Wan 2.2 提示词公式：我跑了 2000 多条，好的都长一个样

你有没有过这种经历——

对着 Wan 2.2 敲了一堆字，等了一分钟出来一看：脸变了，动作像抽帧，镜头角度跟你写的完全两码事。

我一开始天天遇到。后来花了三个月，跑了超过两千条提示词，图生视频、文生视频、Remix 全跑过。每条都记了四样东西：脸有没有崩、动作自不自然、镜头有没有对上、氛围到不到位。

跑着跑着发现一个事：能稳定出片的提示词，结构全一样；翻车的，错的也就那几种。

这篇文章就是教你这个结构。不是玄学，是验证过的公式。

为什么 Wan 2.2 认这个顺序

Wan 2.2 是拿视频数据练出来的。视频的描述有规律——先说画面里有谁，再说在干什么、怎么拍、什么环境。模型训练的时候，它把最多的"注意力"分给了提示词前面的词。

把提示词想象成一个漏斗：前面几个词设了最硬的规矩——人长什么样——后面每一层再补越来越细的上下文。

这就是为什么你在结尾猛加一堆修饰词经常没反应。模型的注意力在前面就花光了。一个细节一直被忽略？把它往前挪，别往后塞。

四层结构，按顺序来

顺序不能换。 把场景写前面，模型会先给你一张漂亮背景，然后随便安一个面目模糊的人——因为它的算力花在了不该花的地方。

---

第一层：主体，给模型一个跑不掉的特征

别以为给了参考图就万事大吉了。参考图只管第一帧，后面模型会自己"脑补"，补着补着就漂了。主体层的任务就是告诉它：这些特征给我死死守住。

有锚点的写法：

• "下颌线很利落的女生，深色眼睛，左边耳朵戴银色水滴坠"——三个锚
• "橘色虎斑，胸口一撮白毛，左耳缺了一小块"——区分度高，缺了反而好记
• "深蓝西装男，领带松到第三颗扣子，坐得很直但脸上很疲惫"——衣服加状态

没锚点的——写了等于没写：

• "一个女人"——模型只能盲猜
• "有人在走路"——每帧都在重画一个新的人
• "房间里的人"——背景定了人没定

经验：主体至少给两个区分性特征。 疤、眼镜、发型、耳饰、痣都行。模型在帧和帧之间会拿这些特征当参照物——有参照，脸就不漂。

---

主体稳住了。接下去它得动起来。这层是翻车最多的。

第二层：动作，七成的翻车出在这

我自己跑下来的经验：出不了片的提示词，十条有七条是动作层没写好。

"跳舞""跑步""打架"——大家就写三个字。Wan 2.2 不是你肚子里的蛔虫，它不知道你想让这人怎么动。你把动作拆成三样：多快、往哪动、哪块身体在动。

模型听得懂的词

一条能用的长这样

这段为什么灵：

• 速度有了： "放松的步速"——不是快也不是慢，是"放松"
• 方向有了： "走向镜头"
• 部位具体： "左手""从耳后撩过"——不是笼统的"拨弄头发"
• 动作给了链条： 走 → 撩发 → 停下 → 歪头 → 看别处。模型每一步都知道"下一帧该往哪去"

最常犯的三种

---

人知道怎么动了。但观众怎么看这个画面？全靠第三层。

第三层：镜头，最简单也最容易被忽视

Wan 2.2 对镜头指令的响应超过很多人想象。好的镜头描述能救一条中等的动作描述。 因为模型在训练数据里见过太多镜头语言，你给它一个术语它就知道什么意思。

镜头词速查

组合一下

十四个字，告诉模型四件事：框到胸口 → 背景虚掉 → 慢慢靠过去 → 加点晃动免得像 CG。

别这样写

"航拍拉远然后切大特写"——模型直接懵了。一个镜头就一个机位、一种运动。别在一个句子里切来切去。

常见翻了：

• "广角"+"特写"（广角本身就是宽的）
• "动态摇晃"+"固定机位"（你动还是不动）
• "从上往下快速扫过"+"保持主体在画面中心"（矛盾指令）

---

镜头有了，就看最后一个问题：这一切发生在哪。

第四层：场景和光，定了整个片子的气质

很多人写到最后才随便加一句场景。不写的话，模型默认给你一个"均匀白光室内"——最平庸的那种。

实测好用的光

背景也能动

Wan 2.2 不止能让人动：

• "风穿过树冠，叶子簌簌在落"——比"秋天的公园"好十倍
• "雨一直下，雨滴在路灯下清晰可见"——前景有东西，不空
• "背景里人群在慢慢流动，焦点始终在主体脸上"——有生活感

