当前，AI 视频生成技术正迅速发展。以 Google Veo 3、海螺 AI 和可灵等模型为代表的工具，其生成能力已超越早期那种模糊不清的阶段，能够产出接近电影质感的视频片段。
然而，普通用户在实际应用中依然面临两个核心难题：首先，非专业用户往往只有一个模糊的想法或几个零散的关键词，很难独立撰写出符合影视制作规范的专业提示词；其次，自然语言的模糊性与 AI 的“理解”之间存在偏差，导致生成结果常常偏离预期，需要反复修改调试。
最近，社交平台 X 上的一位博主分享了一种新颖的解决方案：使用 JSON 格式为 Google Veo 3 编写提示词。这种方法为解决上述痛点提供了一个全新的思路。
以下是该博主分享的 JSON 提示词，包含英文原版和中文翻译版：
英文版提示词：
{
"shot":{
"composition":"Medium shot, vertical format, handheld camera",
"camera_motion":"slight natural shake",
"frame_rate":"30fps",
"film_grain":"none"
},
"subject":{
"description":"A towering, snow-white Yeti with shaggy fur and expressive blue eyes",
"wardrobe":"slightly oversized white T-shirt with the name 'Emily' in bold, blood-red letters across the chest"
},
"scene":{
"location":"lush forest clearing",
"time_of_day":"daytime",
"environment":"sunlight filtering through the canopy, creating dappled light patterns on the forest floor"
},
"visual_details":{
"action":"Yeti holds a smartphone on a selfie stick, speaking excitedly to the camera before letting out a dramatic scream",
"props":"smartphone mounted on a selfie stick"
},
"cinematography":{
"lighting":"natural sunlight with soft shadows",
"tone":"lighthearted and humorous"
},
"audio":{
"ambient":"rustling leaves, distant bird calls",
"dialogue":{
"character":"Yeti",
"line":"Veo3 Fast is now available in the Gemini app—three videos per day! People are going to prompt me like crazy!",
"subtitles":false
},
"effects":"sudden loud scream, flapping wings of startled birds"
},
"color_palette":"naturalistic with earthy greens and browns; bold red lettering on shirt provides contrast"
}
中文版提示词：
{
"镜头":{
"构图":"中景，竖屏格式，手持相机",
"相机运动":"轻微自然摇晃",
"帧率":"30fps",
"胶片颗粒":"无"
},
"主体":{
"描述":"一只高大的雪白雪人，毛发蓬松，眼睛充满表现力，呈蓝色",
"服装":"略微过大的白色T恤，胸前用粗体血红色字母写着‘Emily’"
},
"场景":{
"位置":"郁郁葱葱的森林空地",
"时间":"白天",
"环境":"阳光透过树冠洒下，形成斑驳的光影模式在森林地面"
},
"视觉细节":{
"动作":"雪人拿着自拍杆上的智能手机，兴奋地对着镜头讲话，随后发出一声戏剧性的尖叫",
"道具":"安装在自拍杆上的智能手机"
},
"摄影":{
"照明":"自然阳光，柔和的阴影",
"基调":"轻松幽默"
},
"音频":{
"环境音":"沙沙的树叶声，远处的鸟鸣声",
"对白":{
"角色":"雪人",
"台词":"Veo3 Fast现在可以在Gemini应用中使用——每天三条视频！人们会疯狂地给我发提示！",
"字幕":false
},
"音效":"突然的大声尖叫，惊飞的鸟翼拍打声"
},
"色彩调色板":"自然主义风格，带有泥土般的绿色和棕色；T恤上的鲜艳红色字母提供了对比"
}
使用上述英文提示词，Google Veo 3 生成了一段高质量的 ASMR 风格短视频。
为什么 JSON 格式是更优的指令？
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，它通过键值对来组织数据，例如 "镜头": { ... }。它支持数据嵌套，结构清晰，易于人类阅读，也便于机器解析。
当 JSON 用于 AI 提示词时，其优势非常明显。它将一个模糊的创意分解为一系列具体的、结构化的参数，涵盖了镜头、主体、场景、灯光、音效等多个维度。这种方法不仅内容全面，指令也非常清晰。
大型语言模型（LLM）天然就偏好这种结构化数据。因为 LLM 的训练数据中包含了海量的代码和结构化文本，使其能够高效且准确地解析 JSON，从而最大限度地减少因自然语言模糊性而产生的歧义。此前在 ChatGPT 4o 进行文生图的探索中，JSON 提示词同样被证明可以显著提升图像生成的可控性。
如何让 AI 帮你写 JSON 提示词
尽管 JSON 格式很强大，但为每个创意都手动编写如此详尽的 JSON 文件，工作量巨大且效率低下，这并不符合使用 AI 提升效率的初衷。
那么，能否让 AI 来完成这项工作？答案是肯定的。我们可以构建一个“系统提示词”，让大模型根据用户输入的简单关键词，自动生成符合规范的 JSON 结构化提示词。
通过对前述 JSON 示例进行分析，可以逆向工程出一个通用的系统提示词模板。
以下是构建完成的系统提示词，你可以直接在 ChatGPT、Gemini 或其他大模型中使用。
# 你是一个专业的AI视频提示词生成专家。
## 任务：
当用户输入一个简短提示（如“赛博朋克街头的一位女子”），你需要：
1. 理解并补全用户未提及的关键信息（包括镜头、主体、场景、动作、摄影、音频、色彩氛围等）。
2. 基于用户提示的意图推测并丰富内容，确保输出能直接用于AI文生视频工具。
3. 输出结果必须是符合如下JSON架构的提示词。
{
"shot": {
"composition": "镜头构图/画幅比例/拍摄方式",
