为什么你做的AI视频没人看？因为你没掌握这1个核心指令

你花了好几个小时，对着AI工具输入各种指令，最后生成了一个自认为不错的视频。你把它发出去，然后……就没有然后了。播放量停在两位数，一半还是你自己贡献的。你可能会怪算法，怪平台，或者干脆怪AI工具本身不够强大。

但问题根本不出在这里。

问题在于，你给AI下达指令的方式，从一开始就错了。绝大多数人都在用一种模糊、随意的聊天方式和AI沟通，期望它能像个天才导演一样，猜透你的心思，然后给你拍出一部大片。这不可能实现。

你必须掌握的核心指令，其实是一种思维方式的转变：把AI当成一个具体执行任务的实习生，而不是一个会读心术的导演。

一个实习生，你必须告诉他所有细节。他不会自己加戏，你让他做什么，他就做什么。你告诉他“随便拍个下雨的场景”，他可能就真的随便找个地方拍了。但是如果你告诉他“用固定机位，低角度，拍摄一个男人穿着黑色风衣，在凌晨三点的东京街头，快步走过一个有霓虹灯倒影的水坑”，他才能准确地把这个画面给你。

AI视频生成工具就是这个实习生。它没有创意，没有情感，也不懂你的“感觉”。它只懂数据和标签。你给它的指令越具体、越清晰，它返回的结果就越接近你的想象。模糊的指令只能得到模糊、通用、没人想看的视频。

我们来拆解一下，怎么把这个核心指令应用到实际操作中。你需要把一个模糊的想法，细化成四个部分，然后组合成一个能让AI“听懂”的指令。

一、场景描述

这是画面的基础。大多数人犯的第一个错误就是场景描述过于简单。

• 错误指令: “一个森林”
• AI的理解: 随机抓取数据库里所有标记为“森林”的元素，可能是阳光明媚的卡通森林，也可能是阴暗的温带雨林。结果完全不可控。
• 正确指令: “一片被浓雾笼罩的红木森林，清晨的阳光透过高大的树冠，形成一道道光柱，照射在潮湿的、铺满落叶的地面上。空气中可以看到漂浮的尘埃。”

你看，这个指令包含了时间（清晨）、天气（浓雾）、具体植物（红木）、光线（光柱）、地面细节（潮湿的落叶），甚至还有空气的质感（漂浮的尘埃）。AI有了这些具体的元素，就能生成一个有氛围、有质感的特定场景，而不是一个通用的“森林”图片。

操作步骤：
1. 确定地点： 是城市还是自然？室内还是室外？具体是哪个城市？哪个房间？
2. 确定时间： 是清晨、正午、黄昏还是深夜？
3. 确定天气和光线： 晴天还是雨天？是柔和的自然光，还是刺眼的霓虹灯？光线的方向是哪里来的？
4. 添加关键细节： 地面上有什么？墙上有什么？空气中有什么？这些细节决定了视频的真实感。

二、角色定义

视频里的人是谁？他是什么样子的？他在做什么？这是故事感的核心。

• 错误指令: “一个男人在走路”
• AI的理解: 生成一个面目模糊的男性，用标准的姿势在走路。这个画面没有任何信息量，观众看一秒就会划走。
• 正确指令: “一个大约40岁的男人，穿着一件磨损的棕色皮夹克和褪色的牛仔裤。他有三天没刮的胡子，眼神疲惫，但步伐坚定。他手里紧紧攥着一个旧信封，好像很重要。”

这个指令定义了角色的年龄、穿着、外貌细节、情绪状态，甚至还有一个关键的道具（旧信封）。这些信息组合起来，就塑造了一个有故事背景的人物。观众会好奇，他为什么疲惫？信封里是什么？他要去哪里？这就是吸引力。

操作步骤：
1. 定义基本信息： 年龄、性别。
2. 描述外观： 他穿什么衣服？什么发型？有什么显著的面部特征？
3. 描述情绪和状态： 他的表情是怎样的？是开心、悲伤、愤怒还是疲惫？
4. 赋予一个动作或道具： 他手里拿着什么？他正在做什么具体的小动作？这个动作能反映他的内心状态。

