AI油画视频怎么做才不废片？我踩了五六条坑后用AstraStudio总结的提示词写法
最近AI油画在短视频平台热度很高，不少经典油画被做成动态视频，还配上了剧情。
连着刷了十几条这类视频后，自己也动手做了几个。但前几条基本是废片。
第一次直接把"让戴珍珠耳环的少女动起来"丢给AI，结果她的脸歪了，珍珠耳环变成塑料球，画面像被磨皮滤镜糊过一遍，油画笔触全没了，跟真人扮演似的。
第二次上传了参考图，人是动了，但动得很奇怪。身体在转，头巾纹丝不动，像戴了个面具。背景里凭空多出一盏烛台和一张桌子，原画里根本没有。
第三次运镜写成了"缓缓推近"，AI直接给了个第一人称奔跑视角，画面抖得像手持DV，完全不是油画该有的静谧感。
前前后后废了五六条，花了小二十块，才摸出点门道。
下面这条是《撑阳伞的女人》拓展出来的，原画是一个女人撑着阳伞站着，现在还能多一段女人抱住孩子的画面。
15秒一次生成，没剪没修。
下面把提示词和制作过程都分享出来，都是踩过坑之后总结的，拿去用，至少能少废三四条。
01 让油画动起来
1. 戴珍珠耳环的少女
第一个做得简单一点，机位是固定角度的，全部动作都在一个角度完成，同时对打光也提了些要求。
输入提示词，选择"多模态参考"，把原画传进去，不然AI不知道照着谁画，自动搜索可能容易选错原图。如果想给视频添加声音，还可以上传参考音频。
因为是固定机位，这个画面过渡不算很自然。想要更自然连贯的效果，提示词还是比较关键。可以发挥自己的想象，想让她怎么动，先自己想清楚，再让AI帮你写提示词。AI给的提示词自己多顺几遍再拿去生成，一次过的概率会高很多，不用反复生成消耗费用。
提示词：
<code class="language-text">【画面】参考图是维米尔的油画《<span>戴珍珠耳环的少女</span>》，约 1665 年。人物就是画里那个女孩：深蓝色头巾包住头发，头巾后垂着一条黄布，左耳戴一颗很大的珍珠耳环，柠檬黄的缎面外衣，白领口。场景是一间四壁全黑的房间，画面左后方有一扇深色木门，中间偏右摆着一把深色橡木木椅：旋木腿，矮横条椅背，荷兰式样。开场机位离门很近，中景；结尾机位落在离椅子一个半身距离的地方，她坐下后上半身正好填满画框。结尾要收到参考图的构图和位置上。【时间轴】0 到 2 秒：她用手掌把木门推开，侧身走进来。机位在门边，中景，她在门框里。门缝漏进一道冷光，只照亮她的头巾和半边脸，房间其他地方都在黑暗里。2 到 4 秒：她穿过黑暗，朝木椅走两三步。机位比她先动半步，开始极缓地后退着跟，像导轨上的滑轨。她只有轮廓和受光的头巾看得清，脚步很轻，珍珠跟着脚步轻轻晃。4 到 7 秒：她扶了一下椅背，慢慢坐下。侧对镜头，面朝画面左边，肩膀松下来，像走累了在歇脚。机位随着她坐下一起减速，在她坐稳的那一下停住，正好落在参考图的取景上。7 到 10 秒：机位纹丝不动。她停了半拍，然后缓缓回过头来，看向镜头。眼睛看向镜头深处，嘴唇微微张开，像要说话但没说出口。同时一道柔和的光从左上方落下来，照亮她的脸颊、鼻梁和珍珠，右脸落进阴影。回头的时候，她脸上的笔触跟着一起走，不是皮肤在动，是颜料在动。10 到 14 秒：机位死。门缝的光慢慢收掉，四壁彻底黑下来，化成原画那种深棕黑的背景。同时画面缓缓收进参考图的构图和取景，笔触从边缘浮现，颜色收成原画的调子。14 到 15 秒：完全定格。和参考图一模一样，笔触、颜色、构图分毫不差。