AI 带货视频怎么做：场景图、人物图、产品图三张素材的分工与提示词写法

美妆带货片的素材成本一直卡在三样东西上：场景、人、产品。样机要有，场地要搭，模特要请，少一样都开不了机。

AI 生视频把这三样的来源换了个配法——照片当场景，设定图当模特，白底图当产品。素材齐了，剩下的话全在提示词里说。

也正因如此，同一套三张图交给不同的人，成片能差出一个量级，差别通常不在模型上。多数人把三张图连同场景、人物、产品的描述一股脑塞进去，模型同时要处理三件事，哪一件都没锁住。

要定下来的只有两件事：三张图各自管什么，提示词按什么顺序写。

一、三张参考图的分工

这三张图的关系是不重叠的。分工写清楚，后面的文字只需要指认编号，不必重复描述——省下来的篇幅，全部留给图上没有的东西。

场景图回答"在哪拍"。 这条片子给的是车内空镜：后排白色皮质座椅，自然光从车窗外漫进来。它决定环境空间、光线的方向与柔和度，也决定机位能落在哪里。还有一层容易被忽略的作用——划定画面底线。车内本身没有多余装饰，成片里也就不会突然冒出一个不该出现的物件。

人物图回答"拍谁"。 交给模型的不是单张人像，而是一张多角度设定图：正面、侧面、背面、半身与若干表情并列在一张画布里。它的价值在于"一次说清"——长相、发型、妆容、服装、可用的出镜角度全在里面。只给一张正面照，模型得自己补侧面和背面，而转头的那一瞬间，就是最容易换脸的时候。

产品图回答"手里拿的是什么"。 它给的是亮面白色圆柱管身、渐变蓝紫标识、黑色螺旋刷头，以及打开状态与刷头特写。管身标识、刷头结构、亮面材质的高光走向，全由这张图承担。产品细节写得越省，模型自由发挥的空间越大——而带货片里，产品外观恰恰是不许发挥的部分。

本条片子里的产品是案例演示用样品，管身印的是案例库的演示标识，不对应任何在售商品，成片也未作为商业广告投放。

还有一处要提前核：素材表里的列顺序，不一定等于提示词里的编号顺序。 这条片子的三张图，素材表里人物图排在场景图前面，提示词却把车内场景写成【图片1】、人物写成【图片2】。照表格顺序原样上传，场景和人物的对应就是反的。上传前按提示词编号核一遍，比出问题之后再重抽便宜得多。

二、生视频提示词

30 秒的片子拆成两段生成，每段 15 秒、各写一份完整脚本，成片拼接。第一段的完整原文如下：

【核心优先级：3-11s高光段展示，权重10，所有其他镜头为该高光段服务，优先保证该段画面完美无穿模、动作自然、光影到位，突出睫毛卷翘浓密效果与产品高级质感，强化购买冲动】

【AI生成质量保证规范，强制生效：

1. 禁止产品变形、穿模、错位，管身、刷头保持完整清晰，部件不消失、不变形，亮面质感自然不突兀
2. 禁止睫毛效果杂乱、结块，保持根根分明卷翘，纹理完整清晰、不模糊、不缺失
3. 禁止手部畸形、手指扭曲，手部动作自然舒展，关节清晰，贴合场景
4. 禁止添加多余杂物、水印、字幕，保持场景极简干净，无杂乱，不出现无关物品
5. 禁止人物表情过度夸张扭曲，保持美式甜酷灵动，不僵硬、不油腻，贴合tiktok内容风格
6. 禁止过曝、死黑、画面模糊，保持柔光通透质感，颜色还原自然，不偏色、不过饱和，衬肤显白效果拉满
7. 禁止场景元素杂乱，不添加多余装饰，保持场景干净】

【画质参数：苹果手机前置摄像头日常拍摄风格，8K超高清：2.0，电影级柔光质感：1.8，光线追踪：1.7，冷白皮通透皮肤：1.6，人物骨相自然：1.2，美式甜酷网感脸：1.5，无过度磨皮，皮肤保留细腻质感，不假面、不泛油，画面通透干净，睫毛、产品细节纹理高清还原】

