【五十一】人会动还是假？别再写「缓慢转头、轻轻微笑」，先给她一件正在发生的事

你把图丢过来的时候，提示词大概是这样的：

拉面店里一个短发女生，五官精致，皮肤细腻，眼神自然，
缓慢转头，轻轻微笑，动作流畅，自然生动，电影感

图并不差。吧台在，热气在，人的脸也清楚。可你多看两秒还是想划走。她不是不会动，是动得太懂事了：你写转头，头就标准地转；你写微笑，嘴角就标准地抬。像在交一张名叫「动态」的试卷。手里的号码牌是道具。热气是贴上去的。她不在等面，她在等你夸她像真人。

你后补的两句我也看见了。「再自然一点。」「微动作细腻一点，不要假。」脸更会动了，人还是假人。最多变成：一个在标准地眨眼，一个在标准地转头。还是表演。只是表演得更会。

带声音的模型还有两个坑：你不写「无台词」，她会开口报菜名；你不写「无背景音乐」，店里会突然响起一首歌。人立刻更假。

【二十八】练过别给脸派任务。【四十九】练过别把开心生气贴脸上。【二十七】练过别把动作写成待办。【三十六】练过两个人别抢同一秒。 这一节接在后面：脸对了，情绪也不贴了，人还是假，是因为这八秒里她没事可干。她只是被你安排着动。

口诀：人像不像真人，不看脸清不清。先给她一件正在发生的事，再让这件事把身体带过去。没有这件事，转头、微笑、眨眼，全是体操。

---

先把验收说清楚。你要的不是「看得出她在动」，是：

她坐在吧台前等面。号码还没叫到。厨房里忽然漏过一声。她低头看了一眼手里的号码牌，手指捏紧，这才抬眼看向后厨。面还在锅里。她不看镜头。店里不要自己配歌。

下面只用这一家店跑完。夜里十点四十。城中村巷口，还没打烊的拉面店。人、吧台、热气、号码牌、不锈钢筷子筒，全部不许换。

提示词都能直接贴。先出静帧当首帧，再跑图生视频。先看她这八秒有没有被一件具体的事打断，别先问清不清、像不像电影。

---

开场：你写的是动作清单，它当成广播体操去演

「缓慢转头、轻轻微笑、动作流畅、自然生动」对你是感觉。对它是四张可以随便贴的动作贴纸。它最省事的做法，就是找训练里最常见的那种「好看的店里坐着的人」：人居中、头标准地转、嘴角刚好抬到广告会用的那个弧度。于是你看见的是清楚，不是这个人。

真人在拉面店里等面的时候，身上同时装着好几样东西：刚才报过号、现在还没轮到、下一秒可能要被漏掉。手上也闲不住。后厨一直在出声。模型不会自动替你装。你只报自然生动，它就交一份标准「店里坐着的活人」作业。

所以正确的顺序不是「先写她长什么样，再让她动」。是先让这八秒里发生一件能打断她的事，再允许身体跟着那件事走。

看图时只问两句：她这会儿正在等什么？忽然发生了哪一下，才让她不得不动？

---

一、别写「让她动起来」，写这八秒里发生了哪一件事

很多人以为人物假，是因为动态不够。于是开始加：转头、抬眼、微笑、头发飘、衣角动。画面不会崩。它只是假。假在没有中间那一层：她为什么非动不可。

图片只要一瞬间好看就够了。视频要在八秒里持续像真人。真人不会像雕塑，但真人更不会无缘无故做广播体操。等车会看手机，不是因为「看手机很自然」；是因为车还没来，手要找事干。你把「找事干」写成「动作流畅」，模型就交模板。

