De fleste AI-videoer fejler af de samme kedelige grunde. Subjektet morfer midt i klippet. Kameraet gør noget, ingen bad om. Produktet skifter farve mellem sekund to og fire. Outputtet er teknisk set "en video" og praktisk talt ubrugeligt.
Efter at have set på titusindvis af rigtige AI-videoprompter — dem, der producerede klip folk faktisk udgav, og dem, der producerede skrald folk slettede — tegner der sig et mønster. Gode prompts er ikke længere eller mere poetiske. De er mere strukturerede. De fortæller modellen, hvad der ændrer sig, hvordan kameraet opfører sig, hvad der skal forblive låst, og hvad de nægter at acceptere.
Dette er håndværksmakker til vores data-rapport om hvad 40.000 AI-videoprompter afslører om, hvad folk laver. Det indlæg dækker hvad skabere genererer. Dette dækker hvordan de dygtige skriver det. Fem mønstre, hver med en svag version, en stærk version og hvorfor forskellen betyder noget.
Vigtigste pointer
- Start med subjekt + handling + en tydelig forandring over tid — statiske beskrivelser giver statiske, livløse klip.
- Specificér kameraet, som om du instruerer en fotograf: billedstørrelse, objektiv og én bevidst bevægelse.
- Lås kontinuitetstokens (ansigt, produkt, farve, logo), så de overlever hele klippet i stedet for at drive.
- Match optagelsen og tempoet til platform og varighed før du genererer, ikke efter.
- Begræns med negatives og en tydelig outputspec, så modellen ved, hvad den skal undgå — ikke kun hvad den skal forsøge.
Mønster 1: Start med subjekt, handling og forandring over tid
Video er bevægelse. Den største forskel mellem prompts, der producerer levende optagelser, og prompts, der producerer et langsomt zoom på et fotografi, er, om du beskrev noget, der sker.
Svage prompts beskriver en scene. Stærke prompts beskriver en scene, der ændrer sig.
Svag: En kaffekop på et træbord i en café.
Stærk: En dampende kaffekop på et træbord i en café; dampen snor sig opad og driver mod venstre, mens morgenlyset langsomt tiltager over overfladen i løbet af 5 sekunder.
Den svage version giver modellen et stillbillede og tvinger den til at opfinde bevægelse — typisk et dovent push-in eller noget ambient rysten. Den stærke version navngiver subjektet (kaffekop), handlingen (damp snor sig og driver), og forandringen over tid (lyset, der tiltager hen over klippet). Modellen har nu en start- og sluttilstand at interpolere mellem, hvilket præcis er, hvad en videomodel er bygget til.
Løsningen er mekanisk. Spørg for hver prompt: hvad er den ene ting, der er anderledes ved slutningen af klippet end ved starten? Hvis du ikke kan svare, får du et bevægeligt postkort. Bag den ændring ind i sætningen. Selv en lille — et hoveddrej, en dør der åbner, tåge der ruller ind — giver modellen en opgave hen over tidslinjen.
Mønster 2: Instruér kameraet som en filmfotograf
Hvis du ikke specificerer kameraet, vælger modellen et for dig — og den vælger dårligt, som regel et generisk dolly-in eller en svajende håndholdt drift, der skriger "AI". De bedste prompts behandler kameraet som et bevidst kreativt valg, ikke en eftertanke.
Du har brug for tre ting: billedstørrelse (total, halvtotal, nær), objektiv- eller indramningsfornemmelse (35mm, vidvinkel, lav dybdeskarphed), og én bevægelse (langsom push-in, orbit, statisk lock-off). Én bevægelse. Ikke tre.
Svag: En bil kører ned ad en kystvej, filmisk.
Stærk: Bred tracking-shot af en vintage cabriolet på en kystmotorvej, optaget på et 35mm objektiv med lav dybdeskarphed; kameraet tracker side om side med bilen i matchende hastighed, golden hour.
