vivago R1 这类多模态短片生成，提示词的“细”不是字数问题，而是分工问题：同一个镜头里，角色的固定特征、这一个镜头要完成的主动作、以及你明确不想要的东西，如果混在同一句话里，写多细都会互相干扰。比较稳的做法是先把提示词拆成固定项、动作项、禁止项三层分别写，再用同一镜头跑简、中、详三档，看哪一档在你自己的题材上主体和动作还能守住，把那一档当基线，而不是一路加字。不同版本的输入界面和可调参数会有差异，格式细节需要结合你的实际环境确认。

判断方向：提示词写到“每一句只承担一件事”就够了，超出这个边界继续堆形容词，通常只会让约束互相冲突。操作上按固定项（角色、场景、画风各一句）、动作项（一镜一句主动作）、禁止项（末尾收口）分行写；验证方式是用同一镜头跑简、中、详三档，逐项记录主体准确度、动作完成度、风格一致度，取“主体不漂、主动作能完成”的最低档作为基线。风险边界：三层模板和三档对照都是通用写法示例，不代表官方推荐格式；换模型或换比例后需要重新对一次。

把提示词拆成三层再动笔

三层的作用不同，所以不该写在同一行里。固定项负责“跨段不变”，描述角色外形、场景基调、画风；动作项负责“这一镜发生什么”，一个镜头只写一个主动作；禁止项负责“排除”，补上正向描述漏掉的点。分行的意义在于：跑偏时你能一眼看出是哪一层出了问题——角色脸型变了是固定项不够稳，人物站着手却在拧瓶盖是动作项塞了两个动作，画面里冒出字幕或多余人物是禁止项没写。

【固定项】
角色：短发、深灰风衣、左手腕有细银手链，全程同一套装束
场景：夜间城市公交站台，地面积水反光，背景有模糊车灯
画风：写实、低饱和冷调、35mm 定焦视角

【动作项】
镜头1：她站在站台边缘，缓慢抬头看向路灯

【禁止项】
不要出现：文字、字幕、水印、额外人物、镜头快速推拉

写完后先只检查结构：三层是否各自成行、动作项是否一镜一句、禁止项是否在最后。结构对了再去调词，比反复改一整段散句有效得多。

固定项写什么：角色、场景、画风

固定项的目标是让观众在第二段、第三段还认得出是同一个人、同一个地方。写法上建议每项一句话，把可判断的特征写进去，而不是写气氛词。以下是可用的示例句式：

• 角色：“成年女性，齐肩黑发，深灰长风衣，左手腕银色细手链”——特征是能被画面验证的。
• 场景：“夜间公交站台，地面积水，背景仅保留远处模糊车灯”——规定了地点和背景密度。
• 画风：“写实风格，冷色调，浅景深，人物占画面中景”——规定了质感与构图。

属于无效描述的形容词，通常是没法落成具体画面的那类：“唯美、高级感、有氛围、很有故事感、大片质感、情绪饱满”。它们不是不能用，而是不能当作约束——写了之后模型仍要自己猜你要什么，跑偏了也无从修改。想保留这类感觉，就把它翻译成可观察的项：把“高级感”改成色调、景别、光源方向；把“有故事感”改成人物朝向、留白位置、是否直视镜头。反过来，“逆光、侧面、中景、冷调”这类词才是能对照检查的。

动作项写什么：一个镜头一个主动作

短片跑偏最集中的地方是动作句。一句话里塞进“走过来、坐下、掏手机、抬头微笑”，模型往往只完成其中一个，或者把人摆成一个四不像的中间状态。建议一个镜头只写一句、只保留一个主动作，其余动作拆到后续镜头。

拆分前（一镜多动作）：
她走进站台，收起伞，坐下，然后抬头看路灯，表情变得柔和。

拆分后：
镜头1：她走进站台，收起伞。
镜头2：她坐在站台长椅上，抬头看向路灯。
镜头3：她面部特写，保持静止。

拆分前后的对比记录可以这样记（示例填法，按自己片子替换）：

另外，动作句里尽量不要同时写“正在做A，同时做B”。如果确实需要两个动作并存，例如“边走边看手机”，把它当成一个复合动作单独确认一次，看画面是否把两个都做出来，做不出来就继续拆。

禁止项写什么：明确不想要的东西

正向描述总有覆盖不到的地方，禁止项用排除法补。常见类别可以先从这几组挑：

• 画面元素类：文字、字幕、水印、logo、边框、多余人物。
• 镜头运动类：快速推拉、剧烈晃动、突然变焦、转场特效。
• 风格偏离类：卡通化、过度磨皮、暖黄色调、高对比滤镜。
• 结构错误类：多只手、多根手指、面部变形、身体比例失衡。

写法上建议统一句式，便于逐条增删，例如：“不要出现：文字、水印、额外人物、快速镜头运动”。放在提示词末尾的理由是顺序带来的注意力差异：固定项和动作项决定画面“是什么”，需要被优先读到；禁止项是收口性质，放在后面更像约束条件而不是内容描述。如果把“不要文字”写在最前面，部分模型容易把它当作画面内容去理解。若你的环境支持负向提示词字段，可以把它单独放进那个字段，正文里就不必重复，具体以界面实际提供的输入项为准。

同一镜头跑三档详细度做对照

颗粒度不能靠猜，拿你自己的题材跑三档最快。固定同一个镜头，只改详细度，其余设置尽量保持一致，三档各跑一次再看差异。

简版：一位女性在夜间公交站台抬头看路灯。

中版（固定项 + 动作项）：
成年女性，齐肩黑发，深灰长风衣，左手腕银色细手链；
夜间公交站台，地面积水反光，背景远处模糊车灯；写实风格，冷色调，浅景深。
镜头：她站在站台边缘，缓慢抬头看向路灯。

详版（再加细节与禁止项）：
成年女性，齐肩黑发，深灰长风衣，左手腕银色细手链；
夜间公交站台，地面积水反光，背景远处模糊车灯，画面中仅有她一人；
写实风格，冷色调，浅景深，35mm 视角，人物位于画面中景偏右；
镜头：她站在站台边缘，缓慢抬头看向路灯，肩膀保持不动。
不要出现：文字、字幕、水印、额外人物、快速镜头运动、暖黄色调。

记录表按三项打分，用“稳 / 偏 / 需人工复核”这类定性描述即可，不必凑数字：

填完后取“主体不漂、主动作能完成”的最低一档当基线，再往后续镜头复制固定项。如果详版反而比中版差，通常是新增描述之间互相冲突，优先删掉重复表达同一件事的句子，而不是继续加字。跨段一致性靠固定项原样复用，不靠每段重写一遍更长的描述。