你输入一句话、点了生成，返回的是一段四秒视频：人物六根手指，椅子像融化一样陷进地板。你又试了一次，结果一样，只是怪点儿不一样。于是你断言：文本转视频“还不行”。
真相有点刺耳：大多数糟糕的AI（人工智能）视频，不是模型问题，而是输入问题。给出同样“融化的椅子”的引擎，换个更细致的操作者，照样能产出干净、符合品牌的镜头——因为他们避开了几条悄悄毁片子的入门错误。
这篇是完整新手指南的故障排查搭档。那篇从零讲流程；这篇是现场抢修手册。下面每节是一种错误：你能识别的症状、背后的原因，以及精准修复。按顺序改，你的命中率会从“碰运气”爬到“可复现”。
要点速记
- 含糊的一行提示词是烂片头号元凶——明确主体、动作、机位、光线、风格。
- 第一次渲染是草稿不是成片；为每个可用镜头预留3-5次生成预算。
- 在生成之前就匹配目标平台的纵横比，而不是事后硬裁。
- 上线前一定做人工检查：人脸、手部、文字，以及任何带事实陈述的配音。
错误1：含糊的一行提示词
症状： 你写了“一位女性走在城市里”，得到的是一条平庸无味的片子——时间不对、情绪不对、脸像谁都不是。你反复重生，只是在不同口味的“平庸”之间切换。
原因： 你留的空白，模型就用“平均猜测”去填。“一位女性走在城市里”几乎什么都没说清，于是你拿到的是成千上万训练片段的统计均值。不是“坏结果”，而是“最寡淡的结果”，这正是欠规范提示词在请求的东西。
修复： 补上每个模型都吃的五要素：主体、动作、机位、光线、风格。把示例改写成：“一位穿米色风衣的女性在傍晚的东京雨后街头快步前行，霓虹倒映在水洼里，低位跟拍，电影感，浅景深。”同一想法，控制力×10。
别每次都靠记忆拼结构。我们在如何写AI视频提示词里拆解了骨架；提示词模板库给你几十种场景的填空起点。抄一个模板，替换细节，开干。
错误2：把第一版当成最终版
症状： 你生成一次，觉得“还能用”，就交付了。一周后回看，问题刺眼——第三帧手指变形、眨眼不自然、背景物忽隐忽现。
原因： 文本转视频是非确定性的。同一提示词每次都会采样出不同结果。第一版很少是最好的，只是“第一版”。把它当终稿，就像片场第一条过机就收工。
修复： 批量生成。同一提示词跑3到5次，像摄影师连拍再挑一张。多几次生成的成本，远低于带瑕疵的片子上线的代价。
审片时优先看运动——动作是否完整自然，还是卡顿、循环？先选运动干净的，再看构图。光美但动坏了=不可用；朴素但动顺了=可调色可救。
错误3：忽视开场画面与“钩子”
症状： 片子技术上没毛病，但没人看过第一秒。留存曲线直坠；在社交信息流里被一滑而过。
原因： 新手想着“整条片”，忘了第一帧才是拦拇指的关键。模型常以静态铺陈开场——慢淡入、空房、天空——因为提示词没要求“热启动”。温柔开头在0.5秒就被判生死的信息流里=死亡。
修复： 在“第一帧”就点名有主体、有动作。别写“慢摇过厨房，然后厨师出现”，而写“厨师正翻锅起火，特写，火焰立起，即刻入戏”。把最抓人的瞬间前置。
短视频尤其要像写脚本一样策划“钩子”。TikTok、Reels、Shorts上，第一帧既是缩略图也是钩子。多生成几种开场，对比测试；完播率差异往往非常直观。
错误4：纵横比不匹配平台
症状： 你做了一条漂亮的16:9横屏，硬塞进竖版Reel。结果要么上下黑边，要么裁得人脑袋没了、构图全毁。
原因： 习惯性默认“电视横屏”，做完才发现投放是竖版。事后修复只能暴力裁掉半个画面——而模型当初并没按这个裁切去构图，关键信息自然掉画。
修复： 先定投放，再在生成前锁定纵横比。速查：
- 9:16 竖屏：TikTok、Instagram Reels、YouTube Shorts
- 16:9 横屏：YouTube、网站、演示
- 1:1 方形：通用动态主Feed
- 4:5 竖版：Instagram主Feed想要更大竖向面积但不走Reels
按正确比例生成，模型会“为该画框”构图——主体居中、留白得当、危险区不压关键信息。Vivideo的text-to-video支持先锁纵横比，省去后期硬裁的痛苦。
错误5：镜头之间没有连贯性
症状： 你生成三条镜头讲个小故事，人物外套在其间变色，房间光从暖跳到冷，“同一个人”像三个人。更像卡顿幻灯，而不是一条序列。
原因： 每次生成都是一座孤岛。模型不记得你上一个镜头，除非你主动强制一致，否则每条都在“重新创造世界”。新手以为“同提示词=同风格”。并不。
修复： 把必须一致的细节钉死，并在每条提示词里逐字复用——人物着装、发型、场景、时间、光线、调色。做个可粘贴的“风格块”： “consistent character: woman, early 30s, short black bob, red leather jacket; setting: warm-lit industrial loft, golden hour; film grain, muted color grade.”