【整体色调固定：冷调低饱和高级美妆色调，柔和不刺眼，突出产品纯白管身与渐变蓝紫标识的质感，极致衬肤显白，适配所有美妆类内容传播】

【高光段专属光影：侧柔光精准勾勒睫毛卷翘弧度、人物发丝轮廓与睫毛膏亮面管身立体感；柔和光晕轻轻铺洒，放大睫毛根根分明的浓密效果与产品的细腻质感，光影过渡自然顺滑，高级通透感拉满】

【场景与人物设定：
场景：【图片1】车内场景，白色皮质座椅，自然光漫入车内，光线均匀柔和，氛围轻松随性，符合tiktok日常种草内容风格
人物：【图片2】22岁美式甜酷少女，清透日常妆容，气质灵动随性，表情自然有感染力，动作松弛不刻意，无生硬摆拍感。人物声音：参考【音频1】。穿搭：简约休闲辣妹风穿搭，和车内场景完美适配，凸显轻松日常的种草氛围
产品细节：【图片3】亮面纯白色极简圆柱管身，搭配渐变蓝紫品牌标识与黑色品牌文字"技灵案例"，设计简约高级，配有黑色螺旋睫毛刷头，主打美妆定型，打造浓密卷翘睫毛】

【分镜与口播（快节奏轻快卡点BGM，鼓点活泼，氛围轻松高级，无字幕，美式甜妹活泼语气，咬字清晰、精准卡点、自然种草，无负面话术）：
0-6s（黄金爆款钩子）：近景正面镜头，【图片2】博主对着镜头说话，依次做出"L"手势、三指手势，表情夸张惊讶，突出脸部睫毛效果；口播（活泼惊讶语气）：I'm trying to tell y'all, once you try this volumizing curling mascara, you're never going to lay on a lash bed for two hours again.
6-11s（高光开启+卖点强化，权重最高）：在【图片1】内，镜头先切脸部特写，【图片2】博主缓慢转动头部，展示不同角度的睫毛卷翘浓密效果，柔光清晰呈现睫毛根根分明的质感；随后丝滑转场到手持【图片3】产品特写，博主手持睫毛膏展示纯白管身与渐变蓝紫标识和黑色品牌文字"技灵案例"，侧光勾勒产品立体感；口播（兴奋语气）：This is totally a game-changer! Look how full and curled my lashes are, no clumps at all!
11-15s（效率优势种草）：近景镜头，博主拿着黑色螺旋刷头演示上妆动作，做出倒计时1的手势，表情兴奋；口播（利落安利语气）：This only took me ONE minute to apply! One! It holds the curl all day long, no smudging at all.】

【整体节奏：黄金爆款钩子戳中美睫耗时痛点→高光效果展示+产品外观质感种草，快速抓住用户注意力，铺垫产品核心优势，完全贴合tiktok短视频流量逻辑，无生硬推销、无负面吐槽，以清晰的效果展示、轻松的分享氛围、明确的核心优势，精准击中美妆爱好者的需求，卡点节奏明快适配平台风格，强力激发用户下单欲望】

第二段沿用第一段的全部设定，只更换分镜与口播。

这份提示词把"不许什么"摆在"要什么"前面：核心优先级、七条禁止项、画质参数、色调与光影，四层约束排完，才开始写场景、人物和分镜。反过来写——先铺一大段"要什么"，再补几句"不要什么"——模型会把前半段当成主要意图，把禁止项当成参考意见。先把禁区钉住，再给具体画面，容错空间明显更大。

核心优先级开篇划出重心：「3-11s 高光段展示，权重 10，所有其他镜头为该高光段服务」。算力或注意力需要取舍时，优先保这几秒。整条片子有一半的质量预期压在这一句上。

质量保证规范是七条禁止项，管的是下限。七条按崩坏发生的位置分三类。

产品两条。 不许产品变形、穿模、错位，管身与刷头要始终完整清晰、部件不消失、亮面质感自然；不许睫毛效果杂乱结块，要根根分明、卷翘、纹理完整。这一类的共同点是"物"的一致性——产品是带货片的立身之本，睫毛效果则是这条片子要卖的东西本身。