"Filmisk" er et ønske, ikke en instruktion. Den stærke version fortæller modellen indramningen (bred tracking), den optiske karakter (35mm, lav dybdeskarphed), og en enkelt sammenhængende bevægelse (track ved siden af i samme hastighed). Den sammenhæng er det, der læses professionelt. Modstridende kamerainstruktioner — "orbit mens du zoomer og panorerer" — er dér, modeller bryder sammen og producerer det svømmende, ustabile look.
Hvis du er ny i kamerasprog, bryder vores guide om hvordan man skriver AI-videoprompter ordforrådet ned. Genvejen: forestil dig, at du giver en énliniens-instruktion til en kameraoperatør, der gør præcis det, du siger — og intet mere. Vær så specifik.
Mønster 3: Lås dine kontinuitetstokens
Dette er mønstret, der adskiller hobbyister fra dem, der producerer brugbare optagelser. AI-videomodeller driver. På få sekunder re-render et ansigt sig subtilt til en anden person, et rødt logo skifter til orange, et produkt får en knap, det ikke havde. Kontinuitetstokens er de specifikke, gentagelige fraser, du bruger til at nagle de elementer fast.
Et kontinuitetstoken er en kort, særpræget beskrivelse, du forpligter dig til og genbruger ordret — for subjektets identitet, produktet, farvepaletten og enhver branding.
Svag: En kvinde i en rød jakke går gennem en by, derefter ser vi hende tættere på.
Stærk: En kvinde med skulderlangt, krøllet sort hår og en skarp karminrød læderjakke går gennem en neonoplyst by; samme karminrøde jakke og samme frisure holdes konsekvent gennem hele klippet.
"En kvinde i en rød jakke" er en invitation til, at modellen genopfinder hende. "Skulderlangt, krøllet sort hår og en skarp karminrød læderjakke," gentaget og eksplicit markeret som konsistent, giver modellen et anker at holde fast i. Når du genererer flere klip til ét projekt, kopier de præcise tokens ind i hver prompt — parafrasér dem aldrig. Parafrasering er grunden til, at karakteren i skud tre holder op med at ligne karakteren i skud ét.
For brandarbejde er dette ikke til forhandling. Lås den præcise heksade-cirkanavnefarve, logoplacering og produktets definerende kendetegn i hver eneste prompt. Hvis din platform understøtter et billedreference eller text-to-video med en startframe, så brug det — men støt det op med låste teksttokens, for det er beskrivelsen, der bærer identiteten gennem bevægelsen, ikke kun ind i første frame.
Mønster 4: Match optagelsen til platform og varighed
En prompt, der er fantastisk til en 12-sekunders YouTube-hero, er forkert til en 4-sekunders TikTok-hook, og forskellen er ikke kun billedformat. De bedste prompts designes baglæns ud fra, hvor videoen skal leve.
Tre beslutninger træffes, før du skriver ét ord beskrivelse: billedformat (9:16 vertikal til feeds, 16:9 til YouTube og landingssider), varighed (og dermed hvor meget der faktisk kan ske), og tempo (ét roligt slag til en kort loop, en klar bue til et længere klip).
Svag: En energisk montage af et fitnessprodukt med masser af hurtige klip og tekst, til sociale medier.
Stærk: 9:16 vertikal, ét sammenhængende 5-sekunders skud: en løber snører klare orange sneakers og skyder af sted ud af billedet mod venstre i sprint, hurtigt tempo, punchy, designet som en TikTok-hook med handlingen, der lander i de første 2 sekunder.
At bede om "masser af hurtige klip" inde i én kort generering er at bede om rod — de fleste modeller producerer ét sammenhængende skud pr. generering, så ønsket modarbejder værktøjet. Den stærke version respekterer formatet: vertikal, ét skud, en handling konstrueret til at ramme i de første to sekunder, hvor platformen kræver det. Du får ofte et bedre resultat ved at generere flere rene single-shot klip efter denne specifikation og klippe dem sammen end ved at forsøge at presse en redigering ind i én prompt.
Varighed styrer også, hvor meget forandring du kan bede om. På fire sekunder lander én klar handling. På tolv kan du iscenesætte en lille bue. At bede om en tre-akts historie på fire sekunder udtværer bare alting.