【镜头】0 到 7 秒：机位跟着她走，唯一方向是缓缓后退，像架在导轨上的滑轨，匀速、缓入缓出，比她的脚步慢半拍，一次退到位。4 到 7 秒她坐下时，机位一起减速，她坐稳的那一帧机位停死。7 秒之后：机位完全静止，不推、不拉、不摇、不移、不变焦，直到结束。全程一个镜头，不切。【光线】全片只有两处光。开场是门缝漏进的一道冷光，照亮她进门。她坐下回头时，换成维米尔式的单一柔光，从左上方照下来，照亮她的脸颊、鼻梁和珍珠，右脸落进阴影。门缝光收掉之后，黑墙变成画里那种深棕黑的背景，柔光的方向不变，强度微收。 【质感】全程是油画，每一帧都是一幅画。厚涂的颜料、看得见的笔触、画布的颗粒、颜料干裂的细纹。黑暗的地方也要有笔触，是深棕黑的油彩，不是实心的黑幕。绝对不能变成实拍，不能出现真实的皮肤毛孔、发丝、布料织纹和镜头景深。她走动和回头的时候，颜料跟着流动，像湿的油彩被笔拖着走。 【禁止】不要改变她的脸型、五官、头巾、衣服和配色。不要手持晃动感，不要呼吸感运镜。镜头后退过程中不要变方向，不要中途加速或停顿，停住之后不要再有任何移动。门和椅子保持深色简单，不要加雕花，不要加任何原画里没有的东西：不要烛台，不要桌子，不要地毯，不要挂画，不要画框。不要出现文字和水印。不要把笔触磨平。不要提亮，不要锐化，不要加胶片颗粒。不要让脸变形。她回头的时候只转头，肩膀和身体不要跟着转。不要给手部特写，手宁可糊一点。
</code>
2. 撑阳伞的女人
有了第一个的经验，第二个就把提示词润色优化了一下。
这次让它有机位变动，不同时间段换不同运镜角度，复杂一点。每段提示词要把运镜角度写清楚，不然它会乱跑。
<code class="language-text">【画面】参考图是莫奈的油画《撑阳伞的女人》，1875 年。一个女人撑着绿色阳伞站在长满野草的山坡上，浅色长裙，头上戴着面纱，裙摆被风吹起。参考图只用来锁定这两个人的长相、衣服和配色。开场时她蹲在草里，张开双臂；一个戴草帽的小男孩从山坡上朝她跑过来。一把撑开的绿伞斜插在她蹲的位置旁边的草地上。结尾要收到参考图的构图、人物位置和大小上。【时间轴】0 到 2 秒：镜头在男孩背后，略低，拍男孩跑下草坡的背影，和他前方的女人：她蹲在草里，面对男孩的方向，张开双臂等他跑过来。风在吹，草叶往右倒，她的裙角贴着草轻轻动。笔触比原画松，像一幅还没画完的油画。2 到 4 秒：男孩跑到位，扑进她怀里，她把他搂紧，脸埋在他的小肩膀上。镜头同时沿一条弧线缓移到两人的侧面，变成侧面视角，拍这一对相拥的人。4 到 6 秒：拥抱结束，两人松开。镜头继续朝同一个方向缓移，弧线走完最后一段，停在女人背后，画面变成她的背影。男孩在她前方几步，面朝她站着。6 到 9 秒：女人转身走向身边那把绿伞，握住伞柄，把伞提起来，撑着慢慢站起来。机位比她先动半拍，极缓地向上抬一点，抬的幅度明显小于她起身的幅度。男孩拥抱后就站在原地，一步都没有动。9 到 11 秒：她站直，把伞靠上肩膀，停了半拍，然后转身，面对镜头。这时男孩已经在她身后几步远的草坡上，正是画里人物的大小和位置。11 到 14 秒：风变大。草浪从左往右一层层推过山坡，裙摆和面纱被吹得更开，几缕头发被吹乱，云缓慢右移，草地上的光斑扫过山坡。同时镜头缓缓向后拉远、微微上升，稳稳落到参考图的构图、角度和人物大小上。然后风力减弱，草浪一层层收住，伏倒的草重新立起，裙摆和面纱落回原位，笔触变厚、变清楚。14 到 15 秒：全部静止。和参考图一模一样，笔触、颜色、构图分毫不差。