1. 你问「她怎么动」，它只会给你一套标准动作

你原来那句，属于只报体操：

拉面店短发女生坐在吧台前，手里拿着号码牌，缓慢看向镜头，动作自然

常见结果：人坐得端正，号码牌像道具，头按节拍转向镜头，眼神发光。店在。人在。热气也在。她不在等面。

交作业的标志就三样：全是「缓慢、轻轻、自然」；没有「被什么打断」；没有「动完之后还停在哪」。看见这三样，这段词可以直接删。不是它写得不够好，是它答错了题。

这一步只练一件事：先判断这段词里有没有一件正在发生的事。没有，等于她只是在动。

2. 同一张图，把「表演看镜头」改成「被漏号打断」

先出静帧。长相、店、灯，交给这张图。

文生图（首帧）：

图过了，再跑图生视频。视频里不要再介绍她是谁、店在哪。

错的视频词（只写怎么动）：

生成单镜头。固定镜头。无台词。无背景音乐。
她手里拿着号码牌，缓慢看向镜头，衣角轻轻动。

对的视频词（写这件事把她带走）：

读完你能在店里把她摆回去：她不是在拍广告，她是在核对「是不是漏了自己」。摆不回去的，还是体操。

你以为写细了	模型实际在猜	常见样子
拿着号码牌看镜头	为什么看、看谁	标准地转向镜头，眼神发光
动作自然、微微动	被什么打断	头、手、头发同时开始演
店里很有生活感	她此刻在等什么	碗已经在桌上，她还在「等人」

