如何给 HeyGen Video 1 写提示词
HeyGen Video 1 一次生成画面和声音，所以提示词要把两样都写到。先写镜头里的主体、动作和场景，再写你想一并听到的声音。声音提示越清楚，配出来的声音越贴合动作。
一个街头小吃场景，画面和声音一起写进了提示词：滋滋的煎炒声、铲子声和集市人群的嘈杂声都随镜头而来
这六个部分都写到，模型就有足够的信息可用。大多数片段只需要前四项。
| 部分 | 写什么 |
|---|---|
| 主体 | 画面里是谁或是什么，外观用平实的话描述 |
| 动作 | 片段里发生什么。片长 5 到 15 秒，写一个清晰的节拍就够 |
| 场景 | 在哪里、什么光线，让画面风格和环境音互相匹配 |
| 声音 | 想听到的声音：对白、环境音、音效，用直白的词说出来 |
| 镜头 | 景别和运镜，比如缓慢推近或固定的广角 |
| 画幅 | 比例，从 21:9 宽银幕到 9:16 竖屏 |
把声音写进提示词
多数视频提示词会漏掉这一步，而这正是 HeyGen Video 1 的价值所在。音频和画面是一起生成的，所以你要什么声音，成片的声音就只有那么好。要写具体的声音，不要写感受。需要人物开口时，把确切的原话放进引号里，并且要短到能在片段内说完。
提示词里用引号写下确切的台词：口型和房间底噪随之而来
| 你想要 | 这样写 |
|---|---|
| 一句台词 | 她看向镜头说：“Here's how it works in three steps.” |
| 房间环境音 | 安静的办公室，轻轻的键盘敲击声，人声下面有一层低低的嗡鸣 |
| 配合动作的音效 | 靴子踩在碎石上嘎吱作响，每一步都对得上 |
| 热闹的场景 | 夜市人群的嘈杂声，铁板滋滋作响，铲子刮过金属 |
| 安静的场景 | 窗外细雨，远处车流声，别无其他 |
影响成片的几项设置
四项选择决定输出效果。先用低分辨率出草稿，镜头对了再升高，因为分辨率越高越贵。
| 设置 | 怎么选 |
|---|---|
| 分辨率 | 草稿用 480p 或 768p，成片用 1080p 或 2K。分辨率越高，计费费率越高 |
| 时长 | 5 到 15 秒。更长的片段能容下完整的一句话或一个完整的节拍，但模型要保持一致的内容也更多 |
| 画幅 | 横屏用 21:9 或 16:9，竖屏用 9:16，另有方形和竖向画幅。按成片的播放位置来选，发抖音、小红书这类竖屏平台就选 9:16 |
| 参考图 | 想让片段紧跟某个特定的主体或风格，就在参考图生视频模式里给一张图 |
资料来源：HeyGen Video 1 模型列表和 HeyGen 的文档。
示例演示
下面每个片段，都是用同时写明画面和声音的提示词做出来的。打开声音，听听音频怎样跟着动作走。
来自场景本身的环境音：鸟鸣、松林间的微风和靴子踩在碎石上的声音，没有对白
音效加一句短台词：撕胶带的声音、纸板和包装纸的窸窣声，外加一句随口的小声嘀咕
使用参考图
大多数片段用文生视频就够了。想让镜头紧跟某个特定的主体或某种风格时，就在参考图生视频模式里给 HeyGen Video 1 一张图。它会围绕参考图来构建场景，并让画幅适配参考图。这样，商品、人脸或风格都能延续下来，不用每次靠文字重新描述，也不会每次都被重新发明一遍。
让场景保持一致
HeyGen Video 1 能把场景保持得很稳。但提示词塞得太满时，一次生成要兼顾的事就太多了。下面几个习惯能让结果更稳定。
| 习惯 | 原因 |
|---|---|
| 一个片段一个节拍 | 5 到 15 秒里只做一件事，比三件事抢时间要干净 |
| 台词要短 | 超出片长的台词会被截断，所以只写片长放得下的内容 |
| 先指定主导的声音 | 先写最重要的声音，再写背景，混音才不会糊成一团 |
| 画幅要匹配主体 | 横向的风景放进竖屏会被裁掉两边，所以先定好画幅 |
| 小尺寸出草稿，大尺寸定稿 | 先用低分辨率定好镜头再升高，不要用 2K 反复试 |
在 Morphic 上制作带原生音频的视频
HeyGen Video 1 不在 Morphic 上，但“一次生成画面和声音”的思路在。Morphic H3 会同时写出画面和同步的音轨。片段的重点是一句台词时，选 Veo 3.1。
- 打开 Copilot，描述场景、动作和你想听到的声音。
- 需要台词时，写下确切的原话，并指定 Veo 3.1。需要环境音和音效时，Morphic H3 会随视频一起生成音频。
- 按成片的播放位置选好画幅和分辨率，然后下载结果。
常见问题
先描述镜头（主体、动作、场景、机位），再描述你想一起听到的声音（对白、环境音、音效）。音频和画面是一起生成的，所以声音提示和画面提示同样重要。台词要短，保证能在片段内说完。
按本页的结构写：主体、动作、场景，加上想要的声音，画幅选 9:16。口播的台词写成引号里的确切原话，并说明是谁在说。5 到 15 秒的片段里，超出片长的台词会被截断，所以台词要短。HeyGen Video 1 不在 Morphic 上，但同样的写法适用于 Morphic H3 和 Veo 3.1。
定镜头和声音的时候，用 480p 或 768p 出草稿，最后再用 1080p 或 2K 渲染成片。在托管 HeyGen Video 1 的服务上，分辨率越高越贵，所以迭代时没必要为它付费。
除了文本提示词，你还可以给 HeyGen Video 1 一张图让它跟随。它会围绕这张参考图构建场景，并让画幅适配参考图，从而让特定的主体或风格在整段片子里保持一致。
HeyGen Video 1 不在 Morphic 上，但同样的做法适用于 Morphic H3，它会随视频生成原生音频；对白和口型同步则用 Veo 3.1。本指南的提示词结构对两者都适用。
不是。HeyGen Video 1 不在 Morphic 上，所以这里的片段都是在 Morphic 上做的：环境音和音效的片段用 Morphic H3，带对白的片段用 Veo 3.1。