【镜头】0 到 6 秒：镜头沿一条弧线朝一个方向缓移，像绕着两个人走半圈：从男孩背后，到他们侧面，再到女人背后。匀速、缓入缓出，比男孩的奔跑慢半拍，中途不反向、不停顿、不切镜头。6 到 9 秒：机位随她起身极缓上抬，幅度小于她的动作，其余方向不动。11 到 14 秒：机位缓缓向后拉远，同时微微上升，一次走完，稳稳落在参考图的取景上，然后锁死。全程像架在稳定器上，不要手持晃动，不要呼吸感运镜，不要变焦感，不要追着人头摇。【光线】午后阳光从右上方斜射，逆光在女人的头发、肩膀和伞边勾出一圈金色轮廓光，男孩跑动时草帽下也有同样的受光。草地上有云的影子。光的方向、角度、强度全程不变，只允许光斑的位置随云移动。【质感】全程是油画，每一帧都是一幅画。短促的碎笔触、堆叠的厚颜料、画布经纬的颗粒。草是一笔一笔画出来的，不是一根根真草。云是旋转的色块，不是真实的水汽。绝对不能变成实拍，不要出现真实的草叶细节、布料织纹、皮肤质感和镜头景深。前段笔触可以松，后段要比原画更实。【禁止】不要给女人加五官细节，原画里那张脸是模糊的，始终保持模糊。不要加表情变化。男孩拥抱后就站着不动，不要蹲下，不要站起来，不要让他再跑动，不要让他走近或走远。不要给手部特写，手宁可糊一点。不要让她一边站起来一边转身，先站直，停一下，再转身。镜头不要中途反向，不要中途回落，不要重复绕圈。不要改变人物的位置、阳伞角度、山坡轮廓和颜色关系。不要加原画里没有的东西，不要加飞鸟，不要加远处的房子。不要出现画框。不要出现文字和水印。不要把笔触磨平。不要提亮，不要锐化，不要加胶片颗粒。
</code>
这一条的效果就比上一个丰富不少，也更接近大家在看的那种AI油画视频。
02 为什么这两段提示词能出好效果？
很多人直接抄提示词，但不知道为什么这么写。下面把踩坑后总结出来的几个关键点说一下，改的时候心里有数。
① 为什么要分【画面】【时间轴】【镜头】【光线】【质感】【禁止】六个模块？
AI文生视频模型是"多条件混合"的。只说"让她动起来"，它会自由发挥，结果就是人物变形、背景乱加。把画面、动作、运镜、光线、质感分开写详细，相当于给AI发了一份分镜脚本，每个维度都明确约束，它就不会在没提的地方乱加戏。
② 为什么一定要写"结尾收到参考图的构图和位置上"？
这是最关键的一句。AI生成的视频如果没有"收束"，最后一帧会飘走，人物位置、比例、构图都跟原画对不上，看起来就不像"那幅画动起来了"，而像"从那幅画开始演了一段戏"。加上这句之后，视频的逻辑变成从原画出发，动一段，最后回到原画，观众的感受就是"这幅画活了"，而不是"拿这幅画当开头"。
③ 为什么【禁止】列表比【要求】列表还长？
AI有"补全本能"，没说的地方，它就会按自己的训练数据自动填上。只说"房间里有一把椅子"，它可能顺手加个烛台、加张桌子、加扇窗户，加一堆乱七八糟的东西。【禁止】要求就是提前把这些"AI爱加但你不想要"的东西全部挡掉。每一条禁止，基本都是踩过的坑，比如"不要手部特写"是因为手一特写就变形，"不要呼吸感运镜"是因为AI默认会加手抖效果，"不要笔触磨平"是因为它总觉得"高清=好看"。
④ 为什么要强调"笔触跟着动，不是皮肤在动"？
这是"油画感"和"真人扮演"的分界线。如果只说"她转过头来"，AI会按真人视频来生成。皮肤在动、肌肉在动、头发丝在动，出来就跟一个戴头巾的真人转头没区别。但加上"颜料跟着流动，像湿的油彩被笔拖着走"，AI就会理解，动的是笔触本身，是颜料的形变，不是人体的运动。这一句决定了视频看起来是"一幅画在动"，还是"一个人在演"。
