Prompt do wideo AI od środka - plan, kamera, światło, dźwięk i 8 wzorów

Prompt do wideo to w praktyce mini scenariusz jednego ujęcia. Model nie potrzebuje opowiadania, tylko informacji: jak daleko stoi kamera, kto jest w kadrze, co robi, jak kamera się porusza, skąd pada światło, jaki to rodzaj materiału i co słychać. Na klip 5-8 sekund w zupełności wystarcza mi 40-80 słów.

Najwięcej nieudanych generacji widzę z dwóch powodów: w jednym ujęciu dzieje się za dużo, a kamera dostaje polecenia, które się wykluczają. Niżej pokazuję, jak tego uniknąć, rozpisuję słownik ruchów kamery na przykładach od producentów modeli i daję osiem promptów, które wkleisz do dowolnego modelu wideo w Kadraris Studio, czy to Seedance 2.5, czy Veo 3.1 (Quality).

Siedem elementów w stałej kolejności

Zawsze układam prompt tak samo. Dzięki temu, gdy porównuję dwie wersje, wiem, którą jedną rzecz zmieniłem.

Pusty szablon:

[plan] of [obiekt], [akcja]. [ruch kamery]. [światło]. [styl].
Audio: [dźwięki], [dialog w cudzysłowie albo "no dialogue"].

I to samo po wypełnieniu:

Medium shot of an old fisherman in a yellow raincoat pulling a net out of
the water on a small wooden boat. Slow dolly in. Overcast morning light,
soft shadows. Documentary, 35mm film grain.
Audio: waves, seagulls, creaking wood, no music, no dialogue.

Po polsku czy po angielsku

Modele rozumieją oba języki. Ja zdarza mi się opisać scenę po polsku, ale plan i ruch kamery wpisuję zawsze po angielsku. To słowa, które modele znają z materiałów filmowych, więc wynik jest powtarzalny. Kwestie mówione po polsku wychodzą w modelach wideo różnie, o tym więcej w tekście o wideo AI po polsku.

Ruchy kamery - ściągawka

Rozróżniaj najazd i zoom. Przy dolly in kamera fizycznie się przemieszcza i zmienia się perspektywa, przy zoom in obraz jest tylko powiększany. W klipach AI najazd wypada zwykle bardziej naturalnie.

Do każdego ruchu dopisuję tempo: slow, smooth, gentle albo fast, sudden. Bez tej wskazówki model wybiera jakieś średnie tempo, które nic nie wnosi.

Pięć ruchów na klipach producentów

Klipy niżej pochodzą z materiałów promocyjnych twórców modeli (skróciłem je do 8 sekund i wyciszyłem). Nie są moimi generacjami. Wstawiam je jako dowód, że te zwroty sprawdzają się w rękach ludzi, którzy te modele zbudowali.

Przelot drona

W dokumentacji Gemini Omni Google podaje prompt złożony z jednego zdania: A drone shot of a mountain landscape at sunrise. Dwa słowa "drone shot" wystarczyły, by obraz łagodnie płynął ponad koronami drzew.

Kamera idzie za bohaterem

Alibaba w przykładzie dla Wan 2.7 wpisała the camera follows him to the oven at the back. Piekarz przechodzi od stołu do pieca, a kamera po prostu za nim podąża, więc jej ruch bierze się z ruchu postaci.

Widok z kasku

Black Forest Labs opisuje w dokumentacji FLUX 3 Video ujęcie A continuous helmet-mounted POV tails a woman on a dirt bike racing across rolling desert dunes. Dzięki continuous model wie, że nie wolno mu ciąć ujęcia na kawałki.

Nisko i z ręki

PixVerse przy scenie z potworem połączył low-angle fast tracking shot z handheld camera shake. Kamera przy ziemi powiększa potwora, a drgania dokładają chaosu. Oba zwroty współgrają, bo jeden ustala, skąd i jak kamera jedzie, a drugi, jak drży obraz.

