Runway Gen-4 提示词指南：如何获得最佳生成效果

Runway Gen-4 是一款快速、灵活的 AI 视频生成模型，专为需要将 AI 生成内容无缝融入真实拍摄、动画或视效项目的创作者而设计。只需一张图片和一段文字描述，Gen-4 即可生成 5 秒或 10 秒的视频片段——视觉连贯、物理真实，可直接用于专业制作流程。

但和所有 AI 模型一样，输出质量直接取决于输入质量。本指南将系统讲解如何编写提示词，让 Gen-4 发挥出最佳表现——从基础原则到具体运动技巧，以及可直接套用的提示词结构。

从简单开始，逐步迭代

新用户最常犯的错误，就是在第一条提示词里堆满所有细节。Gen-4 实际上在简洁的提示词下表现更好——建议从最简单的描述出发，再逐步叠加复杂度。

先只写出场景中最核心的运动，确认效果后，再一次添加一个新元素：

1. 主体运动 — 角色或物体做了什么
2. 镜头运动 — 摄像机如何移动或固定
3. 场景运动 — 环境如何响应或变化
4. 风格描述符 — 整体视觉或电影基调

逐层叠加的方式能让你清楚看到每个要素对结果的影响，也让问题排查变得更加直接有效。

四大提示词要素

主体运动

主体运动是核心动作——角色或物体在物理层面做了什么，包括移动、手势、面部表情和反应等。

在描述角色时，使用"主体"或简单的代词，而不要重复图片中已有的外貌描述。模型已经从图片中获取了这些视觉信息，在提示词中重复往往会降低运动质量，甚至让模型混淆。

主体缓缓转向镜头，眯起眼睛抵抗风吹。

当画面中有多个主体时，用清晰的位置或描述性词语来区分各自的动作：

左侧的人物蹲身躲在墙后。右侧的人物继续向前走，毫无察觉。

场景运动

场景运动描述环境本身的动态——无论是对主体动作的反应，还是独立发生的变化。

触发场景运动有两种方式：

隐含运动 — 通过描述让环境自然反应：

主体在沙丘上全力奔跑。

（隐含：扬尘、沙粒飞溅、风的扰动）

明确运动 — 直接描述环境应有的动态：

主体在沙丘上全力奔跑。细沙扬起，在身后形成一道尘云。

隐含运动通常产生更自然的结果。如果效果不够明显，可以尝试多次强调，或直接用语言描述来加强。

镜头运动

镜头运动定义摄像机在场景中的移动方式。Gen-4 能理解标准的电影摄影术语，可以直接在提示词中使用。

以下是一些常用的镜头运动术语：

示例：

手持摄像机跟随主体穿越拥挤的集市。运动自然流畅，在摊位间灵活穿行。

风格描述符

风格描述符设定视频整体的视觉或运动语言，适合用来传达运动速度、渲染风格或电影类型——影响整体感受而非具体动作的元素。

慢动作。电影级真实质感。温暖的黄金时段光线。

定格动画美学。运动略显跳帧但节奏刻意。

风格描述符可以融入提示词主体，也可以在完成其他内容后作为收尾单独附加。

最佳实践

只使用正向描述

Gen-4 的设计目标是理解"应该发生什么"，而非"不应该发生什么"。否定或禁止性语言（如"不要移动"、"不要抖动"）往往产生不可预测的结果，甚至与预期相反。

❌ 避免：

没有镜头运动。摄像机不移动。完全静止。

✅ 应该：

锁定机位。画面全程保持完全静止。

直接描述物理动作

抽象或诗意的描述会迫使模型自行解读你的意图，这往往导致随机或意外的运动结果。始终将情感或概念性想法转化为具体的物理动作。

❌ 避免：

主体散发着温暖的气息，以开放的姿态欢迎来访者的到来。

✅ 应该：

主体露出灿烂的笑容，张开双臂，将来访者拉入一个拥抱。

聚焦运动，而非描述图片

输入图片已经告诉模型场景的视觉外观。文字提示词应专注于描述变化——事物如何运动、接下来发生什么、摄像机如何表现。

