一段 4–15 秒的短片也要有"开头、动作、结尾"：Vidu Q3 叙事提示词的写法

很多人写视频提示词时，习惯把想要的元素一股脑堆进去：人物、场景、风格、光线、镜头，全部写上。结果生成出来的画面元素都在，却不像一个"片段"，更像一张会动的海报。问题通常不在模型，而在描述里缺少时间顺序。

Vidu Q3 的页面反复强调一件事：把开场、主要动作与结束时刻写进同一段描述，让短片拥有清楚的情节方向。这篇文章就围绕这一点，整理一套可以直接套用的叙事提示词结构，并说明画幅、时长、声音和参考图该怎么配合。

相关功能说明来自 Vidu Q3 AI 视频生成器页面。

Vidu Q3 适合什么样的片段

页面把 Vidu Q3 的创作重点概括为：文字驱动的场景、角色动作与叙事短片。和同站的 Vidu Q4 相比，Q4 页面重点介绍图片与视觉参考创作，Q3 页面则重点介绍场景与叙事创作。页面也说明，两者当前都提供文字、图生与参考输入，可以按素材与创作方向选择入口。

页面列出的典型场景包括：叙事广告、短故事与角色场景、动画概念短片、社交内容、产品故事，以及拍摄前的电影创意与场景探索。共同点是：每段视频都有一个能讲清楚的小情节。

三段式结构：开场、主要动作、结束

页面在"镜头运动与节奏"部分写道：明确开场、主要动作与结束时刻，让 4–15 秒短片呈现一个完整片段。把这句话拆开，就是一个很好用的模板：

【开场】镜头景别 + 环境 + 人物初始状态
【主要动作】一个清楚的动作或反应（只写一个）
【结束】动作结束后的画面状态 + 镜头最终位置
【补充】光线 / 风格 / 声音（可选）

举一个叙事广告的例子：

开场：远景，清晨的小咖啡馆，女店员在柜台后擦拭杯子。
主要动作：门口风铃响起，她抬头，看到熟客走进来，露出笑容。
结束：她把一杯已经做好的拿铁推到柜台前，镜头缓慢推近到杯子上的拉花。
补充：暖色晨光，写实风格；开启音频，加入风铃声和轻微的店内环境声。

这样写的好处是，模型拿到的是一段有先后顺序的事件，而不是一组并列的关键词。

一段视频只放一个主要动作

页面在叙事广告部分的建议是：每段视频聚焦一个动作，再在剪辑中组织开场、产品展示与结尾。在角色动作部分也提到，按顺序描述动作，再补充重要的表情与情绪。

所以如果你的创意需要"进门、点单、等待、拿到咖啡、离开"五个环节，不要塞进一段 15 秒的视频里，而是拆成几段，每段一个主要动作，最后在剪辑软件里拼接。页面在"从灵感延展为故事"部分也是这样建议的：将同一个创意方向拆成不同镜头，保留可以复用的图片与场景描述。

镜头怎么写

页面给出的镜头语言示例很实用：用远景交代环境、缓慢推进靠近主体，或跟拍展示动作。在三段式结构里，镜头描述最好放在开场和结束两处：开场说明从什么景别开始，结束说明镜头最后停在哪里。中间的主要动作部分，尽量只写人物在做什么。

声音：开还是不开

Vidu Q3 支持可选的生成音频。页面的说明是：开启音频后，可以在画面描述中加入台词、脚步、风声或其他场景声音；也可以关闭音频，在最终剪辑中加入自己的配乐、旁白与字幕。

一个简单的判断标准：

• 声音本身是情节的一部分（例如风铃响起才让人物抬头），就开启音频，并在提示词里写清楚。
• 最终要统一配乐、加字幕，或者需要精确的节奏，就关闭音频，后期处理。

页面也提醒，用于最终剪辑前，应完整检查声音内容与时序。

规格与参考图

页面写明的当前规格是：4–15 秒整数时长，480p 或 720p 分辨率，以及画幅选项。可以按发布位置选择，例如竖屏社交开场或横屏产品展示。

如果已有照片，可以选择图生视频上传首帧，需要引导结束构图时再添加尾帧，支持 JPG、PNG 和 WebP。需要组合人物和地点素材时，参考模式最多可使用 9 张图片，并在提示词中说明每张图的作用。注意，参考模式与首尾帧模式是分开使用的。

三段式结构和首尾帧配合得很好：首帧对应"开场"，尾帧对应"结束"，提示词只需要重点描述中间的主要动作。

保存草稿，一次只改一个要素

页面在使用步骤里建议，把提示词、图片与参数一起保存为草稿，每次调整一个要素，例如动作幅度、摄影方向或氛围，便于比较不同创意，并保留原来的输入。用三段式写法还有一个额外好处：调整时很容易定位是哪一段需要改。

小结

• 按"开场、主要动作、结束"的顺序写提示词。
• 一段视频只放一个主要动作，多环节的故事拆成多段。
• 镜头描述放在开头和结尾。
• 声音是情节的一部分就开启音频，否则留到后期。
• 有首尾帧时，提示词重点写中间的动作。