Většina AI videí selže ze stejných nudných důvodů. Subjekt se uprostřed klipu promění. Kamera dělá něco, o co ji nikdo neprosil. Produkt změní barvu mezi druhou a čtvrtou sekundou. Výstup je technicky „video“ a prakticky nepoužitelný.
Po zhlédnutí desítek tisíc reálných AI video promptů — těch, které vytvořily klipy, jež lidé skutečně publikovali, a těch, které skončily v koši — se ukazuje vzorec. Skvělé prompty nejsou delší ani poetičtější. Jsou více strukturované. Říkají modelu, co se má měnit, jak se má chovat kamera, co musí zůstat zamčené a co odmítáte akceptovat.
Tohle je řemeslný doplněk k našemu datovému reportu o tom, co 40 000 AI video promptů odhaluje o tom, co lidé tvoří. Tamten článek řeší, co tvůrci generují. Tento popisuje, jak ti lepší píší. Pět vzorů, každý se slabou verzí, silnou verzí a vysvětlením, proč na tom záleží.
Hlavní zjištění
- Začněte subjektem + akcí + jasnou změnou v čase — statické popisy vytvářejí statické, bezživotné klipy.
- Specifikujte kameru jako byste režírovali kameramana: velikost záběru, objektiv a jeden promyšlený pohyb.
- Uzamkněte kontinuitní tokeny (obličej, produkt, barva, logo), aby přežily celý klip bez driftu.
- Přiřaďte záběr a tempo platformě a délce ještě před generováním, ne až po něm.
- Omezujte negativy a jasnou výstupní specifikací, aby model věděl, čemu se vyhnout, nejen co zkusit.
Vzor 1: Začněte subjektem, akcí a změnou v čase
Video je pohyb. Největší rozdíl mezi prompty, které vytvářejí živé záběry, a prompty, které generují pomalý nájezd na fotografii, je v tom, zda jste popsali, že se něco děje.
Slabé prompty popisují scénu. Silné prompty popisují scénu, která se mění.
Slabé: A coffee cup on a wooden table in a cafe.
Silné: A steaming coffee cup on a wooden cafe table; steam curls upward and drifts left as morning light slowly brightens across the surface over 5 seconds.
Slabá verze dává modelu statický obrázek a nutí ho vymýšlet pohyb — obvykle líný nájezd nebo nějaké okolní chvění. Silná verze pojmenovává subjekt (hrnek kávy), akci (pára se kroutí a driftuje) a změnu v čase (světlo se během klipu pozvolna rozjasňuje). Model nyní má počáteční a koncový stav, mezi nimiž může interpolovat — přesně to, k čemu je video model stavěn.
Náprava je mechanická. U každého promptu se zeptejte: co je ta jedna věc, která bude na konci klipu jiná než na začátku? Pokud neumíte odpovědět, dostanete pohlednici v pohybu. Tu změnu zapečte do věty. I drobná — otočení hlavy, otevření dveří, valící se mlha — dá modelu práci napříč časovou osou.
Vzor 2: Režírujte kameru jako kameraman
Když nespecifikujete kameru, model si ji vybere sám — a vybere špatně, defaultně sáhne po generickém dolly-in nebo po plovoucím handheld chvění, které křičí „AI“. Nejlepší prompty berou kameru jako záměrnou kreativní volbu, ne dodatečnou myšlenku.
Potřebujete tři věci: velikost záběru (wide, medium, close-up), objektiv nebo pocit z rámování (35mm, širokoúhlý, malá hloubka ostrosti) a jeden pohyb (pomalý nájezd, orbit, statický zámek). Jeden pohyb. Ne tři.
Slabé: A car driving down a coastal road, cinematic.
Silné: Wide tracking shot of a vintage convertible on a coastal highway, shot on a 35mm lens with shallow depth of field, camera tracks alongside the car at matching speed, golden hour.