改法先记一句：身份、店名只当介绍。真正占位置的，是这八秒里那件打断她的事。

---

二、别写动作表面，先问这个动作被什么打断

很多人会直接描述动作：

女生抬头。
女生回头。
女生搅筷子。
女生慢慢坐着。
头发随热气飘。

这些写法都没有错，但它们只是动作表面。如果动作没有原因，视频就容易变成摆拍。

1. 她会动，不等于她有事

再看吧台上同一个人。静态图已经很好看：人在，筷子筒在，热气在。如果做成视频，只写：

生成单镜头。固定镜头。无台词。无背景音乐。
她坐在吧台前，轻轻搅动筷子，缓慢微笑，镜头不要动。

这段不是没有动态。筷子会动，人会笑。但问题是：她为什么搅？为什么笑？面还没上来，搅什么？厨房里有没有叫她？如果没有原因，动作就只是表演。

AI 视频真正要写的，不只是「她做了什么动作」，而是这个动作为什么发生。

2. 给一个能听见的触发

改成：

这样写，人物就不是单纯「拿着筷子坐着」，而是有了一个明确处境：她在等叫号。 所以她会停手，会抬头，表情也会从走神变成核对。

同样是「手里有筷子」，普通写法只是让人物动起来；更好的写法，是让人物因为听到声音、发现不对、要确认一件事而自然动起来。

写的时候多问一句：这个动作是被什么事情触发的？

• 转筷子，是因为还在等，手要找事干
• 停住，是因为听到叫号
• 抬眼，是因为要核对是不是自己
• 表情变化，是因为走神被打断

当动作有了这件事，角色就不再像在摆姿势，而像正在经历一个瞬间。

想贴标签的时候，改成眼睛能核对的那一下。一次只改一处：

你想写	改成能看见的
动作自然、生活流	手还在转筷子；叫号后才停
轻轻微笑、表情自然	不笑；抬眼只为核对号码
微微动、不要假	旧动作先停住；新动作才发生

写完问自己：旁边拍的人听完，能说出「她刚才被什么打断了」吗？说不出的，生成出来多半还是体操。

---

三、别只写一个动作，把八秒填成能跑的过程

四问都问了，有人会把答案揉成一个词：低头、出神、发呆。这样写出来的人物，往往还是像在摆拍。因为它只写了结果，没有写过程。

8 秒不要装下进门、点餐、吃面、结账。只装得下：她本来在等，被一件事打断，身体走完这一下。

更好的方法是，把提示词拆成一个完整过程。单人可以按这个填，不必一次写满七个形容词：

她是谁（一句就够）→ 坐在哪 → 这会儿正在干什么 → 被什么打断 → 身体连续怎么变 → 漏出哪一下控制不住的反应 → 镜头动不动

身份只当介绍。真正占位置的是后面六格。

我们就用吧台这张图。她独自坐着，身体微微前倾，眼神下垂，面前没有碗。这个画面很适合做成「人正在走神，然后被店里的一声响拽回来」。

如果只写：

女生坐在拉面店里低头沉思，镜头缓慢推进，电影感

这段虽然有画面，但还是太空。人物为什么沉思？她是刚看完号码，还是在等面等到走神？低头之后，有没有细微反应？这些都没有交代。

按照格子拆开：

格子	这张图怎么填
人	短发女生（首帧里已经有了，视频里可删）
坐在哪	夜里拉面店吧台，暖黄灯，后厨有热气
正在干什么	等面，低头出神，右手搭在台边
被什么打断	后厨碰了一下不锈钢盆
身体怎么变	先低头发呆 → 手指在台面上收紧 → 目光缓慢移向后厨
漏出哪一下	缓慢眨眼，呼吸带起肩膀，神情还是克制
镜头	固定镜头。不要推。不要绕

组合成完整视频词，可以写成：

这样写的好处是，人物不是只有一个「低头」的动作，而是有完整的变化过程：

先出神， 再停顿， 再缓慢看向声源， 最后带出「我还在等」这件事。

这就是单人视频最重要的地方：不要只写一个动作，要写出人物当下的状态、动作变化和细微反应。

还空，是三截写成了同一种「她在坐着」。 又在演戏，是中途加了回头、掏手机、对镜头笑。 店变形、乱切镜，是「生成单镜头、固定镜头」没写死。

只写「低头沉思」，等于把终点叠在同一秒。模型不知道第 1 秒和第 8 秒有什么区别，于是全程都在表演终点：人一出场，就已经是「沉思」表情包。

再加「端起碗、吸一口、满意点头」，又会变成待办事项。那是下一条的事。

• 还在等： 低头、空手、面没来
• 桥： 被一声响打断，手收紧
• 才看过去： 目光移向后厨，碗还没上来

---

四、大动作写不进去的时候，靠身体自己漏出来的零件

不是所有画面都适合转头、起身、挥手。有的人这八秒必须坐住：在等人，在听号，在假装自己不着急。这种时候你若硬写大动作，人会假得更明显——她忽然开始演戏。

庄重的宫殿如此。深夜吧台也是。她不能大动，不等于她是雕塑。

如果只写：

生成单镜头。固定镜头。无台词。无背景音乐。
她坐在吧台前缓慢转头，头发轻飘，电影感。

这段虽然有动态，但还是容易假。因为人物只是按照提示词在动，并没有真实的身体反应。她不需要大动作，反而要靠很轻的、自己控制不住的零件来变真实。

比如：

这段动作并不多，但会更像真人。

因为真实的人即使坐着不动，也不会完全静止。她会有呼吸，会有眼神停顿，会有手指细微用力，也会因为「还没轮到我」而出现很轻的表情反应。

这一节要强调的是：视频里的真实感，不一定来自大动作，而是来自小反应。

尤其是等、听、对峙、不好意思开口这一类画面，人物越克制，越要写细节：

• 眼神短暂停顿
• 手指把号牌捏紧
• 呼吸带动肩膀
• 发丝被热气掀一下
• 嘴唇轻轻抿住
• 坐姿重心往台面挪一点
• 表情从走神变成克制的不安

这些细节不会破坏「她在等面」这件事，却能让人物不像贴在椅子上的海报。

所以写的时候，可以在最后加一句，专门拦住雕塑：

人物不是完全静止。有自然眨眼、轻微呼吸、眼神短暂停顿、手指细小动作。整体克制，不夸张表演。

这样人物即使只是坐在原地，也会更像一个真实处在情境里的人。

还假，是静帧里她已经端着面在笑。 变忙，是又加了转头、挥手、对老板说话。 整个人换了，是视频提示词里又把「短发女生」写了一遍，跟第一帧打架。

---

五、两个人时，别让两边一起演

多人物最容易假，是因为你让每个人同时做动作。 【三十六】练过：两个人不要抢同一秒。这一节补一句更细的：不是谁动谁不动就够了，是一个人先把事情做出来，另一个人被这件事碰到。