三、动作与镜头

这是把静态画面变成动态视频的关键。AI不仅需要知道“做什么”，还需要知道“怎么拍”。

• 错误指令: “一辆车在开”
• AI的理解: 从一个随机的、平淡的角度，拍摄一辆车在路上行驶。这就像交通监控录像一样无聊。
• 正确指令: “特写镜头，从低角度拍摄。一辆1969年的福特野马，在一条湿滑的柏油路上急转弯，后轮因为打滑而冒出白烟。车轮溅起的水花飞向镜头。”

这个指令不仅说明了动作（急转弯、打滑冒烟），还定义了镜头语言。 “特写镜头”、“低角度”、“飞向镜头的水花”，这些都是导演术语。你把这些术语教给AI这个“实习生”，它就能给你拍出有冲击力的电影感画面。

操作步骤：
1. 明确核心动作： 整个镜头里，最关键的动作是什么？是跑、跳、还是一个微小的眼神变化？
2. 选择机位： 是远景、全景、中景还是特写？
3. 确定镜头角度： 是平视、仰视还是俯视？
4. 增加镜头动态： 镜头是固定的，还是在推、拉、摇、移？或者使用手持摄影的晃动感？
5. 描述动作细节： 动作带来的后果是什么？比如，跑步会带起地上的灰尘，爆炸会产生碎片。

四、风格与画质

这是决定视频整体观感的最后一步。你想让你的视频看起来像什么？

• 错误指令: “电影感”
• AI的理解: “电影感”是一个非常主观和宽泛的词。AI可能会随机应用一种它数据库里标记为“电影感”的滤镜，结果往往不伦不类。
• 正确指令: “使用35毫米胶片拍摄的质感，宽银幕变形镜头（anamorphic lens flare）。画面色调偏冷，类似大卫·芬奇的电影风格。高对比度，阴影部分非常暗。4K画质，细节清晰。”

这个指令给了AI极其具体的参考标准。“35毫米胶片质感”定义了颗粒感和色彩，“变形镜头”定义了光晕的形态，“大卫·芬奇风格”给了AI一个明确的导演作为模仿对象，“高对比度”和“冷色调”定义了光影和氛围，“4K画质”则保证了输出的清晰度。

操作步骤：
1. 选择媒介质感： 是数字摄影机拍的，还是老式胶片？是8mm, 16mm, 还是35mm？
2. 指定镜头类型： 标准镜头、广角镜头，还是长焦镜头？需不需要特殊的镜头效果，比如鱼眼或者变形宽银幕？
3. 定义色彩和光影： 整体色调是暖还是冷？是高饱和度还是低饱和度？对比度是强还是弱？
4. 寻找参考： 直接告诉AI模仿某个著名导演、摄影师或者某部具体的电影风格。例如，“宫崎骏动画的风格”、“《银翼杀手2049》的赛博朋克美学”。
5. 明确最终画质。

把这四个部分组合起来，你就得到了一个真正有效的核心指令。

我们回头看，为什么播放量上不去？因为你的视频没有“有效信息”。画面模糊，人物没有故事，动作平淡，风格混乱。观众的眼睛很挑剔，他们在一秒钟内就能判断出这个视频是精心制作的，还是随便生成的垃圾。

当你开始用对待实习生的方式，把每一个细节都交代清楚，你的AI视频才会发生质的变化。它会从一个模糊的、随机的片段，变成一个有特定场景、特定人物、特定故事和特定风格的“作品”。

这需要花更多时间思考和打字，而不是随便扔几个词进去然后抽卡。但这才是创作的真正过程。AI只是工具，它帮你执行那些繁琐的渲染工作，但真正的导演，还是你。停止许愿，开始下达具体、清晰、可执行的指令。这样，你的视频才有可能被人看完。