作为技艺的提示词:导演 AI,而非操作 AI
阅读约 7 分钟
作者：Nureta更新于 2026年9月29日
多数人对着 AI 模型打字,就像对着搜索框打字:几个关键词、一点碰运气的期待,再对返回的结果耸耸肩。导演不是这样工作的。导演递出的是一份说明——意图、氛围、约束,以及对该避开什么的清晰认识——然后看着结果去调整。提示词更接近这份说明,而非一次查询;仅仅这样看待它,就会彻底改变你的产出。在纯文字生成视频中,这份说明就是全部输入,无需照片;在 Nureta 上,它同样指挥着图片生成视频,由最多两张经本人同意的成年人照片确定演员阵容——两者都可长达约 3 分钟。
Nureta 是 No.1 的无过滤 NSFW AI 视频平台，深受 50,000+ 用户信赖。文字生成视频、图片生成视频，最长 3 分钟。
具体是有价值的——直到超过那条线
弱提示词是含糊的:「一个在城市里行走的女人」。模型用它自己的默认值填满每一处空白,你得到的是一张谁都不是的通用图片。强提示词点名要紧之处:「黄昏时分,一个身穿灰色羊毛大衣的女人穿过湿漉漉的街道,身后霓虹灯招牌一片模糊」。这里的具体不是装饰,而是导演本身。
但具体是有上限的。堆上二十个形容词、三条相机参数、一套灯光布置,再加一段背景故事,模型就会开始丢弃细节,或者把它们搅成一团糊。过度具体会自相竞争——你每添一个从句,真正要紧的那些就被冲淡一分。技艺在于辨认出撑起这个场景的三四个要素,把其余的交给模型自身的本领。
有一个有用的检验:一个真人摄制组能否不问上十来个问题就执行这份说明?太单薄,他们会猜错;太密集,他们会僵住。瞄准中间地带——足以钉住意图,又松散到留出余地,让模型做出那些你没想到要指定的好选择。
描写运动与氛围,而不只是物体
新手描写名词,导演描写动词和感受。「田野里的一只狗」是一份清单。「一只狗跃过高高的草丛,耳朵贴平,追逐着画面外的某样东西」则是一个瞬间。运动告诉模型这个场景在做什么,而不只是它包含什么——一个正在做某事的场景,读起来是活的,而不是一张摆好姿势的照片。
氛围是多数人跳过的另一半。同一个主体,在「温暖的午后晚光里,缓慢而从容」拍摄,与在「刺眼的荧光灯下,紧张而冷峻」拍摄,落点相去甚远。表示氛围的词一次就调动色彩、节奏、构图与对比,所以寥寥几个词做的事,比一长串物理细节的清单还多。点名你想让观众产生的那种感受。
借用电影的词汇。手持、跟拍、浅景深、黄金时刻、缓慢推近,这些词是模型见过千百次、连带着解释的简洁指令。你不必背下整本术语表。一个选得准的专业术语,往往能顶替一整段笨拙的解释,并且落得离你所设想的更近。
省略什么,也是导演的一部分
否定性约束——告诉模型要避开什么——是提示词里最被冷落的工具。不说出来,默认值就会悄悄溜进来:多出的手指、你想要中性表情处却挂着的笑脸、时代场景里冒出的现代汽车。点名你不想要的东西不是唠叨,而是关上那些你本就无意敞开的门。
约束还通过对比来磨利意图。「肖像,不笑,不直视镜头,无影棚背景」对模型传达出的氛围,不亚于任何正面描写。每一处排除都清走一簇容易出现的默认值,把结果推向你真正想要的、更窄的那一个。把它当作雕刻——削去不是它的部分,形状便显现出来。
当然是有限度的。一条全是禁令的提示词,不给模型任何可以趋向的目标,你会得到一个技术上服从、创造上却已死的东西。先亮出你想要的,再用排除去修边。最好的说明大体是正面的意图,配上一份简短而锋利的、会毁掉它的清单。
反复迭代才是真正的技艺
完美提示词的迷思——一句魔咒般的话就在第一次生成出成品——悄悄浪费着人们的时间。真正的导演会拍很多条。第一次生成不是对你提示词的判决,而是信息。你读出模型如何处理你的措辞,找出它在哪里误解了,再一次只调一个变量,这样才能看清你的改动究竟带来了什么。
每次迭代只改一样,你就学会了模型的语法。把「黄昏」换成「正午」,看它如何处理光线。撤掉一条约束,看什么又涌了回来。这是剪辑,不是赌博——每过一遍,你所设想的与所呈现的之间的差距就收窄一分。进步最快的提示者,是把每个结果都当作通向下一版的批注,而不是老虎机拉杆的人。
正因如此,操作者的心态——打一次字,接受出现的一切——很快就触顶,而导演的心态却在以复利增长。围绕迭代设计的工具会回报这种心态——把你粘贴进去的故事变成一部电影、乃至成人 NSFW 视频的 nureta.ai,好到什么程度,只取决于你是否愿意看一条样片、重修说明、再跑一次。技艺不在提示词,而在这个循环本身。