古诗词MV提示词

做古诗词MV的关键不是把整首诗塞进提示词，而是先拆意境、再定镜头、最后配音乐。画面提示词交给视频/图像模型，音乐交给QQ音乐AI作歌这类工具，两边用同一批情绪关键词对齐。核心做法是四段式画面描述加同源情绪的音乐描述，再加一张共享关键词表，避免风格混搭和情绪词太空泛。

做古诗词MV的提示词，核心思路不是“把整首诗塞进一个提示词里”，而是先拆意境、再定镜头、最后交给AI作歌去生成音乐。诗是高度凝练的，提示词要做的是把它翻译成画面语言和情绪语言，而不是复述原文。

我见过太多人一上来就写“请根据《静夜思》生成一个古风MV”，结果出来要么是素材拼贴，要么情绪完全不对。问题不在模型，在于提示词没给够“可执行的约束”。下面把我自己反复试出来的路子拆开讲。

一、先搞清楚：古诗词MV的提示词到底在指挥什么

一个古诗词MV，本质上是三件事的合成：画面（视觉意象）、音乐（情绪与节奏）、字幕/排版（文本呈现）。提示词要分别对应这三层，而不是混成一段散文。

很多人忽略的一点是：音乐这一层其实可以借助现成的AI作歌工具来完成。比如本站收录的QQ音乐AI作歌（又称“启明星·AI作歌”），是腾讯音乐娱乐集团（TME）基于深度学习、语义分析和音乐结构建模技术做的产品，主打零基础也能当音乐人，30秒定制音色，3分钟生成金曲。它的定位正好卡在“我不会作曲但我想给诗配一段合适的旋律”这个需求上。

所以我的建议是：画面提示词交给视频/图像模型，音乐提示词交给AI作歌工具，两边用同一套“情绪关键词”对齐。这样出来的MV才不会画面是画面、音乐是音乐，各说各话。

二、古诗词MV提示词的四段式结构

我习惯把提示词拆成四段，顺序固定，写起来不容易漏：

1. 意境定调：一句话说清整首诗的情绪底色，比如“孤寂清冷”“壮阔苍凉”“明快闲适”。这是给音乐和画面共同的锚点。
2. 画面要素：列出3~5个具体意象，注意要“可视”，不要写“思乡之情”这种抽象词，要写“月光洒在床前地面”“窗外孤树”。
3. 镜头与节奏：说明是慢推、空镜、还是人物特写；整体节奏是缓还是急。古诗MV大多适合慢节奏、长镜头、留白。
4. 风格限定：水墨、工笔、实拍古风、胶片质感等，明确一种，别让模型自己猜。

举个示意（不是让你照抄，是让你看结构）：

• 意境定调：清冷孤寂，夜不能寐
• 画面要素：床前月光、地上霜色、抬头望月、低头沉默
• 镜头节奏：慢推，空镜为主，人物只给侧脸和背影
• 风格限定：水墨淡彩，低饱和，冷蓝色调

三、音乐层：用AI作歌把“诗的情绪”变成“歌的情绪”

画面定了，音乐怎么给提示词？这里可以直接用QQ音乐AI作歌来落地。它基于语义分析和音乐结构建模，也就是说你给它的描述越贴近情绪和场景，它越能对上。

我的写法是把上面“意境定调”那句话，扩成一段情绪+器乐+人声的描述：

• 情绪词：孤寂、克制、微微的怅惘，不要大悲
• 器乐：古琴或箫为主，少量弦乐铺底，不要鼓点
• 人声：可用它的30秒定制音色功能，选一个偏清冷、气声多一点的声音，贴合古诗的含蓄
• 结构：前奏留白长一点，主歌平稳，副歌不爆发，整体3分钟左右

QQ音乐AI作歌的卖点是“3分钟生成金曲”，实际用下来，快是真的快，但前提是你的描述够具体。你只写“古风”，它给你的就是通用古风；你写“古琴+箫、无鼓、气声人声、克制不煽情”，它才往你要的方向靠。这一点和写画面提示词是同一个道理。

四、画面与音乐要对齐的“共享关键词”

这是最容易被忽略、但最影响成片质量的一步。画面提示词和音乐提示词里，要出现同一批情绪词，否则两边各走各的。

把这张表里的词，同时写进画面提示词和AI作歌的描述里，成片的统一感会明显提升。

五、几个实操上的坑

• 别把整首诗当提示词。诗是给人读的，模型需要的是画面和情绪指令，原文可以放在字幕层，不要塞进生成描述。
• 一次只定一种风格。“水墨+实拍+赛博”这种混搭，出来的往往是四不像。
• 音乐别追求“燃”。古诗MV多数适合克制，AI作歌如果给你生成了偏流行的编曲，就回去把“不要鼓点、不要爆发”写清楚。
• 先出音乐再配画面，或先定画面再配音乐都行，但共享关键词必须先定。顺序不重要，对齐才重要。

六、一句话总结我的做法

古诗词MV提示词 = 四段式画面描述 + 同源情绪的音乐描述 + 一张共享关键词表。画面交给视频/图像模型，音乐交给像QQ音乐AI作歌这样的工具（30秒定制音色、3分钟生成，适合快速试错），两边用同一批情绪词锁死方向。剩下的，就是多试几版，挑最不“用力过猛”的那一版。

相关问题

1. 古诗词MV一定要用AI作歌吗？
不一定，但如果你不会作曲又想要原创旋律，AI作歌是最省事的路径；用现成配乐则要注意版权。

2. 提示词里要不要写诗的原文？
不建议写进生成描述，原文更适合放在字幕层，生成描述只留画面和情绪指令。

3. 为什么我的古风MV总显得“假”？
多半是风格混搭加情绪词太泛，收敛到一种风格、给具体意象，会好很多。

4. AI作歌生成的人声能贴合古诗气质吗？
可以试它的定制音色功能，选偏清冷、气声多的音色，并在描述里写明“克制、不煽情”。

5. 画面和音乐对不齐怎么办？
回到共享关键词表，把情绪、节奏、质感三类词在两边统一，再重新生成。