可灵AI咖啡短片提示词：人群与场景添加技巧

28岁的互联网产品经理，穿着深灰针织衫，左手戴着Apple Watch，清晨7:18在老式公寓开放式厨房手冲咖啡。水流注入时，她眼神略带疲惫但专注，咖啡粉落入滤杯的瞬间，她轻轻点了点头——这是长期习惯养成的肌肉记忆。手机屏幕朝下放在台面角落，微信未读消息99+，但全程一眼没看。你看，一个真实的人就这么出现在画面里了。那么，怎么让可灵AI把这种细节变成短片？不是随便写一句“一杯咖啡在冒热气”就行，而是需要一套精准的描述策略。

先锁定人群：用身份标签+行为细节代替年龄数字

第一步，直接在提示词开头交代“谁在操作”——用身份标签加行为细节代替年龄数字。举个例子：“28岁互联网产品经理，穿深灰针织衫，左手腕戴Apple Watch，正用拇指轻按咖啡机启动键”。千万别用“上班族”这种模糊词，AI看到这个词，十有八九会给你生成一个穿西装打领带的中年大叔。必须靠服饰、配饰、神态、小动作这些具体元素，把真实个体锚定下来。

第二步，嵌入该人群特有的动作节奏和微表情。比如“眼神略带疲惫但专注，呼吸节奏平稳，咖啡粉落入滤杯时轻微点头确认”。这些细节看似细微，却是AI识别人物身份的关键线索。

第三步，把人群动机转化为画面可呈现的细节。所谓动机，不一定是内心独白，可以是外化行为，比如“手机屏幕朝下放在台面右上角，微信未读消息99+，但全程未看一眼”。不需要任何文字解释，画面自己就会说话。

再还原场景：从空间材质到时间切片逐层叠加

场景构建需要层次感。方法一，用“地点+时段+物理状态”三重定位。比如“北京朝阳区老式公寓开放式厨房，清晨7:18，窗框结着薄雾，不锈钢水槽边沿有半干水渍，电磁炉指示灯呈幽蓝常亮状态”。这么写，AI对空间的想象就有了明确坐标。

方法二，靠感官线索激活AI的空间建模能力。比如“背景音是隔壁楼早高峰电梯运行的低频嗡鸣，咖啡机蒸汽喷出时带动空气微微扭曲，杯壁凝结细密水珠并缓慢滑落”。听觉和视觉线索同时给到，场景就能从平面变成立体。

方法三，加入一些虽然不属于主角、却能强化整体可信度的“干扰元素”。比如“料理台左侧散落两粒速溶咖啡糖，右侧压着一张被咖啡渍晕染边缘的会议日程表，抬头印着‘Q2 OKR复盘会’”。这些小物件看似无关紧要，却像拼图碎块，合力拼出一个真实可信的清晨场景。

人群与场景必须绑定在同一个动作链里

到这里，人群和场景都有了，但真正让画面“活”起来的，是把它们放进同一个动作链条里。

首先确定核心动作，比如“手冲咖啡的第三段注水”。接下来，把人群特征注入动作执行过程——“她用左手无名指抵住手冲壶壶嘴下方保持稳定，这是长期单手操作养成的习惯”。这一步，人群不再是静态标签，而是动作风格本身。

然后，让场景的物理反馈同步发生——“水流冲击咖啡粉床时激起细微棕褐色粉尘，部分飘向窗边绿萝叶片，在晨光中形成短暂悬浮轨迹”。场景从背景变成了参与者，和人的动作发生互动。

最后，用时间戳收束真实感：“整个注水过程持续8.3秒，最后0.5秒水流明显变细，壶身倾斜角度增加7°”。这种近乎偏执的时间精度，体现的不只是专业性，更是真实的肌理感。当人群、场景和动作链咬合在一起，AI生成的不再是“一杯咖啡在冒热气”，而是一个有身份、有空间、有细节的完整瞬间。

来源：互联网