Grok 视频生成实战：从一句提示到一段成片

不是产品说明书，是一次 真实成片复盘：提示怎么写、镜头为什么有效、以及这类视频适合用在什么场景。

AI 文生图已经很常见，文生视频才刚进入「能讲一个小故事」的阶段。
下面这段是 Grok 生成 的短视频：赌桌边的男人、低声劝说的女人、最后定格在失落的脸上。没有旁白，全靠表演与镜头推进情绪。

---

成片预览

场景摘要

元素	内容
人物	米色卫衣男子坐在蓝色赌桌前；黑裙女子站在身侧
动作	她俯身说话 → 他短暂对视 → 目光落回桌面 → 把头靠在手臂上
情绪	压力 → 回避 → 挫败 / 疲惫
镜头	中景起幅，结尾推近面部，放大「输了」的沉默

这不是「炫技特效片」，而是 情绪小品：适合做提示词案例、产品演示、内容封面视频。

---

为什么这段有效

文生视频最容易翻车的地方不是分辨率，而是 叙事不连贯——人物漂移、动作跳切、情绪对不上。这段能看，关键在三点：

1. 冲突关系一眼能懂

「坐着的输家」+「站着劝说的人」构成稳定构图。观众不用听对话，也知道权力与情绪不对等。

2. 动作链条短而清楚

劝说 → 短暂回应 → 回避桌面 → 低头认输

步骤少，模型不容易在中途「换人」或「换场景」。写提示时，宁短勿杂。

3. 镜头有终点

结尾 zoom-in 到面部，等于给情绪画句号。没有终点的视频，往往像监控回放；有终点的视频，才像「一条片子」。

---

可复用的提示词骨架

你不必照抄赌场题材。把下面骨架换成自己的人物与冲突即可：

风格：电影感写实短片，自然光，轻微手持感，无字幕无旁白
场景：【地点 + 关键道具，1 句】
人物 A：【衣着 / 姿态 / 核心情绪】
人物 B：【与 A 的关系 + 动作】
动作节拍：
1. …
2. …
3. …
镜头：【中景起 → 结尾推近关键表情】
禁忌：不要夸张表情、不要换装、不要切换场景

针对本片可写成：

写实电影短片。蓝色赌桌前，米色卫衣男子坐着，神情紧绷。
黑裙女子站在身侧俯身低语。男子短暂看她一眼，又把目光落回桌面，
最终把头靠在手臂上，彻底泄气。镜头从中景缓慢推近他的脸，
突出疲惫与挫败。无对白、无字幕、不切换场景。

写提示时优先锁死的三件事

1. 主体外貌（衣服颜色、发型、性别）——防「换人」
2. 空间锚点（蓝色赌桌、室内灯）——防「换景」
3. 情绪终点（低头、靠臂、特写）——防「演着演着开心了」

---

实战里常见的坑

坑	现象	处理
提示过长	模型顾此失彼，动作糊成一团	先写 3 个节拍，再补细节
同时要特效 + 演技	烟花、爆炸抢走表演	情绪片先关特效
多场景跳切	人物一致性崩	一条视频只服务一个场景
依赖对白	口型与字幕常翻车	默片优先，文案写在文章里
直出就发	时长、水印、平台比例不合	先本地审一遍再嵌博客 / 发抖音

AI 视频当前更适合：情绪钩子、概念演示、封面循环，还不适合替代完整剧情长片。

---

怎么把视频放进本站（VitePress）

本站是静态构建，视频当静态资源处理最稳。

1. 文件放到 docs/public/videos/xxx.mp4
2. 构建后访问路径为 /videos/xxx.mp4
3. 笔记 Markdown 里直接写 HTML：

<video controls width="100%" preload="metadata" playsinline>
  <source src="/videos/xxx.mp4" type="video/mp4">
</video>

建议

• 格式优先 MP4 + H.264，兼容性最好
• 体积控制在几 MB 内；更大的片上对象存储 / CDN，文中只留播放器
• 资源必须在 docs/public/，不要手塞 dist/（下次 docs:build 会清空）

外链平台（B 站 / YouTube）仍可用 iframe；本片走本站托管，便于文章与素材一体备份。

---

适合继续练的三个变体

同一套骨架，只改「冲突」和「终点」：

1. 职场版：开放工位、站着的同事、坐下的人合上笔记本
2. 产品版：深夜显示器反光、推掉通知、最后特写进度条 100%
3. 反转版：前 3 秒颓废，最后一拍抬头微笑（专练「情绪转折」是否稳）

每条只改一个变量，你才能判断：是模型不行，还是提示在抢戏。

---

小结

• Grok 已经能做出 可读的情绪短片，关键是关系清晰、节拍短、镜头有终点
• 提示词先锁 人、景、终点，再谈光影与风格
• 嵌博客：视频进 docs/public/videos/，Markdown 用 <video> 引用

AI 视频不会替你想故事，但会很快验证：这个故事值不值得拍长。 先把 6～15 秒讲圆，再考虑系列化。