เขียนพรอมป์ต์ Text-to-Video อย่างไรให้ปัง (พร้อมตัวอย่าง)

โมเดลอ่านพรอมป์ต์ของคุณอย่างไร

โมเดล text-to-video ไม่ได้ “เข้าใจ” เรื่องราวแบบมนุษย์ — มันแมตช์รูปแบบจากคำของคุณกับภาพที่เรียนรู้มา ยิ่งบรรยายสิ่งที่ต้องอยู่บนจอและพฤติกรรมของกล้องได้เป็นรูปธรรมเท่าไร มันยิ่งเดาน้อยลง คำนามเฉพาะ การกระทำเดียวชัดเจน และการระบุทิศทางกล้องที่ชัด ชนะกองคำคุณศัพท์บอกอารมณ์

โครงสร้างพรอมป์ต์ที่เวิร์ก

อธิบายช็อตแบบผู้กำกับ — ตัวแบบ การกระทำ ฉาก สไตล์ และกล้อง ให้จบใน 1–2 ประโยคชัดๆ

1. 1ตัวแบบ: ใครหรืออะไรอยู่บนจอ (“บาริสต้า”, “สมาร์ทโฟนดีไซน์เพรียว”).
2. 2การกระทำ: เกิดอะไรขึ้น (“รินลาเต้อาร์ต”, “หมุนช้าๆ บนแท่น”).
3. 3ฉาก: ที่ไหน (“คาเฟ่สเปเชียลตี้แสงอาทิตย์ส่อง”, “สตูดิโอมินิมอล เงานุ่ม”).
4. 4สไตล์: โทนภาพ (“ภาพยนตร์ ระยะชัดลึกตื้น เกรดโทนอุ่น”).
5. 5กล้อง: การเคลื่อน (“ดันช้าเข้า”, “โคจรรอบ”, “ไวด์นิ่ง”).

ก่อนและหลัง

กว้าง: “วิดีโอกาแฟ”. ดีกว่า: “โคลสอัพบาริสต้ารินลาเต้อาร์ตลงถ้วยสีขาวบนเคาน์เตอร์ไม้ คาเฟ่สเปเชียลตี้แสงอาทิตย์ส่อง โทนภาพยนตร์ ระยะชัดลึกตื้น ดันช้าเข้า no text.” พรอมป์ต์ที่สองควบคุมตัวแบบ ฉาก แสง เลนส์ และการเคลื่อน — โมเดลจึงต้องจินตนาการน้อยลง และคุณได้ช็อตที่ใช้การได้บ่อยขึ้น

บอกสิ่งที่คุณไม่ต้องการ

คีย์เวิร์ดเชิงลบช่วยเกลี่ยผลลัพธ์ให้สะอาด ใส่ “no text, no watermark, no logos, no extra fingers” เพื่อเลี่ยงอาร์ติแฟ็กต์คลาสสิกของ AI ถ้าต้องการเอาต์พุตที่ปลอดภัยต่อแบรนด์ ให้เพิ่ม “generic packaging, no brand logos” รายการตัดทอนสั้นๆ มักช่วยคุณภาพได้มากกว่าการเติมคำคุณศัพท์อีกคำ

ไล่ปรับทีละจุด อย่าระบุละเอียดเกินไป

เริ่มจากพรอมป์ต์โฟกัสชัด เจนเนอเรต แล้วเปลี่ยนทีละอย่าง — แสง จากนั้นท่ากล้อง แล้วค่อยอารมณ์ การยัดคำคุณศัพท์สิบคำพร้อมกันทำให้แยกไม่ออกว่าอะไรช่วยจริง มองแต่ละรอบเจนเนอเรตเป็นการทดลองที่มีตัวแปรเดียว

สร้าง “สไตล์ประจำช่อง” ที่ใช้ซ้ำได้

พอเจอโทนภาพที่ชอบ ให้บันทึกครึ่งสไตล์ของพรอมป์ต์ไว้เป็น suffix (เช่น “ภาพยนตร์, 4K, แสงธรรมชาตินุ่ม, ระยะชัดลึกตื้น”) แล้วใช้ซ้ำข้ามหลายคลิป คุณเปลี่ยนตัวแบบและการกระทำรายช็อต แต่สไตล์ประจำจะคงความสม่ำเสมอของภาพทั้งชุด — ทำให้ช่องดูมีเจตนาและเอกลักษณ์