Najazd, a potem zbliżenie

W prompcie Kuaishou do Kling 3.0 jest najpierw The camera slowly pushes in, a dalej Close-up on the man as he lowers his head. Klip zaczyna się od szerokiego planu tarasu i kończy na twarzy mężczyzny. Zmiana planu jest tu zamierzona, bo Kling 3.0 umie złożyć parę ujęć w jednym zleceniu. W modelach bez takiego trybu kilka planów w jednym opisie łatwiej kończy się bałaganem.

Światło, gatunek i ścieżka dźwiękowa

"Ładne światło" nie daje modelowi żadnej informacji. Nazwij źródło i porę. Te określenia sprawdzają mi się najlepiej:

• golden hour backlight, blue hour, overcast soft light,
• neon rim light, practical lights, candlelight,
• hard noon sun with deep shadows, volumetric light through fog.

Styl traktuję jak gatunek materiału, a nie przymiotnik: documentary, commercial product shot, music video, 35mm film grain, anamorphic lens flares, 3D animation, stop motion.

Dźwięk dostaje u mnie osobne zdanie, zaczynające się od Audio:. Wymieniam tło i efekty, a gdy muzyka jest zbędna, piszę no music. Kwestie mówione wstawiam w cudzysłów i dopisuję, kto mówi i jakim tonem. Black Forest Labs zamyka jeden ze swoich promptów zdaniem Audio: night insects, a distant lion contact call resonating, the wind, no music. No on-screen text. Podoba mi się, bo jednym zdaniem odcina i muzykę, i napisy.

Co psuje klipy

• Kilka czynności naraz. "Kobieta wchodzi do kawiarni, zamawia, siada, otwiera laptopa i dzwoni" to materiał na pięć ujęć. Model pominie połowę albo wszystko pomiesza. Na jedno ujęcie daj jedną czynność.
• Kamera, która ma stać i krążyć. static shot razem z orbit around her, albo extreme close-up obok wide establishing shot. Model wybierze jedno na chybił trafił albo zrobi coś pomiędzy.
• Trzy ruchy w pięć sekund. dolly in, pan left, then crane up kończy się rozedrganym obrazem. Jeden ruch na ujęcie.
• Same zachwyty. Słowa w rodzaju "epicki" czy "zachwycający" nie niosą informacji o ujęciu. Zamiast tego opisz plan, światło i gatunek.
• Tekst w kadrze. Litery generowane w ruchu lubią się rozjeżdżać, więc tekst kładę na klip w edytorze.
• Opis zdjęcia zamiast ruchu. W trybie image-to-video model widzi już pierwszą klatkę, więc prompt ma mówić, co się rusza. Rozpisałem to przy okazji filmu AI ze zdjęcia.
• Ściana tekstu. Każdy model ma inny limit (tabela niżej), a ByteDance radzi przy Seedance 2.0 trzymać się około 500 znaków, choć model przyjmie znacznie więcej.

Limity i nawyki poszczególnych modeli

Osobne pole negative_prompt na rzeczy do uniknięcia mają w Kadrarisie PixVerse V6 i Wan 2.7 Video. W innych modelach wykluczenia dopisuję do promptu, np. no music albo no on-screen text. Pole seed, dzięki któremu powtórzysz wynik z drobną zmianą opisu, mają między innymi Seedance 2.5, Wan 3.0 i PixVerse V6.

Stawki tych modeli rozpisałem w poradnikach o cenach Kling 3.0, Veo 3.1 i Gemini Omni. Jeśli nie wiesz, który model do jakiego ujęcia, zajrzyj do rankingu generatorów wideo AI.

Osiem promptów do skopiowania

Każdy z nich to jedno ujęcie na 5-8 sekund. Próbuj w niskiej rozdzielczości i dopiero sprawdzoną wersję renderuj wyżej.

1. Kubek na obrotowym ujęciu (reklama, 9:16)

Close-up of a matte black ceramic coffee cup on a travertine table.
Slow orbit around the cup, 180 degrees. Soft window light from the left,
steam rising from the coffee. Commercial product shot, shallow depth of field.
Audio: quiet café ambience, a spoon clinks once, no music.

