视频提示词需要说明“发生了什么变化”。再漂亮的环境描述，也不能代替动作。在 VisionDir 使用 Wan 3.0 时，先明确核心动作和最后一帧的状态，再加入装饰性细节。
打开 Wan 3.0 文生视频，或使用图生视频，让已有画面指导开场构图。可用输入和时长以当前表单为准。
一个镜头只承担一个清楚的任务
选择无需解释就能看懂的动作，例如窗帘移动露出窗户，或一只手把杯柄转向镜头。写清动作开始和结束的位置，不要让短镜头同时承担城市介绍、多角色出场和复杂追逐。
中景，一只陶瓷杯放在咖啡店木桌上。一只手从右侧进入，将杯柄转向镜头后离开画面。杯子保持直立，位置不变。柔和窗光，背景安静，相机稳定。最后停留在没有遮挡的杯子画面上。
这是待尝试的原创提示词，不是已经测试成功的输出说明。应根据实际结果决定下一步修改。
区分主体动作和相机运动
移动的主体可以用固定机位拍摄，静止的产品也可以通过缓慢运镜展示。先决定哪一种运动负责叙事。杯子示例用固定镜头，更容易检查手与杯子的互动；风景揭示则可以让缓慢推进成为主要变化。
同一连续镜头不要同时要求“固定相机”和“快速环绕”，它们会互相冲突。
给参考素材明确职责
图生视频的输入图片应在构图上适合目标动作。说明需要保持的特征，例如服装、产品轮廓和整体位置，然后重点描述运动。若工具提供其他参考输入，应为每份素材指定用途，不要默认其他平台介绍的输入类型在当前模式中全部可用。
结果不理想时如何改
| 问题 | 可以尝试的修改 |
|---|---|
| 动作不清楚 | 写明起点与终点 |
| 主体外观变化 | 减少切换场景，强调少数关键特征 |
| 运镜干扰主体 | 只保留一种克制的相机指令 |
| 结尾无法使用 | 要求稳定收尾，不再开始新动作 |
从足够完成动作的短时长开始，并在提交前查看积分估算。复用提示词时，应确认原动作仍适合新主体。
常见问题
时间戳能保证精确执行吗？
不能。它表达时间意图，仍需要检查结果。描述的节奏应与所选时长一致，并给收尾留出时间。
音频怎么处理？
以当前模式的可用控制项为准。支持音频时，把对白、环境声和音效分开描述；否则在后期编辑中完成声音设计。
相关阅读：Seedance 2.5 分镜指南、MiniMax H3 广告规划。模型参考：Wan 3.0。