Luma AI视频提示词教程：5大实战场景应用技巧

定义主体动线，规避抽象场景描述

第一步：在提示词开头直接写清人物在空间内的完整动作序列。例如“清晨7:30，穿亚麻衬衫的女人赤脚从卧室走向开放式厨房，左手拎竹编菜篮，篮中三颗带着泥土的土豆相互碰撞，她弯腰开冰箱取牛奶，门缝透出冷光，一滴冷凝水沿门框滑落，在浅色橡木地板上留下湿润的反光印迹”。这比“温馨民宿厨房”有效十倍——Luma会据此推演门轴旋转角度、衣摆摆动幅度、地板反光的面积。遗漏“赤脚”“带泥土豆”“冷凝水”这些元素，AI就会默认生成悬浮式运镜和塑料质感的地面。

第二步：所有动作必须符合物理约束。写“她单手拎起整袋5kg大米穿过走廊”，Luma可能因违反重力逻辑而扭曲手臂比例或让袋子漂浮；改成“右肩挎帆布包，左手提半袋新米（约2.3kg），米粒从袋口缝隙漏出两粒，落在走廊旧地毯绒毛间”，模型才能正确计算承重反馈与颗粒散落轨迹。

植入物理触点并编码为镜头语言

方法一：提取该动线中3个以上物理触点，并转化为可验证的镜头操作。以“地铁通勤”为例：
① 手指按在不锈钢扶手上留下的指纹印痕 → 中景跟拍，人物左手扶杆，指尖随车身晃动产生明暗交替反光；
② 背包肩带压在棉T恤领口形成的褶皱 → 特写镜头掠过左肩，褶皱随呼吸产生微小起伏；
③ 耳机线从衣领缝隙垂落，在风中轻微晃动 → 低角度仰拍，耳机线末端在画面右下角持续做不规则小幅摆动。

方法二：使用环境变量增强可信度。加入时间衰减痕迹：“午后三点，发梢微显蓬松，耳后细小绒毛被汗黏住”——AI会据此降低发丝锐度、增强局部漫反射。绑定空间约束条件：“蹲在共享单车旁系鞋带，膝盖处牛仔布自然堆叠，左膝抵住车踏板金属边缘留下轻微凹痕”——空间约束会强制AI计算人体与环境的物理接触点，避免悬浮站姿。插入非完美干扰项：“背景虚化但保留隔壁摊位飘来的糖炒栗子热气，热气扭曲后方玻璃门倒影”——这触发NeRF对动态扰动进行建模，提升真实感权重。

迁移节气/品牌/训练提示词中的硬核元素

打开你收藏的芒种海报提示词文档，划出三类可直接移植的成分：
① 不可替换的具象主体：“金黄饱满的稻穗”必须保留形态与动作逻辑；
② 包含物理反馈的动态短语：“麦穗随风缓摆”比“风吹麦子”多出可解码的节奏参数；
③ 可计算的色彩光影组合：“青黄搭配+自然柔光”是色值区间与光源方向指令，不是风格标签。

将静态描写“前景是金黄饱满的稻穗”改为“稻穗在南风中连续三次缓摆，穗尖划出轻微弧线，叶缘反光随角度变化闪烁”，增加动作频次与光学响应细节。在原提示词末尾追加运镜指令，例如“云朵组成‘芒种’二字→镜头从云层底部仰角上摇→字迹边缘开始溶解为飞絮→飞絮飘向前景麦田”，把平面构图转为有起承转合的时间切片。

所有器械描述必须基于真实型号。写“某品牌椭圆机”无效，要写“Precor EFX 5.33椭圆机，蓝色扶手带汗渍氧化斑”——Luma知识库已收录主流器械的结构图谱与老化规律。

构建模块化提示词模板

用方括号标注所有可变字段，形成基础骨架：
【训练者】+【动作】+【器械/环境】+【镜头视角与运镜】+【光照与时间】+【动作阶段特写】

每个字段之间用英文逗号分隔，不加连接词。Luma AI对中文标点敏感，句号或顿号会干扰解析。

填充字段的实操规则：
训练者字段只保留两项——性别和体型特征；
动作字段必须使用动宾短语，且动词采用现在分词形式：“正缓慢站起”才能锁定发力阶段；
镜头视角字段必须包含空间关系词：“低角度从杠铃杆正下方仰拍”才生效，AI需要明确的物理参照系来计算透视变形。

注意：所有字段值必须来自Luma官方支持的实体词库，例如“史密斯架”有效，“龙门架”会降权；“顶光”有效，“聚光灯”无效。