Veo 提示词工程与创意工作流

做视频生成这两年，我最大的体会是：模型能力的上限，往往被提示词的下限锁死。同样一段"咖啡馆里一个人在煮咖啡"，有人跑出来是广告大片，有人跑出来是模糊抖动的三秒切片。差别不在模型，而在你怎么"说"。这篇文章就聊 Veo 这类文生视频模型的提示词工程（Prompt Engineering），以及一套可复用的创意工作流。

一、Veo 到底能做什么

Veo 是谷歌的文生视频 / 图生视频模型。它的核心能力可以拆成四块：一是文本到视频 ，直接把自然语言变成一段动态画面；二是图像到视频 ，给一张静态图，让模型在保持主体不变的前提下驱动运动；三是镜头语言控制 ，能理解"缓慢推近""环绕运镜""低角度仰拍"这类电影术语；四是原生音轨（Veo 3 起支持），可以直接生成与环境匹配的环境声，甚至对白。

理解这一点很重要：它不是"输入一句话、吐出成片"的黑箱，而是一个需要被精确指挥的"虚拟摄影机 + 虚拟导演"。提示词的质量，直接决定了这一台虚拟摄影机知不知道该往哪拍。

二、提示词的结构：别再写一句话了

新手最容易犯的错，是把提示词写成一个长句："一个帅哥在海边跑步，阳光很好，很酷"。这种写法信息密度低、可控性差。更有效的做法是把提示词拆成段落式结构，每一段负责一个维度：

• 景别（Shot Size）：特写 / 近景 / 中景 / 全景 / 远景，先框定取景范围。

• 主体与动作（Subject & Action）：谁、在做什么，动词要具体（"研磨""倾倒""蒸汽升腾"优于"做咖啡"）。

• 场景（Scene）：在哪里，什么光线条件（黄金时刻、阴天、霓虹夜）。

• 镜头运动（Camera Motion）：缓推、拉远、横移、环绕、手持------这是视频区别于图片的关键维度。

• 风格与情绪（Style & Mood）：电影感、赛博朋克、水彩；宁静、紧张、欢快。

• 时长与声音：几秒，是否要原生环境音。

下面是一个结构化的提示词模板，它把上面六个维度串成一段模型友好的英文描述：

extreme close-up. a vintage brass coffee grinder is turning slowly,
fresh beans tumbling. The scene is a sunlit wooden counter at golden hour.
Camera: slow dolly-in. Visual style: cinematic, anamorphic, shallow DOF.
Mood: warm, unhurried. Duration: 8s. Audio: ambient natural sound.

实践心法：动词具体 + 镜头运动明确 + 风格锚定，三者齐全，成片可控性会肉眼可见地提升。这也是 veo_prompt_builder.py 这个可执行 Demo 自动拼装的逻辑。

三、受控词库：把"创意语言"翻译成"摄影语言"

为什么需要词库？因为同一个意思，人和模型的"词汇表"不一样。你说"镜头动一下"，模型不知道是推还是拉。你建立一张受控词表，就相当于给团队和模型之间立了一本"翻译词典"。下面是我常用的三类核心词：

这套词库的价值在于可复现。同一支团队，今天和三个月后做同一个产品短片，只要引用同一张词表，出来的镜头质感是一致的。这比每次"凭感觉写一句"靠谱得多。

四、分镜工作流：从一句话到一组镜头

单个镜头跑通后，真正的创意工作在"分镜"层面。一个 15 秒的产品故事，通常要拆成 3--5 个镜头，每个镜头换景别、换运动，但保持同一主体。比如咖啡研磨的故事：镜头 1 用远景交代清晨厨房的光，镜头 2 用特写推近手柄转动，镜头 3 用中景横移把研磨和成品并置。三个镜头各写一条提示词，主体始终是那台黄铜磨豆机。

这种"同一主体 + 多镜头运动叙事"的方法，正是 veo_prompt_builder.py 里 build_storyboard 函数做的事情：传入一个基础简报，再传入一个镜头覆盖列表（每个镜头改景别、运动、动作），它就批量产出一组风格统一、主体一致的分镜提示词。

可执行 Demo：veo_prompt_builder.py

这是一个零依赖的纯 Python 脚本，运行后你会看到：单镜头提示词编译、三镜头分镜表自动生成、受控词库速查。它把本文讲的"结构化 + 词库 + 分镜"三件事直接变成可运行代码，跑通一条"想法 → 指令"的工程链路。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
veo_prompt_builder.py
=====================

这个脚本把"一句模糊的创意想法"翻译成 Veo 友好的结构化提示词，
并提供镜头运动词库、景别词库、风格词库，以及把一个创意简报
展开成多镜头分镜表的能力。它不调用任何外部 API，仅用于演示
提示词工程（Prompt Engineering）在视频生成中的实践方法。

运行：
    python veo_prompt_builder.py
"""

from dataclasses import dataclass, field
from typing import List


# ---------------------------------------------------------------------------
# 1. 词库：把"创意语言"映射到"模型语言"
# ---------------------------------------------------------------------------
# Veo 对画面运动、景别、光线、风格的描述越具体，可控性越强。
# 下面三张表是实践中高频有效的"受控词汇"。
CAMERA_MOTIONS = {
    "静态": "locked-off static shot, no camera movement",
    "缓推": "slow dolly-in, camera moves gently toward the subject",
    "拉远": "slow pull-back, revealing the surrounding environment",
    "横移": "smooth lateral tracking shot, camera glides sideways",
    "环绕": "slow 360 orbit around the subject",
    "升降": "crane up, camera rises to reveal a wider vista",
    "手持": "handheld, subtle organic camera shake",
    "俯拍": "high-angle overhead shot looking down",
    "仰拍": "low-angle shot looking up, subject feels monumental",
}

