按「谁在什么地方做什么」打底，再补镜头和光线。PixTV 的分镜提示词不是越华丽越好，越清楚越有效。一句话里带上人物、地点、动作、光线和景别，模型才有一份可执行的视觉指令，画面才不容易跑偏。
六项就够：人物、地点、动作、道具、光线、景别。新手入门先按这个顺序填，缺哪项补哪项。对比一下两种写法。写「女孩很伤心」，模型只能自己脑补；改成「雨夜街边，年轻女孩站在便利店门口，手里攥着被打湿的信封，眼眶泛红，冷色灯光，近景」，人物位置、情绪来源和画面气质全都在了。
场景描述要落到可识别的地域元素。古风题材写清庭院、街巷、室内陈设和服饰气质，科幻题材统一灯光、材质和空间结构。别写「压抑」「破败」这类形容词，它们会触发模型自由联想，生成枯枝、乌鸦这类和剧情无关的符号。
上传素材之后先做关键静帧。静帧是整部片子的视觉地基，角色、场景和构图在这一步定死，后面的视频生成和剪辑才有依据可依。静帧不合格就往后走，浪费的是整条链路的时间。
每个镜头只承担一个任务：交代环境、展示道具、表现情绪，或者推动人物行动。表现角色发现一封信，就拆成三个镜头——房间全景交代位置，桌面信封特写给出信息，人物反应镜头承接情绪。一个镜头塞两件事，生成结果往往两头都不清楚。
截图里的信息量越集中，成片越好控。15秒视频里塞四五个信息点已经是上限，超过就靠剪辑补，不要在一个提示词里硬凑。
镜头之间的衔接要提前想。同一个角色连续出现，人物设定、服装和参考素材都在不同镜头里沿用同一套描述，一致性只能靠逐镜头检查来保证。面部、手部、文字、道具结构和光线连续性都值得放大看一遍，别凭缩略图判断。提示词写法上，运镜要克制，缓慢推近和横移比快速甩镜稳定得多。
动作幅度写太大是第一大坑。对话、奔跑、打斗、转身这类复合动作在同一句里描述，画面容易变形，肢体也会不自然。拆成短镜头，每个镜头完成一个简单动作，再通过剪辑拼出完整节奏，稳定性会高出一截。
第二个坑是同时改多个变量。一次只推进一步，改光线就别动人物，改场景就别换景别。多个变量一起改，结果出问题时无法判断是哪一项导致的。
第三个坑是省略上下文。每个镜头都当成独立任务写完整描述，不要指望模型记住上一个镜头。分镜工作量不小，但真正影响成片的是静帧质量和镜头衔接，把时间花在这两处比堆形容词有用。预算有限时把它算进成本构成，反复重生成才是消耗的大头。
从 60 秒以内的小故事开始，先讲清楚一个冲突。三到五个场景，每个场景拆两到四个镜头，做完一整条再扩展。一上手就设计庞大世界观和十几个角色，很容易卡在角色一致性上，做不出成片也摸不清流程，反而更费时间。
中文完全可以。这类平台对中文描述的理解已经够用，人物、场景、镜头这些要素用中文写清楚就行。真正影响效果的是描述的具体程度，不是语言。有现成的英文提示词模板也可以中英混用，把镜头术语保留英文一般不会有问题。
先回看提示词，多半是人物描述在两个镜头里写法不一致。把发型、五官、服装这些身份信息固定成一段文字，每个镜头原样复制，只改场景和动作。同时统一参考素材，别一个镜头用一张图。改完还漂移，就缩小动作幅度并降低镜头运动速度。
看镜头的信息量。交代环境的空镜通常一到两次就能用，有角色互动的镜头要三到五次挑一条。把筛选时间算进制作流程里，别指望一次出片。同一批任务里一次多出几个版本，比生成完再逐个重试更省积分，具体以官网页面为准。 内容基于公开信息整理，产品功能与价格以官方页面为准。
PixTV图生视频的做法很直接：打开pixtv.ai，新建创作后进入视频生成，上传一张清晰的参考图，选模型并写明主体要做什么、镜头...
2026-10-10PixTV怎么添加图片，答案是有两条路径：一是把本地图片上传进画布当素材或参考图，二是用内置图像模型先生成图，再把这张图作...
2026-10-15PixTV是正规软件吗，答案是从官方文件的完整度看属于正规运营，它有正式发布的服务条款、隐私政策和注册主体；但主体在境外，...
2026-10-14PixTV能生成15秒视频吗，答案是能，而且 15 秒不是上限：PixTV 的视频生成节点里有时长参数，接入的 MiniMax H3 主打超长视频...
2026-10-14PixTV限时优惠到什么时候，答案是官方没有公布明确的截止日期，定价页上只标注了“限时”字样和当前的优惠价格，具体什么时候结...
2026-10-15