⑤ 为什么运镜要写"比她的脚步慢半拍"？
这是电影语言里的"缓入缓出"。如果运镜速度跟人物动作完全同步，画面会显得很急，像在追着人跑。慢半拍的意思是，人物先动，镜头再跟上；人物停了，镜头再慢慢停。这种"滞后感"会让画面看起来很稳、很优雅，符合古典油画那种静谧的气质。AI默认的运镜通常是"匀速跟拍"，写清楚这个"半拍差"，质感立刻就上来了。
⑥ 想做30秒甚至更长的视频怎么办？
上面两个案例都是15秒，这是当前模型单次生成的标准时长。如果想做30秒的，核心方法就两个，增加剧情节点，拉长提示词的时间轴。
15秒的视频可能只有"进门、坐下、回头"三四个动作节点。30秒的话，需要把动作拆得更细，比如"推门、站定环顾、走到椅边、坐下、停顿、回头、再低头"，中间多加一两个情节转折，让画面有"故事感"而不只是"动一下"。
对应的，提示词的【时间轴】也要按秒数拆得更细，每2到3秒写清楚，人物在做什么、镜头怎么动、光线有没有变化、笔触是什么状态。时间轴越长，提示词总字数就要越多，不然AI在长时间段里容易"走神"，后半段开始乱加东西、人物位置飘走、笔触突然变实拍。
简单说，多长的视频，就配多长的提示词；多复杂的剧情，就拆多细的时间轴。15秒的提示词大概1000字左右，30秒的话建议写到1800到2000字，每个时间节点都不能省。
03 用什么做的
这次用的是UCloud优刻得的AstraWork去生成，左上角切换成AstraStudio就能进行专门的创意创作，可以选择文生视频或各种参考模式，在视频板块选择要用的模型和模式就行。
模型选了minimax-h3-lite，它比较"听话"，提示词写清楚了，它就不会乱加东西，出来的画面也稳一些。
还有其他模型，比如HappyHorse、Kling，都可以试一试。
比如当想设计出30S的视频的时候，就可以通过增加剧情节点、拉长时间轴来操作。
04 AI油画难做吗？
AI油画视频制作起来并不难，而且生成了3条视频也就花了13块（不算前面废的那五六条）。主要是要想好想要什么样的画面。
自己写或让AI写提示词都行，写详细点，就不用反复修改提示词、反复重新生成。
上面的提示词可以直接用，也可以改改里面的细节，生成自己想要的版本。
FAQ
Q1：AI油画视频一般多长？
当前模型单次生成的标准时长是15秒。想做30秒需要增加剧情节点并拉长提示词时间轴，30秒建议写到1800到2000字。
Q2：为什么AI生成的油画人物脸会变形？
没有上传参考图时，AI会自动搜索原图，可能选错。选择"多模态参考"并上传原画，同时在【禁止】中写明"不要改变脸型、五官"，可以大幅降低变形概率。
Q3：生成一条AI油画视频大概多少钱？
用UCloud优刻得AstraStudio的minimax-h3-lite模型，3条视频花费约13元，单条约4到5元。前期废片成本另计，踩坑阶段废了五六条，花了小二十块。
Q4：提示词要写多长？
15秒视频的提示词约1000字，30秒建议1800到2000字。时间轴越长，提示词总字数就要越多，否则AI在长时间段里容易"走神"。
Q5：除了minimax-h3-lite还有什么模型可选？
AstraStudio还提供HappyHorse、Kling等模型，可以根据具体需求选择。minimax-h3-lite的特点是"听话"，提示词写清楚就不会乱加东西。