人物两条。 不许手部畸形、手指扭曲，动作要自然舒展、关节清晰；不许表情过度夸张扭曲，要灵动而不僵硬。手和脸是生成视频里最经典的两个失分区，单独写进禁止项，等于提前告诉模型"这两处我会盯着看"。

画面三条。 不许出现多余杂物、水印、字幕；不许过曝、死黑、画面模糊；不许场景元素杂乱、加多余装饰。这三条针对画面整体，属于一眼就能看出不对的问题。

写法上有一个细节值得照抄：每条都写成"禁止什么 + 应该是什么"。 只写"禁止产品变形"，模型知道自己错了，却不知道该往哪个方向修；接上"管身与刷头保持完整清晰"，修正方向才明确。

画质参数把"像手机随手拍的"这类感受拆成可赋值的项，逐项带权重：苹果手机前置摄像头日常拍摄风格、8K 超高清 2.0、电影级柔光质感 1.8、光线追踪 1.7、冷白皮通透皮肤 1.6、美式甜酷网感脸 1.5、人物骨相自然 1.2。顺序在这一层不承担意思——数值之间的相对关系才承担。把"柔光"写得比"超高清"低，画面就会偏锐；反过来，皮肤质感就上来了。

后四层是"要什么"的部分。 整体色调定成冷调低饱和，避免逐镜漂移；光影只给高光段单独写，其余镜头不做特殊处理；场景与人物设定把三张图按编号映射进来；最后是分镜与口播，把时间轴、每段台词与语气写在同一条线上。

七层之外还有一句"整体节奏"，两段提示词的末尾各跟一句。它不描述任何一帧画面，却决定镜头之间的衔接逻辑——先给谁、后给谁、第几秒把核心优势推出去。写成大白话就是"先抓人、再给效果、最后告诉你去哪买"。

两段之间有一条必须守住：场景、人物、产品的描述要逐字对齐。 第二段重写一遍、措辞又略有出入，拼接处就会出现换脸或换环境——稳妥的做法是把设定部分整段复制过去。

三、成片

成片由两段拼接，前半段负责抓人和种草：0-6 秒是黄金爆款钩子，人物对着镜头说话、做出手势，口播直接点出"再也不用花两小时去种睫毛"的痛点；6-11 秒是高光段，先切脸部特写展示睫毛的卷翘浓密，再转场到手持产品特写；11-15 秒讲效率，拿着刷头演示上妆，比出"1 分钟"的手势。后半段负责强化和收口：15-25 秒做社交背书，用捂嘴、托腮这类互动手势多角度展示睫毛效果；25-30 秒锁单收尾，一手拿产品、一手指向下方。

成片里，人物在后排对镜头说话、依次做出手势，切到脸部特写时睫毛根根分明地翘着，转场到手持产品时白色管身与渐变标识完整清晰，后半段是上妆演示和引导下单——30 秒里产品没变形，手部没有崩帧。

成片原片

口播与镜头绑在同一条时间线上，是这份提示词里最实用的部分。每段口播都写明了时间区间、语气和具体台词——钩子段的台词是"I'm trying to tell y'all, once you try this volumizing curling mascara, you're never going to lay on a lash bed for two hours again."，高光段的台词负责把画面效果说出来，效率段的台词落在一分钟这个数字上。台词与画面各说各话，是很多带货视频显得"配音对不上画面"的根源。

除了台词，每段还标了语气与画面约定：语气是"活泼惊讶""兴奋""利落安利"这类提示，画面约定里则有"无字幕、快节奏轻快卡点 BGM、鼓点活泼"。这里的语气词是喂给配音与口型的输入，不是修辞；而"无字幕"写进提示词，是为了避免模型自己在画面上生成文字——生成出来的字形通常不可控。

技灵AI营销助手——AI 电商内容生产平台

懂市场、懂产品、懂素材，内置便宜 Seedance 2.0 / 2.5、Wan 3.0、MiniMax H3、Seedream 5.0 等模型，产出可直接投放的短视频和电商图。

1、官网直达链接：https://www.jeekmind.com/

2、新用户联系客服免费领取 200 体验算力