Higgsfield 发布视频提示词优化指南：解决 AI 视频“塑料感”与动作崩坏的核心策略
在 AI 视频生成的领域，用户常面临一个棘手问题：同样的提示词（Prompt）为何每次生成的结果都略有不同，甚至出现角色表情僵硬、手指畸形或动作逻辑断裂？Higgsfield 在其最新技术博客《Why Your AI Video Doesn't Follow the Prompt》中，深入剖析了导致这一现象的四大核心原因，并提供了一套系统化的解决方案。
核心痛点：AI 视频生成的四大失效原因
Higgsfield 指出，AI 模型在解读提示词时存在天然的“模糊性”，主要源于以下四个因素：
- 提示词留白过多：模型必须自行填补未明确的信息（如具体年龄、光源位置、镜头终点），导致每次生成都在“补全”而非“执行”。
- 参考图局限性：参考图像仅能约束外观（Appearance），无法定义动态过程（如手部动作、光线变化、镜头运动轨迹）。
- 注意力分散：一段密集的长文本试图同时描述面部、手势、光照和运镜，迫使模型分散注意力，导致细节（如手部）出错。
- 复杂度指数级增长：每增加一个角色或一个动作节拍（Beat），模型需要处理的解释路径就增加一倍，极易导致场景崩坏。
解决方案：六步结构化提示词编写法
为了解决上述问题，Higgsfield 提出了一套将提示词从“描述性文本”转化为“电影分镜脚本”的六步法，旨在最大化模型的物理理解能力：
Step 1: 锁定场景与角色 (Set the scene and lock the cast)
- 精确描述：明确设定背景、时长及风格（写实或风格化）。
- 角色身份证：为每个角色指定精确的年龄、体型、衣着及一个显著特征。
- 技术赋能：对于需要跨视频复用的角色，建议使用 Soul ID 技术进行训练，而非在每次提示词中重复描述。
Step 2: 预先布局场景 (Block the scene)
- 空间关系：明确人物与物体、人物与摄像机的相对位置。
- 运动方向：规定所有物体的移动方向，并保持摄像机视角的一致性，防止画面左右翻转。
Step 3: 定义物理相机 (Define the camera as a physical setup)
- 拒绝模糊形容词：不要使用“动态”等词汇，而是具体指定视场角（FOV）、距离、手持或移动类型。
- 参数化控制：在 Cinema Studio 等工具中直接设置参数，而非仅靠文字描述。
Step 4: 分镜式动作描述 (Write the action as a shot list)
- 起止点逻辑：将动作描述为“起始位置”到“结束位置”的位移，而非单一的情绪形容词。
- 接触点明确：明确指出手部接触点（如“手搭在肩上”、“手指握住物体”），这是避免“多指”或“融合手”的关键。
Step 5: 设定物理与光影 (Set physics and lighting)
- 物理真实性：描述物体在重力、布料、火焰或水流下的真实反应，而非模拟感。
- 光源唯一性：明确光源位置、角度、颜色，并排除多余光源（如“第二个太阳”）。
Step 6: 确定音频与收尾 (Decide the audio and the finish)
- 听觉细节：明确台词归属、背景音及音乐。
- 视觉风格：指定胶片类型、颗粒度、色彩分级，并明确排除水印、文字等干扰元素。
实际案例：从“塑料感”到“电影级”的改写
文章通过对比案例展示了结构化提示词的巨大差异：
- 错误示例："A group of friends around a fire"（一群朋友围着篝火）
- 后果：年龄、姿态、面部特征完全开放，导致角色每次生成都不同，呈现“塑料感”。
- 优化示例："A 30-year-old man with a scar on his cheek, wearing a leather jacket, standing on the left side of the frame. He turns his head slowly to the right, looking at the fire. The camera is a static wide shot with a 24mm lens. Lighting is warm, coming from the fire source on the right."
- 效果：角色特征锁定，动作轨迹清晰，光影逻辑自洽。
开发者价值与应用场景
对于开发者而言，Higgsfield 的这套方法论不仅适用于视频生成，其背后的注意力机制优化和物理约束建模思路，也为构建更可控的 Agent 提供了参考。通过将自然语言转化为结构化的状态机指令，可以大幅降低 Fine-tuning 的门槛，使通用大模型在特定垂直领域（如广告制作、影视预演）展现出更高的可靠性。未来，随着 Context Window 的扩大，这种分步式的提示词工程将成为连接创意意图与高质量 AI 输出的标准桥梁。
“一个强大的提示词应该更接近一个电影剧组可以据此工作的分镜脚本，而不是简单的描述。遵循这些步骤，上述七个常见错误将很难发生。” —— Higgsfield 官方团队