2. Tatry z drona (intro, 16:9)

Aerial drone shot flying slowly forward over a misty pine forest in the
Tatra mountains at sunrise. Gentle crane up at the end revealing the peaks.
Golden hour backlight, volumetric light through fog. Cinematic, 4K detail.
Audio: wind, distant birds, no music.

3. Pierogi z góry (rolka kulinarna, 9:16)

Top-down close-up of hot pierogi being placed on a white plate, melted
butter and fried onions poured over them. Static shot. Warm kitchen light.
Food commercial style, steam visible.
Audio: sizzling butter, a plate set on wood, no music.

4. Twarz przy deszczowym oknie

Medium close-up of a young woman sitting by a rainy window at night,
she slowly turns her head toward the camera and smiles faintly.
Slow push in. Neon rim light from the street, soft fill light.
Moody drama, 35mm film grain.
Audio: rain on the glass, muffled city traffic, no dialogue.

5. Mocne otwarcie rolki

Extreme close-up of an eye opening suddenly, the pupil contracts.
Fast pull back to a medium shot of a man in a dark room lit by a phone screen.
Handheld. Cold blue light. Thriller style.
Audio: a sharp inhale, a low synth hit, no music after.

6. Rozmowa na ławce (Kling 3.0, dźwięk włączony)

Static medium shot of two friends sitting on a bench in an autumn park.
The woman says in a warm, amused voice: "You said that last year too."
The man laughs and answers calmly: "And I was right last year too."
Golden afternoon light, falling leaves. Natural, documentary feel.
Audio: rustling leaves, distant children playing.

7. Rowerzysta na mokrym bruku

Low-angle tracking shot of a cyclist racing down a wet cobblestone street
in the old town at dusk. Handheld camera shake. Street lamps reflecting
on the stones. Sports commercial, high contrast.
Audio: tires on wet stones, heavy breathing, no music.

8. Poranek baristki rozpisany na sekundy (do 30 s, Seedance 2.5 lub Wan 3.0)

One continuous shot, 20 seconds. A barista in a small café at opening time.
0-6 s: wide shot, she unlocks the door and turns on the lights.
6-14 s: the camera follows her behind the counter, she grinds coffee beans.
14-20 s: slow push in on her hands pouring latte art, a heart forms.
Warm morning light, documentary style.
Audio: keys, light switch click, grinder, milk steaming, no music.

Znaczniki czasu w ósmym prompcie traktuj jako drogowskaz. Model rozłoży akcję mniej więcej w tych odcinkach, ale nie licz na precyzję co do sekundy.

Ten sam układ sprawdza się w gatunkach, gdzie nastrój waży więcej niż akcja. Ujęcia z mgłą, ciszą i napięciem zebrałem w tekście z promptami do horroru AI.

Pytania

Ile ujęć mogę opisać w jednym prompcie?

Bezpiecznie jedno. Wyjątkiem jest Kling 3.0 w trybie kilku ujęć i długie klipy 20-30 s w Seedance 2.5 albo Wan 3.0, gdzie rozpisujesz akcję na odcinki czasu. W pozostałych przypadkach kolejne plany lepiej generować osobno i skleić w montażu.

Dlaczego kamera robi coś innego, niż wpisałem?

Najczęściej prompt zawiera dwa sprzeczne polecenia albo kilka ruchów naraz. Zostaw jeden ruch z tempem, np. slow push in, a jeśli kamera ma stać, napisz static shot lub locked-off camera, tripod i nie dodawaj nic więcej o kamerze.

Jak wyłączyć muzykę w klipie z dźwiękiem?

Dopisz w zdaniu Audio: frazę no music. W PixVerse V6 i Wan 2.7 Video możesz dodatkowo użyć pola negative_prompt.

Czy model czatu ułoży mi prompt do wideo?

Jak najbardziej. Wrzuć mu swój pomysł w kilku zdaniach i każ rozpisać go na siedem elementów z tabeli na górze. Modele czatu w Kadrarisie korzystają z tego samego salda co wideo. Jeśli zaczynasz od obrazu, który potem ożywisz, przyda się mój poradnik o promptach do grafik.