懶人包
- AI 影片 prompt 寫「拍得好看一點」,鏡頭幾乎不會動:我用本機 Wan2.2 TI2V 5B 實測,這支片的累計縮放是 ×1.00、水平位移 0 px。
- 換成運鏡術語有效,但只對一部分:6 支同場景、同 seed 的片裡,dolly in 照做(×1.15),truck left 方向對但只移 28 px,crash zoom 只拍成特寫,orbit 與 crane up 都沒做到。
- 商用模型有正式的運鏡語法:MiniMax 官方 API 文件列了 15 個方括號指令,例如
[Push in]、[Pan left],同一組括號建議最多 3 個;orbit、crane 不在清單裡。- Wan2.2 的 README 沒有運鏡關鍵字清單,只寫了光線、構圖、色調這類美學標籤;在小模型上,運鏡要寫成「起點 → 動作 → 終點」,而且一個鏡頭只放一個動作。
- 文末附 24 種鏡頭運動中英對照表與每種的 prompt 片段,可直接複製;完整 6 支實測影片放在 html.yanchen.app/ai-camera-moves。
2026-11-10 我在 Threads 看到 @oceanads_dev(艾文芒果 DevOps)的一篇貼文,開頭是「AI 影片的差距,八成在鏡頭語言」。內容是兩張圖,整理了 24 個攝影機運動名稱的中英對照,金句是「AI 聽得懂術語,聽不懂感覺」。我截圖時這篇有 3,405 個讚、5,143 次分享。
這個說法可以直接驗證:同一個場景、同一個 seed,只換運鏡那一句,看鏡頭到底有沒有照做。我在自己的 RTX 4070 上跑了 6 支,再用 OpenCV 量每支片的鏡頭實際移動量。
AI 真的聽得懂運鏡術語嗎?實測結果
先看結論,下面再講怎麼測。
| 寫法 | 量測(累計) | 判定 |
|---|---|---|
| Make it look good and cinematic(拍得好看) | zoom ×1.00、水平 0 px、垂直 1 px | 幾乎不動 |
| Slow dolly in(推軌前進) | zoom ×1.15、水平 -48 px、垂直 23 px | 照做 |
| Orbit shot(環繞 180 度) | zoom ×1.06、水平 -12 px、垂直 10 px | 沒做到 |
| Crane up shot(搖臂上升) | zoom ×1.12、水平 -46 px、垂直 -41 px | 沒做到 |
| Crash zoom(急推變焦) | zoom ×1.11、單幀最大放大 1.006 | 只對一半 |
| Truck left(向左橫移) | zoom ×1.01、水平 28 px、垂直 5 px | 方向對、幅度小 |
原貼文的論點成立一半。感覺詞確實沒用,模型拿到「好看」只給了一張會動的照片;術語也確實有用,dolly in 是 6 支裡最乾淨的一支。但不是寫了術語就會照做:在 5B 這種小模型上,只有最基本的推軌穩定成功,繞行、升降這類需要模型理解 3D 空間的運鏡都失敗。
原貼文的 hashtag 是 #MiniMaxH3 和 #seeddance2.5,作者用的是商用大模型。我用的是能在家用顯卡跑的開源小模型,所以這篇的結果補的是速查表沒講的另一半:術語有沒有效,要看模型。
我怎麼測:同場景、同 seed、只換一句
環境與設定:
| 項目 | 值 |
|---|---|
| 顯示卡 | RTX 4070 12GB |
| 介面 | ComfyUI 0.3.71(本機 API) |
| 模型 | wan2.2_ti2v_5B_fp16(文字轉影片) |
| 解析度/長度 | 832×480、73 幀、24fps(約 3 秒) |
| 取樣 | 20 steps、cfg 5、uni_pc、seed 20261110 |
SCENE = ("a young woman in a red coat standing alone in the middle of a quiet "
"rainy Taipei street at night, neon signs reflecting on wet asphalt, cinematic lighting")
SHOTS = {
"00_vague": "Make it look good and cinematic. " + SCENE,
"01_dolly_in": "Slow dolly in: the camera moves steadily forward toward the woman, from a wide shot to a medium close-up. " + SCENE,
"02_orbit": "Orbit shot: the camera circles 180 degrees around the woman at eye level, keeping her centered. " + SCENE,
"03_crane_up": "Crane up shot: the camera rises high above the street, tilting down, revealing the whole neon-lit block. " + SCENE,
"04_crash_zoom": "Crash zoom: a sudden fast zoom in onto the woman's face. " + SCENE,
"05_truck_left": "Truck left: the camera slides sideways to the left parallel to the street, the woman stays in frame. " + SCENE,
}
每支片我記到的生成時間在 195 到 425 秒之間,GPU 同時有其他任務在排隊,所以這個數字只能當參考。
量測用 OpenCV:每兩個相鄰幀抓 ORB 特徵點,用 RANSAC 估一個相似變換(縮放、平移、旋轉),73 幀累加起來就是整支片的鏡頭運動量。zoom 大於 1 代表畫面放大(推近),水平正值代表畫面往右流(鏡頭往左)。
M, _ = cv2.estimateAffinePartial2D(a, b, method=cv2.RANSAC)
s = float(np.hypot(M[0, 0], M[1, 0])) # 這一幀的縮放
zoom *= s
peak_zoom_step = max(peak_zoom_step, s)
dx += float(M[0, 2])
dy += float(M[1, 2])
這是背景特徵點的整體位移,屬於近似值,主角本身走動也會被算進去。所以每支片我都另外拼了首、中、尾三幀,用眼睛再確認一次。
哪些運鏡成功、哪些失敗?