„Cinematic“ je přání, ne instrukce. Silná verze říká modelu rámování (široký tracking), optický charakter (35mm, malá hloubka ostrosti) a jeden soudržný pohyb (sledování vedle auta ve shodné rychlosti). Právě ta soudržnost působí profesionálně. Konfliktní pokyny pro kameru — „orbituj při zoomování a panorámování“ — jsou místem, kde se modely rozpadají a vytvářejí ten plavavý, nestabilní dojem.
Pokud je pro vás kamera novinka, náš průvodce jak psát AI video prompty rozebírá slovník. Zkratka: představte si, že dáváte jednovětou instrukci operátorovi kamery, který udělá přesně to, co řeknete, a nic navíc. Buďte tak konkrétní.
Vzor 3: Uzamkněte své kontinuitní tokeny
Tohle je vzor, který odděluje hobby od lidí, kteří produkují použitelné záběry. AI video modely driftují. Během pár sekund se obličej nenápadně přerenderuje do jiné osoby, červené logo se posune do oranžova, produkt získá tlačítko, které neměl. Kontinuitní tokeny jsou konkrétní, opakovatelné fráze, jimiž tyto prvky přibijete na místo.
Kontinuitní token je krátký, výrazný popis, který si zvolíte a používáte ho doslova — pro identitu subjektu, produkt, barevnou paletu a jakékoli prvky značky.
Slabé: A woman in a red jacket walks through a city, then we see her closer up.
Silné: A woman with shoulder-length curly black hair and a bright crimson leather jacket walks through a neon-lit city; same crimson jacket and same hairstyle held consistent throughout the clip.
„Žena v červené bundě“ je pozvánka, aby si ji model pokaždé vymyslel jinak. „Po ramena dlouhé kudrnaté černé vlasy a jasně karmínová kožená bunda“, zopakované a výslovně označené jako konzistentní, dávají modelu kotvu. Když generujete více klipů pro jeden projekt, zkopírujte tyto přesné tokeny do každého promptu — nikdy je neparafrázujte. Parafrázování je cesta k tomu, že postava ve třetím záběru přestane vypadat jako ta v prvním.
U brandových věcí je to nevyjednatelné. Uzamkněte přesný název barvy ekvivalentní hexu, umístění loga a určující rys produktu v každém jednotlivém promptu. Pokud vaše platforma podporuje obrazovou referenci nebo text-to-video se startovním snímkem, použijte ji — ale podpořte ji uzamčenými textovými tokeny, protože právě popis nese identitu skrz pohyb, ne jen do prvního frame.
Vzor 4: Přizpůsobte záběr platformě a délce
Prompt, který je skvělý pro 12sekundového YouTube hera, je špatný pro 4sekundový TikTok hook — a rozdíl není jen poměr stran. Nejlepší prompty se navrhují pozpátku od místa, kde bude video žít.
Tři rozhodnutí padnou ještě předtím, než napíšete jediné slovo popisu: poměr stran (9:16 vertikál pro feedy, 16:9 pro YouTube a landing page), délka (a tedy kolik se toho reálně může stát) a tempo (jeden klidný beat pro krátkou smyčku, jasný oblouk pro delší klip).
Slabé: An energetic montage of a fitness product with lots of quick cuts and text, for social media.
Silné: 9:16 vertical, single continuous 5-second shot: a runner laces up bright orange sneakers and pushes off frame-left into a sprint, fast-paced, punchy, designed as a TikTok hook with the action landing in the first 2 seconds.
Žádat „spoustu rychlých střihů“ v rámci jednoho krátkého generování je prosba o chaos — většina modelů produkuje na generaci jeden souvislý záběr, takže požadavek bojuje s nástrojem. Silná verze respektuje formát: vertikál, jeden shot, akce navržená tak, aby dopadla v prvních dvou sekundách, kde to platforma vyžaduje. Často dosáhnete lepšího výsledku tím, že vygenerujete několik čistých single-shot klipů podle této specifikace a sestříháte je dohromady, než když se snažíte nacpat střih do jednoho promptu.
Délka také určuje, kolik změny můžete chtít. Ve čtyřech sekundách přistane jedna jasná akce. Ve dvanácti můžete vystavět malý oblouk. Žádat tříaktový příběh ve čtyřech sekundách jen všechno rozmaže.
