型支持的最长生成时长不同，15秒的提示词在10秒模型上效果会大打折扣；部分提示词需要搭配参考图才能保证稳定的画风，为此我也烧干了GPT Image2的全部额度。

视频的评判维度也比图片多得多：不仅要看画面整体效果，还要确认动作连贯性、镜头运动是否合理、音频卡点是否准确，刚开始测试时我几乎看遍了所有生成的视频，眼睛都快花了。多亏了高速云电脑工具，让我可以按秒截取视频画面，辅助多模态模型完成效果判断。

当我完成超过200条视频的复现后，自然就开始了分类整理的工作，这个过程让我把这段时间积累的创作经验全部梳理进了项目中，收获满满。

最终我们可以看到，项目中包含25个提示词模版和59个创作技能，覆盖了时间轴分镜、参考图角色一致性、手持UGC Vlog、第一人称一镜到底、UGC口播测评、产品商业广告、过程变换蒙太奇、对白口型同步、电影叙事短片、动画定格风格、打斗物理奇观、卡点音乐视频等几乎所有常见的AI视频类型。

这些模版和技能都是从463条实测案例中提炼总结而来的，每个模版都整合了同类型提示词的最优写法，直接给出了该类视频提示词的核心创作逻辑。

我花了最多精力打磨的是手持UGC Vlog模版。不同年代、不同设备拍摄的视频有着完全不同的质感：2005年的DV拍摄的画面带有果冻感的上下摇晃，追焦镜头总会慢半拍；而iPhone X的画面则是电子防抖过度补偿后的丝滑效果；如果设定为90年代的VHS录像，还需要加上卷带纹和色彩溢出的细节。

为了提升模版的实用性，我没有移除参考视频，而是通过代码工具直接基于模版结构和示例视频生成提示词，最大程度降低信息损耗，后续还可以不断加入新的案例来更新模版。

模版中还记录了我踩过的所有坑：比如同时追求手持真实感和4K电影级打光会导致画面不伦不类，因为现实中没有设备能同时实现这两种效果；频繁使用男友视角的大特写会增加AI人脸破绽的概率，因为近距离下脸部细节经不起推敲；用数字变焦作为转场会破坏一镜到底的连贯性等等。这些问题都已经在模版中做了规避处理。

使用方法也很简单，只需要复制模版中的提示词到你正在使用的AI创作工具，让模型根据你的需求修改内容，就能快速生成符合要求的视频。

以打斗场景为例，很多新手会写“两个武者激烈搏斗，拳脚交加，动作凌厉”，但效果较差的模型只会生成两人对着空气挥拳的画面。经过大量实测后我发现，打斗提示词的关键在于加入具体的接触点：比如“直拳打中下巴”“格挡后反击体踢”，明确告诉模型攻击的落点和对方的反应。

同时接触点的数量也要适度，5到10秒的打斗过程，最好不要超过4段动作，否则多数模型无法完整生成，前几段动作尚可，到第四段就会出现画面糊掉甚至人脸崩坏的问题。

我总结出的技巧是将招式写成连贯的链条：直拳接勾拳接低扫，对方格挡、滑步下潜、封挡，随即反击体踢，让模型清晰知道动作的先后顺序。

更细节的是，指名流派的生物力学能让模型生成更准确的动作效果：比如“泰拳的扫踢”会展现出身体旋转带动的大弧线动作，而“跆拳道的横踢”则是髋部弹射的直线爆发，两者的动作幅度和力量感差异明显。

完成提示词模版的整理后，我又思考是否需要加入创作技能包。答案是肯定的。

简单来说，提示词模版是单个镜头的创作配方，只需要修改主体和场景就能直接使用，对应一个具体的镜头场景；而创作技能包则是一整套完整的创作方法，包含分镜拆分、模型选择、转场处理、角色一致性保持等全流程技巧。当你提出“我要做一个30秒的产品广告”这类需求时，技能包会帮你拆分成多个镜头，给出每个镜头的结构和镜头间的衔接方案，相当于整部短片的拍摄手册。

举个实际的例子，初次尝试的话建议直接从模版入手：在awesome-seedance项目中找到你喜欢的视频案例，复制提示词并修改为你的需求，就能快速生成视频。我曾使用UGC口播测评带货的模版，修改后生成的视频重点展示了产品的使用过程，从展示角度来说效果达标。

如果你需要长期制作同一类内容，比如每周都要产出产品展示视频，那么可以使用创作技能包。在GoodCase Skills中找到对应的方法，下载安装后直接提出需求，就能完成全流程的创作，无需每次从零开始构思提示词。

具体流程是，先在GoodCase平台下载对应的技能包，安装到你的AI创作工具中，再调用技能包完成视频需求，最终生成的视频会更偏向专业的产品测评风格，口播台词和卖点阐述都会更加丰富。

这两周的创作过程中，我一直想到“临摹”这个词。小时候学画画时，对着优秀作品一笔一笔临摹，慢慢才能理解为什么这里要留白、那里要压暗。很多创作道理光看是没有直观感受的，只有亲自动手实践才能真正领会每一个细节的作用。

现在我越来越觉得，AI视频的提示词模版也可以用同样的方式学习：找到你喜欢的视频效果，套用模版替换人物、动作和镜头，观察生成结果的变化，慢慢就能理解CAMERA模块为什么要放在最前面、接触动作写太多会有什么影响、指定具体流派和只写“打得好看”的差异在哪里。

只有亲自动手实践，才能形成自己的创作判断，之后再看到想要的画面，就能快速构思出合适的提示词。

但很多新手都卡在第一步，需要自己烧钱反复测试，跑废了大量提示词都未必能找到问题所在。我做awesome-seedance项目，就是为了让这一步变得更容易。

只需要打开项目，找到你想尝试的案例，复制提示词先跑起来，有了参考样本，后续的修改也会更有方向。我希望自己踩过的坑能让后来的人少走弯路，这两周的努力就没有白费。

当然项目还有不少不成熟的地方，但目前整理出来的内容我已经毫无保留地全部开源。欢迎大家使用，也期待大家反馈哪些模版好用，哪些在新场景下会出现问题。

后续我还会补充更多模型的实测数据，同时计划推出镜头语言系列内容，针对推轨、摇臂、斯坦尼康、FPV穿越机等不同镜头运动，测试在不同模型下的最优提示词写法，这又给自己挖了一个新的大坑。

也欢迎大家一起参与完善项目，如果你跑出了优质的案例，可以提交PR，我会将其纳入复测流程，让你的创作成果成为更多人的参考。毕竟一个人独自测试太孤单，期待大家一起加入。