我们来看一个实际案例。这个镜头的视觉冲击力非常强，氛围感十足，那么它是如何生成的呢？ 方法很简单：将两张素材图直接输入到 CogVideo 2.0（注：原文中“C档2.0”“CD2000”等均为口误或语音识别错误，统一校正为当前主流模型名称“CogVideo 2.0”），再配合一段结构清晰、描述准确的提示词即可。 这段提示词如下： > 高品质 CGI 仙侠奇幻动画，色调为银白、蓝与粉的对比，蕴劲大气、流畅压抑、高燃氛围、力量感拉满。图片一在图片二的场景中发出大招。 其中，“图片一在图片二的场景中发出大招”是针对本次所用两张素材的定制化描述；而前半部分——从“高品质 CGI 仙侠奇幻动画”开始，直到“力量感拉满”为止——可作为通用模板复用。你只需根据自身题材替换对应色调描述即可。例如本例为冰雪主题，故使用银白、蓝色搭配点缀粉色花瓣；若题材不同，则相应调整色彩关键词。 其余内容为分镜式动作描写，格式我们此前已在“扣子智能体”中熟悉过。以下是完整提示词中的分镜描述： - 0–2 秒：画面中心，图片一角色猛地蹲下身，单掌触地；平静水面瞬间炸开一圈冰晶波纹，大量粉色花瓣随寒气螺旋升腾；远方雪山微光闪烁。 - 下一阶段：角色凌空跃起，双臂划出半圆，冰雪裹挟大量粉色花瓣在其周围形成龙卷风；发丝向后剧烈飘荡。 - 特写镜头：主角结印，指尖寒气如烟雾缭绕；花瓣被凌厉震碎成细小流光；瞳孔倒映出冰雪交织的粉色光芒。 - 双臂猛然向下压，周围冰雪风暴与花瓣向四面八方炸开，形成巨大冲击波，激起4米高浪花，并瞬间凝结为巨型冰柱与冰凌；动态凝滞增强打击感。 - 巨型冰晶莲花于脚下水面怒放，粉色花朵与冰晶剧烈碰撞；画面伴随能量震荡产生的轻微视觉位移与重影。 - 最终镜头：角色从半空优雅落地，单独立于平静水面；残存花瓣与冰雪如萤火般缓缓降落；远处雪山静默矗立，凸显肃杀与寂静。 这段文字与最终生成画面高度吻合，说明模型对提示词的理解极为精准。只要描述足够具体、逻辑清晰，就能获得理想效果。这也是该模型一经发布便引发广泛关注的重要原因——其推理能力与语义理解水平确实处于行业前列。 当然，首次生成未必完美。我们第一次尝试时使用的提示词，是直接从“扣子智能体”导出、未经修改的原始版本，结果并不理想：例如第一个镜头中，生成了一条长方形的冰雪道路，视觉张力明显不足。 经过分析，我们发现原提示词存在几处关键问题，并针对性优化如下： - 原句：“单掌触地” → 优化为：“图片一猛地蹲下身，单掌触地”。加入预备动作，使动势更自然，画面更具节奏感。 - 原句：“冰雪化作透明巨龙绕身” → 优化为：“冰雪裹挟大量粉色花瓣，在其周围形成龙卷风”。粒子化表达强化了视觉层次与爆发力。 - 原句：“挥剑斩下一条宽阔冰封路径……激起数米高浪花并结成冰雕” → 改为：“双臂猛地向下压，周围冰雪风暴与花瓣向四面八方炸开”，强调以角色为中心的放射性冲击，避免画面重心偏移。 - 原句中提及“背景雪山崩裂出细微缝隙”，虽有细节但脱离主体视距，导致镜头松散；后期删去该描述，聚焦人物与近景互动。 - 原结尾镜头中人物与冰晶莲花联系薄弱；优化后增加过渡：“巨型冰晶莲花于脚下水面怒放”，再衔接“优雅落地”，使二者逻辑连贯、视觉统一。 这些调整并非凭空而来，而是基于多次试错（即所谓“抽卡”）后的经验总结。初学者往往难以一眼判断提示词优劣，需通过生成—观察—修正的循环逐步建立直觉。随着实践增多，你会越来越清楚哪些描述易被模型准确执行，哪些则容易失焦或被忽略。 接下来是第二个案例：双人对战。 首先仍需设计角色形象与场景。但需注意，CogVideo 2.0 因版权合规要求，对真实人脸生成有严格限制。为绕过审核同时保留人物特征，我们采用以下策略： 1. 将真实人脸角色图转为彩铅/手绘风格（非写实）； 2. 同时上传一张实景风格的背景图（即“图片三”）； 3. 提示词写作方式为： > 高速动态运镜，镜头微颤，粒子炸裂，冷暖光效强对冲。图片一和图片二在图片三的场景中激烈战斗，整个视频遵循图片三的光影与质感，具备高级感与电影质感。 该写法能引导模型将手绘角色按实景图的光影逻辑重新渲染，从而输出接近真实质感的人物表现。 此模板前半部分（高速动态运镜……强对冲）可复用；后半部分结构固定，仅需替换图片编号。生成结果验证了该方法的有效性：人物形象还原度高，动作张力足，符合预期。 再看分镜细节（共10个镜头，总时长约15秒）： - 0–1.5 秒：冰刺与黑岩在画面中心碰撞，气浪掀飞碎石；特写双方对峙的凌厉眼神。 - 1.5–3 秒：冰霜沿地面急速冻结，黑火如游龙盘旋；双方错身而过，发丝飞扬。 - 后续镜头包括：冰刃飞至被黑岩吞噬、背景光影流转、尘埃在极寒与灼热间浮动、黑色火球炸裂、寒气化盾抵挡、一方单手凝兵虚晃、另一方侧身腾空等。 需注意：分镜越细，信息密度越高，但模型在短时间视频内未必能完整呈现所有细节。优先保障核心动作（如眼神特写、关键碰撞）的准确性，次要描写可视效果反馈再做取舍。 最后是第三种风格：落地武侠风。 与仙侠风最大区别在于——无魔法特效，全靠实打实的拳脚功夫，强调“拳拳到肉”的硬派质感，类似香港经典武侠电影（如成龙、李连杰作品）。 人物仍需先转为彩铅/素描风格以规避审核，提示词结构延续前述逻辑： > 图片一和图片二在图片三的场景中发生激烈打斗，整个视频遵循图片三的光影与质感，具备高级感与电影质感。国风武侠电影，高燃打斗，动态残影，速度线，气流激荡，打击感十足，电影级运镜。 同样采用10个分镜设计，确保节奏紧凑、切换利落，从而强化打斗的爽感与临场感。 以上即为三种典型战斗类AI视频的生成方法论：从提示词模板构建、分镜逻辑拆解，到审核规避技巧与迭代优化路径，均围绕“可控性”与“表现力”展开。掌握这些基础，你已具备独立产出高质量漫剧战斗镜头的能力。