Mønster 5: Begræns med negatives og en tydelig outputspec
Det sidste mønster er det, næsten ingen bruger, hvilket netop er derfor, det er en fordel. At fortælle modellen, hvad du ikke vil have, er ofte stærkere end at hælde mere på af det, du vil have. Kombinér det med en eksplicit outputspec, og du holder op med at overlade de uprangende beslutninger til tilfældigheder.
To greb: negatives (artefakter og klichéer, du afviser — forvredne hænder, tekstgibberish, ekstra lemmer, flimmer, den uønskede langsomme zoom) og en outputspec (frame rate-fornemmelse, lys, stemning og billedformat udtrykt klart til sidst).
Svag: En kok anretter en ret i et restaurationskøkken.
Stærk: En kok anretter præcist en ret i et varmt restaurationskøkken; halvtotal, blød key light fra venstre, roligt og målbevidst tempo, 16:9. Undgå: forvredne hænder, ekstra fingre, svævende redskaber, on-screen tekst, hurtig kamerabevægelse.
Negativlisten gør reel forskel. Hænder er dér, videomodeller dummer sig, så at navngive "forvredne hænder, ekstra fingre" fortæller modellen at bruge kræfter dér. "Undgå on-screen tekst" dræber det gibberish-bogstavrod, modeller elsker at hallucinere. Og at slutte med outputspec — billedstørrelse, lysretning, tempo, billedformat — betyder, at du ikke håber, modellen gætter din hensigt; du har udtalt den.
Hold din negativliste stram og relevant. Ti generiske negatives udvander signalet. Tre-fire, der rammer dette prompts sandsynlige fejlpunkter, skærper det. Forskellige modeller har forskellige svagheder, så det kan betale sig at kende den, du bruger — vores AI model strengths map gennemgår, hvor hver model excellerer, og hvor den har tendens til at bryde.
Sådan kombinerer du alle fem i én prompt
Disse mønstre er ikke en menu — de bedste prompts stabler alle fem. Her er rækkefølgen, de naturligt falder i:
- Subjekt + handling + forandring ("en kok anretter en ret; damp stiger, mens hun sætter den sidste garnish")
- Kamera ("halvtotal, 50mm, langsom push-in")
- Kontinuitetstokens ("samme kok i en hvid dobbeltknappet jakke gennem hele klippet")
- Platform + varighedsspec ("16:9, 8 sekunder, roligt tempo")
- Negatives + output ("varm key light fra venstre. Undgå: forvredne hænder, on-screen tekst")
Læst fra top til bund er det én sammenhængende instruktion, en model kan udføre med selvtillid. Hver ledsætning besvarer et spørgsmål, modellen ellers ville besvare for sig selv — og "for sig selv" er dér, dårlige AI-videoer kommer fra.
Du behøver heller ikke starte fra en tom side hver gang. Et bibliotek af kopierbare promptskabeloner giver dig gennemprøvede skeletter til almindelige skudtyper; du indsætter dit subjekt og dine tokens, og du kører allerede alle fem mønstre uden at tænke over det.
Dit næste skridt
Vælg én prompt, du har skrevet, som producerede et skuffende klip. Kør den gennem de fem mønstre: Nævner den en forandring over tid? Instruerer den én tydelig kamerabevægelse? Er dine kontinuitetstokens låst og gentaget? Er den specificeret til en reel platform og varighed? Fortæller den modellen, hvad der skal undgås?
Ret de to svageste svar og regenerér. Den ene redigeringsrunde er som regel forskellen mellem et klip, du sletter, og et klip, du udgiver.
Når du er klar til at sætte mønstrene i arbejde, åbner du text-to-video i appen og skriver din første prompt på den strukturerede måde — subjekt, kamera, tokens, specifikation, negatives. Og hvis du vil have dataene bag, hvad der faktisk virker i skala, så læs den ledsagende analyse af hvad 40.000 AI-videoprompter afslører. Håndværk plus evidens er måden, du stopper med at gætte og begynder at instruere.