提示词 = 主体 + 场景 + 运动
主体：主体是视频内容的主要表现对象，可以是人、动物、植物、物品或非物理真实存在的想象物体。
场景：场景是主体所处的环境，包含背景、前景，可以是物理存在的真实空间或想象出来的虚构场景。
运动：运动包含主体的具体运动和非主体的运动状态，可以是静止、小幅度运动、大幅度运动、局部运动或整体动势。
参考指代：当为中文提示词时，参考图片时通过“图1、图2”这类标识指代，参考视频时通过“视频1、视频2”这类标识指代。英文提示词则写为“Image 1”、“Video 1”这类标识。英文字母和数字之间有空格，首字母大写。顺序与 media 数组顺序一致。图和视频分别计数，即同时存在图1、视频1等标识。若参考素材有且仅有一张图片或一个视频，则可简化表述为“参考图片”或“参考视频”。
画面描述：假设参考图1是一只猫，图2是一个房间，要描述猫在房间里玩耍，支持两种写法：一种是直接使用标识指代，如“图1在图2里玩耍”；另一种是结合主体与场景补充说明，如“图1的猫在图2的房间里玩耍”。
高符AI短视频智能体软件