SHOT_SIZES = {
    "特写": "extreme close-up, fill frame with the subject's detail",
    "近景": "close-up, head and shoulders framed",
    "中景": "medium shot, subject framed from waist up",
    "全景": "wide shot, subject within a full environment",
    "远景": "establishing shot, vast landscape with tiny subject",
}

STYLES = {
    "电影感": "cinematic, anamorphic lens, shallow depth of field, film grain",
    "纪录片": "documentary style, natural light, available ambience",
    "赛博朋克": "neon-noir cyberpunk, rain-slick streets, volumetric fog",
    "水彩": "soft watercolor illustration, paper texture, pastel tones",
    "极简": "minimalist, clean negative space, muted palette",
}


# ---------------------------------------------------------------------------
# 2. 结构化提示词：Veo 友好的"段落式"模板
# ---------------------------------------------------------------------------
@dataclass
class CreativeBrief:
    subject: str                       # 主体：谁 / 什么
    action: str                        # 动作：在做什么
    scene: str                         # 场景：在哪里
    shot_size: str = "中景"             # 景别（取自 SHOT_SIZES）
    camera: str = "缓推"               # 镜头运动（取自 CAMERA_MOTIONS）
    style: str = "电影感"              # 风格（取自 STYLES）
    mood: str = "宁静而专注"           # 情绪氛围
    duration_s: int = 8                # 时长（秒）
    audio: str = "ambient natural sound, no dialogue"  # 声音（Veo 3 支持原生音轨）

    def to_prompt(self) -> str:
        """把简报编译成一段 Veo 优化提示词。"""
        cam = CAMERA_MOTIONS.get(self.camera, self.camera)
        sz = SHOT_SIZES.get(self.shot_size, self.shot_size)
        st = STYLES.get(self.style, self.style)
        parts = [
            f"{sz}.",
            f"{self.subject} {self.action}.",
            f"The scene is {self.scene}.",
            f"Camera: {cam}.",
            f"Visual style: {st}.",
            f"Mood: {self.mood}.",
            f"Duration: {self.duration_s}s. Audio: {self.audio}.",
        ]
        return " ".join(parts)


# ---------------------------------------------------------------------------
# 3. 分镜表生成：把一个创意简报展开成多条镜头
# ---------------------------------------------------------------------------
@dataclass
class Shot:
    idx: int
    brief: CreativeBrief
    note: str = ""


def build_storyboard(brief: CreativeBrief, shots: List[dict]) -> List[Shot]:
    """shots: [{camera, shot_size, action, note}, ...] 覆盖简报中的字段。"""
    out: List[Shot] = []
    for i, s in enumerate(shots, 1):
        b = CreativeBrief(
            subject=brief.subject,
            action=s.get("action", brief.action),
            scene=brief.scene,
            shot_size=s.get("shot_size", brief.shot_size),
            camera=s.get("camera", brief.camera),
            style=brief.style,
            mood=s.get("mood", brief.mood),
            duration_s=s.get("duration_s", brief.duration_s),
            audio=brief.audio,
        )
        out.append(Shot(idx=i, brief=b, note=s.get("note", "")))
    return out


# ---------------------------------------------------------------------------
# 4. 演示
# ---------------------------------------------------------------------------
def main() -> None:
    print("=" * 64)
    print(" 谷歌 Veo 创意提示词构建器 · 演示")
    print("=" * 64)

    # --- 单镜头提示词 ---
    print("\n[1] 单镜头结构化提示词")
    brief = CreativeBrief(
        subject="a vintage brass coffee grinder",
        action="is turning slowly, fresh beans tumbling and releasing aroma",
        scene="on a sunlit wooden kitchen counter at golden hour",
        shot_size="特写",
        camera="缓推",
        style="电影感",
        mood="warm, unhurried, tactile",
        duration_s=8,
    )
    print("  简报 ->", brief.to_prompt())

    # --- 多镜头分镜 ---
    print("\n[2] 多镜头分镜表（同一主体，运动叙事）")
    story = build_storyboard(brief, [
        {"shot_size": "远景", "camera": "静态",
         "action": "sits quietly on the counter, morning light pouring in",
         "note": "建立镜头：交代环境与光线"},
        {"shot_size": "特写", "camera": "缓推",
         "action": "handle rotates, beans crack and fall",
         "note": "细节镜头：突出机械质感"},
        {"shot_size": "中景", "camera": "横移",
         "action": "steam rises from the cup beside the grinder",
         "note": "关系镜头：把研磨与成品并置"},
    ])
    for sh in story:
        print(f"  镜头 {sh.idx} [{sh.brief.shot_size}/{sh.brief.camera}] {sh.note}")
        print(f"      {sh.brief.to_prompt()}")

    # --- 词库速查 ---
    print("\n[3] 受控词库速查（节选）")
    print("  镜头运动:", " / ".join(CAMERA_MOTIONS.keys()))
    print("  景别:", " / ".join(SHOT_SIZES.keys()))
    print("  风格:", " / ".join(STYLES.keys()))

    print("\n[完成] 提示词工程的核心：用受控词汇把模糊意图转成可复现指令。")


if __name__ == "__main__":
    main()

输出：

五、总结

提示词工程不是"玄学调参"，而是一套把模糊创意翻译成精确指令的方法论：用六段式结构保证信息密度，用受控词库保证可复现，用分镜工作流保证叙事连贯。当你把这些沉淀成像 veo_prompt_builder.py 这样的工具，团队里每个人都能稳定产出高质量的 Veo 提示词------这才是"创意工作流"真正落地的地方。