比如吧台上多了一个人：后厨把面递到她面前。如果只写：

生成单镜头。固定镜头。无台词。无背景音乐。
老板把面放到她面前，她抬头看他，两人对视，动作自然，电影感。

这段虽然有互动，但还是比较表面。因为两个人为什么对视？她是饿了、愣了，还是在确认这碗是不是自己的？如果这些没有写清楚，画面就容易像摆拍。

多人物的关键，不是动作越多越好，而是要有一方行动，另一方反应。

可以改成：

这样写，人物之间就有了关系：

老板先放碗， 她听到、看到后停顿、抬眼、克制反应， 老板再停住，形成一种很短的、安静的确认。

这比「两个人对视」更像真实视频。

多人物可以记住一句话：不要让所有人都表演，要让一个人触发事件，另一个人产生反应。

比如：

• 一个人把碗放下，另一个人没有立刻拿筷
• 一个人报号，另一个人沉默片刻才抬头
• 一个人伸手推面，另一个人眼神先躲开碗沿
• 一个人停住，另一个人这才察觉到热气扑到脸上
• 一个人看向她，她先看号牌，再慢慢看碗

这一类互动，会让人物之间产生真实关系，而不是各自站在那里摆姿势。

所以写两个人时，不要只写「他们在做什么」，还要写清楚：

谁先行动，谁在反应，反应有多轻，气氛发生了什么变化。

还假，是两个人同一秒抬头微笑。 变忙，是 8 秒里写进了放碗、说话、吃面、结账。 抢戏，是两边的手同时伸向同一只碗。

---

这一节怎么用

先问一句：你写出来的那段词，是一份「她正在经历什么」的说明书，还是一份动作清单？是动作清单，就先别补自然生动、再流畅一点、再有电影感。

1. 脸对、店对，人一动就假，先删转头微笑、自然生动、动作流畅
2. 会动仍像体操，检查三处：有没有一件正在发生的事，动作有没有被打断，打断之后她停在哪
3. 单人时按格子填：坐哪、正在干嘛、被什么打断、身体连续怎么变、漏出哪一下
4. 不能大动时，靠眨眼、呼吸、手指、重心，不要给她一场戏
5. 两个人时，一个人先做完那件事，另一个人再反应；反应要轻
6. 先出「面前没有碗」的静帧，再跑图生视频；视频里只写先后，不写她是谁

单人在店里等一样东西，按这个填：

成片什么样	别急着加	先改哪一步
人会对着镜头做标准转头、标准微笑	再自然、微表情细腻	删看向镜头、微笑；给一件正在等的事
手、头、头发同时开始演	动作更丰富	先让旧动作停住；再让新动作发生
人像会微微呼吸的海报	电影运镜、再推近	固定镜头；写被什么打断；写打断之后看向哪
两个人同时抬头对视	对手戏、更有故事	谁先放碗；谁先停住；反应写轻
人突然开口，或切了第二个景	旁白、更生活	开头写死：无台词；生成单镜头

再记四句，生成前当验收：

1. 先给事，再给动作。 说不出她正在等什么、被什么打断，不许写转头微笑。
2. 8 秒只走一座桥。 等到被打断已经够了。吃面、吸一口，是下一条。
3. 所有动作写出后果。 号牌还在手里，碗还没上来。只写「拿面」，模型会发给你终点。
4. 静帧钉住人货灯，视频只负责把那件事走完。 底图已经在交体操，视频里再写自然生动，假会更假。

---

课后只跑这一家拉面店。先用开场那句体操词出一条对照；再按「被漏号打断」跑第一节；再跑转筷子被叫号打断；再跑出神被碰盆拽回来；最后把「面前没有碗」的静帧当首帧，视频里把风格词、身份词、微笑词全部删掉。

看的时候不要先问清不清、像不像电影。先问：这八秒里有没有一件正在发生的事。她是不是先停住，再抬眼。号牌有没有提前消失。碗有没有从空气里长出来。

句子里还在写自然生动、动作流畅、缓慢转头、轻轻微笑、请给我专业提示词，就删。先让这八秒，从一张还没被叫到的号码牌上走完。