Vzor 5: Omezujte negativy a jasnou výstupní specifikací
Poslední vzor téměř nikdo nepoužívá, a právě proto je konkurenční výhodou. Říct modelu, co nechcete, je často silnější než vršit další kladné požadavky. Spárujte to s explicitní výstupní specifikací a přestanete nechávat neglamour rozhodnutí na náhodě.
Dva kroky: negativy (artefakty a klišé, které odmítáte — pokřivené ruce, nesmyslný text, extra končetiny, blikání, nechtěný pomalý zoom) a výstupní specifikace (pocit snímkové frekvence, nasvícení, nálada a poměr stran jasně uvedené na konci).
Slabé: A chef plating a dish in a restaurant kitchen.
Silné: A chef precisely plating a dish in a warm restaurant kitchen; medium shot, soft key light from the left, calm and deliberate pacing, 16:9. Avoid: distorted hands, extra fingers, floating utensils, on-screen text, fast camera movement.
Seznam negativů odvádí reálnou práci. Ruce jsou místem, kde se video modely nejvíc ztrapňují, takže pojmenování „pokřivené ruce, extra prsty“ říká modelu, aby tam soustředil úsilí. „Avoid on-screen text“ zabije nesmyslné nápisy, které modely rády halucinují. A uzavření výstupní specifikací — velikost záběru, směr světla, tempo, poměr stran — znamená, že nedoufáte, že model uhodne váš záměr; řekli jste ho.
Držte negativy úzké a relevantní. Deset obecných negativů ředí signál. Tři až čtyři, které míří na pravděpodobná slabá místa tohoto konkrétního promptu, ho zostří. Různé modely mají jiné slabiny, takže se vyplatí vědět, který používáte — naše mapa silných stránek AI modelů rozebírá, kde který model exceluje a kde se typicky láme.
Jak spojit všech pět do jednoho promptu
Tyto vzory nejsou menu — nejlepší prompty vrství všech pět. Tady je pořadí, do kterého přirozeně zapadají:
- Subjekt + akce + změna („chef servíruje pokrm; pára stoupá, když nasazuje finální ozdobu“)
- Kamera („medium shot, 50mm, pomalý nájezd“)
- Kontinuitní tokeny („stejná chefině v bílé dvouřadé kuchařské bundě napříč celým klipem“)
- Specifikace platformy + délky („16:9, 8 sekund, klidné tempo“)
- Negativy + výstup („teplý key light zleva. Avoid: distorted hands, on-screen text“)
Shora dolů je to jediná soudržná instrukce, kterou může model sebejistě vykonat. Každá věta odpovídá na otázku, kterou by si jinak model zodpověděl sám — a „sám“ je přesně místo, odkud pochází špatné AI video.
Nemusíte pokaždé začínat na prázdné stránce. Knihovna kopírovatelných šablon promptů vám dává ověřené kostry pro běžné typy záběrů; dosadíte svůj subjekt a tokeny a už běžíte všech pět vzorů, aniž byste na ně museli myslet.
Váš další krok
Vyberte jeden prompt, který vám dal zklamávající klip. Prožeňte ho pěti vzory: Pojmenovává změnu v čase? Režíruje jeden jasný pohyb kamery? Máte uzamčené a opakované kontinuitní tokeny? Je naspecifikovaný pro reálnou platformu a délku? Říká modelu, čemu se vyhnout?
Opravte dvě nejslabší odpovědi a vygenerujte znovu. Tenhle jediný editační průchod bývá rozdílem mezi klipem, který smažete, a klipem, který odešlete.
Až budete připraveni vzory použít, otevřete v aplikaci text-to-video a napište první prompt strukturovaně — subjekt, kamera, tokeny, specifikace, negativy. A pokud chcete data o tom, co ve velkém skutečně funguje, přečtěte si doprovodnou analýzu co 40 000 AI video promptů odhaluje. Řemeslo plus důkazy je způsob, jak přestat hádat a začít režírovat.