要更稳地复现角色或产品，用image-to-video替代纯文本。先生成或上传一张你满意的参考图，再让它动起来。锚定图像比每次用文字描述更能把主体锁住。品牌层面的统一，可配合品牌套件复用同一配色与风格。
错误6：把一条片塞进太多动作
症状： 你的提示词写了“五连动作”——“她走进来、坐下、打开电脑、接电话、然后离开”，模型给出的是一团糊：四肢打结、时间线混乱、信息读不清。
原因： 一次短生成就是一个“镜头”，不是一个“场”。多数片段只有几秒，你却要它容纳五个明确动作，只能被压缩碰撞。等于给一个机位一部长片剧本，然后喊“开拍”。
修复： 一条片=一个意图=一个动作。把序列拆成多条生成——进门、落座、开电脑、接听、离场——每条清晰提示，再放到时间线上拼接。真实视频也是这样：场由镜头组成，镜头很短。
这还能让其他修复更容易。短、单动作的片段更少藏瑕疵、重生更快、也更易用第5条的风格块做连续性。如果你的提示词里开始出现“然后…然后…然后…”，那就是拆镜头的信号。
错误7：跳过事实与配音的人审
症状： 片子看起来完美——直到有人指出AI配音把你产品名念错，画面里的文字是“假字母”，或脚本里一本正经的“事实”根本不对。
原因： AI很流畅，但不保障真实。它会用自然口吻说错数据，会把招牌渲成看似文字的乱码，会把品牌名重音放错——而且不给你任何异常信号。新手被表面光滑迷惑，跳过校对。
修复： 上线前强制一轮人工审核。每条视频跑这份清单：
- 人脸和手部——数手指，观察运动中是否变形，眼神跟随是否自然。
- 画面文字——模型渲的字常是乱码；用后期字幕替代内嵌假字。
- 配音准确性——听品牌名发音与重音；必要时重生台词或换更清晰的AI音色。
- 一切事实陈述——每个数字、日期、论断都找可靠来源核实。如果脚本写“研究显示80%”，确认这项研究真实存在。
这两分钟能挡住其他环节漏网的致命错误：一条看似完美、却自信地“说错”的视频。模型负责生成，你负责做能发现问题的剪辑师。
改掉这七条，你的成片会脱胎换骨
这些错误不需要更强的模型来解，只需要更有章法的操作者——现在的你就是。七条背后的共同模式：具体到位、批量生成、为平台与第一帧而设、强制连续性、单条只干一件事、永不跳过人工复核。
从错误1开始，因为更锋利的提示词能在事前化解一半问题。去提示词模板拿个现成结构，按投放先设纵横比，在text-to-video里跑一组批量。若想要从理念到流程的系统打法，而不只是“抢修手册”，配套的新手完整指南会从头到尾带你走一遍。
“AI视频还不行”和“这看起来很专业”的差别，很少在工具，多半在这七个习惯。把它们养成，你之后做的每一条片子，都会更好。