重复描述图片中已经可见的视觉细节（服装颜色、发色、场景布置），往往会削弱运动输出，或让模型过度关注外观而忽略动作。

❌ 避免：

那位卷发男士穿着灰色西装、棕色皮鞋，伸手与对方握手。

✅ 应该：

男士伸出手臂握手，随后礼貌地点头致意。

跳过对话式语言，专注场景描述

Gen-4 是视觉模型，不是对话系统。对话式语言（"请帮我加上……"、"能不能……"）和命令式语言（"把狗加进画面"）无法给模型提供足够的视觉信息。

如果你希望某个元素出现在场景中，描述它是如何进入画面的：

❌ 避免：

请在公园里加一只跑步的狗。

✅ 应该：

一只金毛猎犬从画面左侧冲入，追着一颗在草地上滚动的网球。

每次生成只做一个场景

Gen-4 生成的是 5 到 10 秒的短片——本质上是一个单镜头场景。把多个场景切换、风格转变或不相关的动作硬塞进一条提示词，会让模型顾此失彼，通常产生不稳定的输出。

每次生成专注于一个清晰的主要动作。

❌ 避免：

一只猫变成凤凰，飞越白天变黑夜的丛林，然后变成一艘在霓虹未来城市里潜行的潜艇。

✅ 应该：

猫蹲伏在高草丛中，然后猛地跃起——随着它腾空，灿烂的橙色羽毛开始在身上蔓延。

结合图片提示词使用

当你同时使用输入图片和文字提示词时，两者形成配合：图片负责视觉呈现，文字负责驱动运动。

几个关键原则：

• 把视觉工作交给图片 — 文字应完全专注于事物如何运动或变化
• 保持运动的合理性 — 符合物理逻辑的运动通常产生更干净的结果
• 加入镜头运动 — 即使主体几乎静止，镜头运动也能带来电影感

人像 / 角色动画：

主体缓缓将头转向镜头。一阵微风拂动发丝。表情微妙地变化——从平静转为若有所思的警惕。锁定机位，中景特写。

环境动画：

风景动了起来——云朵从右向左缓缓漂移，投下移动的阴影覆盖山谷。一阵风掠过，高草起伏摇曳。锁定广角镜头。

产品或物体展示：

摄像机围绕物体做平滑环绕运动，从正面移至四分之三后视角。柔和的棚拍灯光保持一致。主体静止，只有摄像机在移动。

快速参考：提示词结构

以下是一个可以作为任何 Gen-4 提示词起点的简洁公式：

[主体] [动作/运动]。[场景环境的反应或变化]。[镜头运动]。[风格]。

示例：

女子站在悬崖边缘，缓缓张开双臂。身后的大衣在强风中剧烈飘动。从全景缓缓推镜至中景。电影级真实质感。阴天自然光。

在此基础上，根据需要逐层增加各要素的具体程度。

进阶技巧

1. 先写运动，再写外观。 Gen-4 不需要你描述外观——它需要知道事物如何运动。
2. 用固定性语言描述静止镜头。 "锁定"、"静止"、"画面保持不动"远比"没有镜头运动"更可靠。
3. 用形容词暗示环境反应。 "尘土飞扬"、"薄雾弥漫"、"风中摇曳"等词汇能自然触发场景运动。
4. 一次生成，一个场景。 把每段 5-10 秒的片段视为单个镜头，多镜头序列分开生成。
5. 分层迭代。 每次只改变一个要素，方便判断哪些调整有效。
6. 提示词长度匹配场景复杂度。 简单的风景动画可能只需三行；带有特定动作的角色场景可能需要八行。不要过度描述，也不要描述不足。
7. 用"主体"作为默认角色称呼。 这能让模型专注于运动，而不是重新解读外观。

总结

Gen-4 是一款功能强大的工具——和大多数强大工具一样，它奖励清晰与意图明确的输入。效果最好的提示词不是最长或最详细的，而是以正确顺序传达了正确信息的：什么在运动、如何运动、摄像机如何表现、整体视觉语言是什么。

从简单开始，有条理地迭代。让文字聚焦在运动上，把视觉工作交给图片——你的提示词的职责是让事物动起来，而不是重新描述已有的画面。

掌握这套方法，Gen-4 完全可以生成足以媲美专业真实拍摄和视效制作的视频内容。