拍得好看:鏡頭完全不動
累計縮放 ×1.00、位移 0。雨在下、霓虹在閃,但鏡頭沒動。「好看」「電影感」在模型眼裡是畫面風格,不是鏡頭指令。
Dolly in:照做,最乾淨的一支
從全身遠景推到半身,累計放大 ×1.15。prompt 裡我把起點和終點都寫了(from a wide shot to a medium close-up),模型照著走完。
Orbit:沒有繞,只拍成背影
要求繞 180 度,模型給的是背影加一點微推(×1.06),水平只流了 12 px。繞行需要模型生出主角另一側的樣子,這對 5B 模型太難。
Crash zoom:拍成特寫,但沒有「急」
模型抓到了「臉」,直接從特寫開始拍。但 crash zoom 的重點是瞬間拉近,這支片單幀最大放大是 1.006,跟慢速 dolly in 的 1.004 差不多,沒有任何一幀是突然放大的。
Crane up 與 truck left
Crane up 失敗得最明顯:主角消失,鏡頭往巷子裡推(×1.12),畫面往上流 41 px,代表鏡頭反而在降低。
Truck left 方向是對的,畫面往右流 28 px,等於鏡頭往左移。女生從畫面左側移到中央,但 3 秒只移這麼一點,看起來比較像輕微漂移。
商用模型怎麼控制運鏡?MiniMax 有官方指令
MiniMax 的影片生成 API 文件直接寫明:prompt 可以用方括號指令控制鏡頭,適用 MiniMax-Hailuo-2.3、MiniMax-Hailuo-02、T2V-01-Director。官方列出的 15 個指令如下:
| 類型 | 指令 |
|---|---|
| 橫移 | [Truck left]、[Truck right] |
| 橫搖 | [Pan left]、[Pan right] |
| 推拉 | [Push in]、[Pull out] |
| 升降 | [Pedestal up]、[Pedestal down] |
| 直搖 | [Tilt up]、[Tilt down] |
| 變焦 | [Zoom in]、[Zoom out] |
| 晃動 | [Shake] |
| 跟拍 | [Tracking shot] |
| 固定 | [Static shot] |
[Pan left,Pedestal up] A wide mountain valley at sunrise...
[Push in] A detective studies a torn photograph... then [Static shot] the camera holds as his expression changes.
這份清單沒有 orbit、crane、dolly zoom。第三方整理的 Hailuo Director 指南也提醒:這幾個是描述性用語,不是驗證過的指令;同一份指南還提到,原貼文 tag 的 H3 在 V2 API 文件裡沒有記載這套方括號語法。
Seedance 2.0 走另一條路:可以上傳參考影片,讓模型複製參考片的運鏡。OpusClip 的教學示範了「Replicate the simultaneous push-in and upward crane movement from @Video1」這類寫法,並建議複合運鏡要拆開逐一描述,最多上傳 3 支、合計 15 秒內。
小模型的運鏡 prompt 怎麼寫比較穩?