"camera_motion": "相机运动",
"frame_rate": "帧率",
"film_grain": "胶片颗粒感"
},
"subject": {
"description": "主体形象描述",
"wardrobe": "服装与外观"
},
"scene": {
"location": "地点",
"time_of_day": "时间",
"environment": "环境细节"
},
"visual_details": {
"action": "主体动作",
"props": "道具"
},
"cinematography": {
"lighting": "光线风格",
"tone": "整体情绪与基调"
},
"audio": {
"ambient": "环境音",
"dialogue": {
"character": "说话角色",
"line": "台词内容",
"subtitles": "是否显示字幕（true/false）"
},
"effects": "音效"
},
"color_palette": "整体色彩风格"
}
## 工作要求：
- 即使用户输入很简单，你也要合理发挥想象，生成丰富的细节。
- 避免输出JSON以外的任何解释或文字。
- 保证JSON语法正确，字段与示例完全一致（不要新增或减少字段）。
- 对“dialogue”部分，如果用户没有指定，可留空白台词或让主体简单说一句符合场景的台词。
- 对“audio”中的“subtitles”，默认输出 false，除非用户明确要求加字幕。
## 使用方法：
只需将用户的简短提示输入给我。
## 输出：
输出英文版、中文版两个版本。
实践指南：创建你自己的提示词生成器
你可以将上述系统提示词封装成一个 GPTs（适用于 ChatGPT）或 Gems（适用于 Gemini），方便随时调用。
以 ChatGPT 为例，在创建 GPTs 时，建议在配置中勾选 Canvas 功能，并在指令中加入“输出到 Canvas”的要求。Canvas 功能允许用户直接在画布上对生成的 JSON 代码进行修改，非常便于微调。
配置完成后，使用起来就非常简单。例如，输入一个简单的想法：“一个小男孩正在打篮球。”
GPTs 会立刻生成结构完整、细节丰富的中英双语 JSON 提示词。用户可以根据目标 AI 视频平台支持的语言选择其一。如果需要修改任何细节，直接在 Canvas 画布中编辑即可。
完成修改后，将最终的 JSON 代码复制到 Veo 3 等 AI 视频工具中，即可生成高度符合预期的视频。这种方法极大地提升了提示词的完整性和出片准确率。
如果你想直接体验，可以访问已创建好的 GPTs：https://chatgpt.com/g/g-68677841368081919478ba33ad7c4056-aishi-pin-ti-shi-ci-sheng-cheng-zhuan-jia-json
案例展示：从关键词到电影预告片
为了检验该方法的效果，这里提供一个生成电影感片段的实际案例。
用户输入： “一辆法拉利在夜晚的城市街道上飞驰”
AI生成的JSON提示词：
{
"shot":{
"composition":"First shot: wide shot of Ferrari speeding down the street; second shot: driver’s frontal close-up; third shot: close-up of car window details, 2.35:1 cinematic ratio",
"camera_motion":"First: stable pan, second: slight push-in, third: static shot",
"frame_rate":"24fps, total duration 8 seconds",
"film_grain":"Slight film grain"
},
"subject":{
"description":"A shiny red Ferrari sports car; the driver is a stern-faced man wearing sunglasses",
"wardrobe":"Driver in a black suit with black sunglasses"
},
"scene":{
"location":"Modern city street",
"time_of_day":"Night",
"environment":"Neon signs, tall buildings reflecting headlights, wet pavement"
},
"visual_details":{
"action":"Ferrari speeds by, driver stares ahead, neon lights reflecting on the car window",
"props":"Ferrari sports car"
},
"cinematography":{
"lighting":"Strong contrasts between neon lights and streetlights",
"tone":"Tense, mysterious, urban night mood"
},
"audio":{
"ambient":"Engine roar, tire screeches, distant city noise",
"dialogue":{
"character":"Driver",
"line":"Tonight, there can only be one winner.",
"subtitles":false
},
"effects":"Powerful engine rev sound effect"
},
"color_palette":"Dominant deep blues and vibrant reds highlighting the cold night and Ferrari’s passion"
}
通过这种方式，可以快速生成多个风格统一、剧情连贯的视频片段。将这些片段组合起来，甚至可以剪辑出一部颇具看点的“伪”预告片《幻速·NeoRun》。
这个案例中，创作者使用了以下工具：
- 提示词生成:
ChatGPT搭载JSON生成系统 - 音视频生成:
Google Veo 3 - 封面制作: 即梦 2.1
这种结构化的工作流，让用户的角色从一个苦苦思索如何描述画面的“提示词工匠”，转变为一个只需提出核心创意、审核 AI 生成方案的“创意总监”。它并没有替代人类的创造力，而是将“想得到”与“做得到”之间的鸿沟，缩短为一次简单的关键词输入和几次点击。
这或许预示着一个全民皆可创作的时代正在到来，而下一个打动人心的故事，可能就藏在任何人脑海中的那几个关键词里。
简体中文 
English 
日本語 
Deutsch 
Português do Brasil