Wan2.2 的 GitHub README 講到「電影級美學」時,列的是光線、構圖、對比、色調這類標籤,沒有運鏡關鍵字清單。從這次 6 支片的結果,我在本機小模型上的寫法整理成三條:
- 寫起點和終點。成功的 dolly in 寫了「from a wide shot to a medium close-up」;只寫動作名稱,模型不知道要走多遠。
- 一個鏡頭只放一個運鏡。MiniMax 官方也是建議一組括號最多 3 個,小模型更要保守。
- 需要 3D 理解的運鏡不要指望小模型。orbit、crane、bullet time 要生出主角沒出現過的角度,5B 做不到;需要的話改用 14B、商用模型,或拍成兩個鏡頭再剪接。
24 種鏡頭運動中英對照(附 prompt 片段)
原貼文的圖解析度不夠,我看不清全部 24 項,所以這張表是我依常用攝影術語重新整理的 24 項,不是照抄原圖。prompt 片段沿用我實測的雨夜街景。
| 類別 | 中文 | 英文術語 | 效果 | Prompt 片段 |
|---|---|---|---|---|
| 固定 | 固定鏡頭 | Static / Locked-off | 鏡頭不動,讓表演說話 | static locked-off shot, camera does not move |
| 固定 | 手持 | Handheld | 輕微晃動,紀錄片臨場感 | handheld camera, subtle natural shake |
| 旋轉 | 橫搖 | Pan left / right | 機身不移,左右轉頭看 | camera pans slowly from left to right |
| 旋轉 | 直搖 | Tilt up / down | 機身不移,上下抬頭低頭 | camera tilts up from her feet to the night sky |
| 旋轉 | 滾轉 | Roll / Dutch angle | 畫面傾斜,不安、失衡 | camera rolls into a tilted dutch angle |
| 移動 | 推軌前進 | Dolly in / Push in | 靠近主角,情緒加強 | slow dolly in toward the subject |
| 移動 | 推軌後退 | Dolly out / Pull back | 拉開距離,孤獨或揭露環境 | camera pulls back to reveal the whole street |
| 移動 | 橫移 | Truck left / right | 平行側移,像走過櫥窗 | camera trucks left parallel to the subject |
| 移動 | 升降 | Pedestal up / down | 機身垂直升降,視角不轉 | camera pedestals up vertically |
| 移動 | 跟拍 | Tracking / Follow shot | 跟著主角移動 | tracking shot following her from behind |
| 移動 | 領拍 | Leading shot | 倒退走在主角前方 | camera moves backward in front of her as she walks |
| 移動 | 環繞 | Orbit / Arc shot | 繞主角轉,凸顯主角 | camera orbits 180 degrees around her |
| 高度 | 搖臂上升 | Crane up / Jib up | 升高俯瞰,史詩感、收尾 | crane up shot rising high above the street |
| 高度 | 搖臂下降 | Crane down | 從高空落到主角,開場 | crane down from rooftops to eye level |
| 高度 | 空拍飛越 | Drone flyover | 高空大景 | aerial drone shot flying over the city |
| 高度 | 俯衝 | FPV dive | 穿越式高速飛行 | FPV drone dives down between buildings |
| 鏡頭 | 變焦推近 | Zoom in | 鏡頭不動,焦段變長 | slow optical zoom in on her face |
| 鏡頭 | 急推變焦 | Crash zoom / Snap zoom | 瞬間拉近,喜劇或驚嚇 | sudden crash zoom onto her face |
| 鏡頭 | 滑動變焦 | Dolly zoom / Vertigo | 主角不變、背景壓縮或拉伸 | dolly zoom, background stretches while she stays the same size |
| 鏡頭 | 移焦 | Rack focus | 焦點從前景換到背景 | rack focus from the neon sign to her face |
| 特殊 | 甩鏡 | Whip pan | 高速甩動帶動態模糊轉場 | fast whip pan with motion blur |
| 特殊 | 子彈時間 | Bullet time | 時間凍結,鏡頭繞行 | bullet time, frozen raindrops, camera circles |
| 特殊 | 主觀鏡頭 | POV shot | 以角色眼睛看出去 | first-person POV walking down the street |
| 特殊 | 一鏡到底 | Long take / Oner | 不剪接連續移動 | continuous long take, camera glides through the scene |
接下來可以怎麼用
- 用商用模型做片:MiniMax Hailuo 2.3/02 直接用官方 15 個方括號指令,比自然語言描述好控制。
- 用本機 Wan2.2 做片:優先用 static、dolly in,寫清楚起點和終點;繞行、升降改用剪接處理。
- 想自己驗證:把上面的
SHOTS換成你的場景,固定 seed 跑一輪,比對首尾幀就知道模型懂哪些運鏡。
常見問題
AI 影片 prompt 用中文寫運鏡可以嗎?
這次我只測了英文寫法。MiniMax 官方的方括號指令全是英文,例如 [Push in];運鏡術語本身也是英文最統一,建議運鏡那一句用英文寫。
Dolly in 跟 zoom in 差在哪?
Dolly in 是攝影機整台往前移,前景和背景的相對位置會改變;zoom in 是攝影機不動、焦段變長,畫面像整張被放大。MiniMax 的指令把兩者分開:[Push in] 和 [Zoom in]。
為什麼 orbit 在小模型上做不出來?
繞行時模型要生出主角原本看不到的側面和背面,還要讓背景跟著轉,需要較強的 3D 一致性。我這次用 Wan2.2 5B 只得到背影加微推,水平位移 12 px。