光和动作的情绪得对得上

动作"慢慢地、轻轻地"，光写"刺眼频闪"——打架。动作"猛地站起来"，光写"柔和散射"——泄气。

简单匹配： 快动作配硬光、高对比；慢动作配软光、暖调。

---

结构搞清楚了。但真正有用的是：跑出来的片子不行，你能不能一眼看出是哪层出的问题。

快速诊断：对号找问题

---

三十秒筛一遍，别每次都干等

这是我三板斧后的工作习惯：写复杂提示词之前，先来个极简版测试。

1. 只写主体 + 动作，控制在十五个字以内
2. 最低分辨率跑一段 5 秒
3. 只检查两样：脸稳不稳？动作自不自然？

这两样不过，加镜头和场景也救不回来。脸漂和动作僵是地基问题，后面几层补不了。

过了，再往上加镜头和场景跑完整版。

这个习惯帮我省了大概六成的调参时间。每次验证只要二三十秒，不用等完整版的一分多钟。改五轮提示词就省了五分钟。

---

下面两组完整案例，差→还行→好，都列出来。

完整对比：人像镜头

差： "一个女生在笑"

→ 模型给你一张塑料笑脸，不动，没层次。

还行： "银色短发女生，戴圆框玳瑁眼镜，看书时抬起头轻轻笑了一下，固定特写，窗外午后阳光从左边打过来，柔和的阴影在脸上"

→ 脸有锚点（短发、眼镜）、动作有节奏（抬→笑）、光有来源。

好的： "银色短发女生，戴圆框玳瑁眼镜，左眉上一道浅浅旧疤——正从旧平装书里缓缓抬头，笑意从嘴角慢慢漫开，目光对上镜头后停住，浅景深固定特写，午后暖光透过纱帘洒进来，光柱里有细小的灰尘在浮动，背景是柔和的虚化光斑"

→ 疤和眼镜是两个不能丢的锚。"笑意慢慢漫开"是节奏化的，不是一次性动作。灰尘浮动给光线加了质感。背景虚化光斑告诉模型浅景深要出什么效果。

完整对比：动作镜头

差： "城市里有人在跑"

→ 步态诡异，背景糊成一片。

还行： "穿深色连帽衫的男人，在窄巷里快步走，背后跟拍，湿路面反射橙色路灯的光，下着小雨"

→ 速度给了、机位给了、氛围有了。

好的： "深色连帽衫的男人，帽子拉起来遮了半张脸，在砖墙窄巷里快步走——冷空气里能看见他呼出的白色雾气，齐腰高背后跟拍，镜头轻微上下晃像有人在后面追着拍，湿鹅卵石路面反射橙色钠灯的光，细雨在光束里拉成亮丝，他经过的井盖上冒着白色蒸汽"

→ 关键是这些：可见的呼吸给了温度信息。镜头晃动给了"被追拍"的感觉。齐腰高度不像摆拍。井盖蒸汽告诉你这是有温度的真实街道，不是背景板。

---

写对了、验证过了。但跑多了总会遇到几个死磕的问题。

四个顽固问题的解法

人脸跑到中途变了

什么现象： 前两秒好好的，第三秒开始脸型变了、五官位置跑了。

原因： 主体锚不够。模型在帧和帧之间没有足够信息"绑住"这个人。

怎么改： 加两个锚点。疤、眼镜、耳饰、发色、痣。而且所有需要连在一起的片段，主体描述一个字都不能改——改一个字模型就可能重新理解这个角色。

动作动一半停了

什么现象： 开头在动，中间卡了，或者一直在循环同一个动作。

原因： 只给了一个动词。"走路"只告诉模型"要动"，没告诉"动到哪、之后干啥"。

怎么改： 给 2-3 步。"走向镜头 → 停住 → 歪头看向右边"。每一步都给模型一个"下一帧要达到的目标"。

镜头跟你写的不一样

什么现象： 写了"固定"，结果画面在推；写了"特写"，出来是全景。

原因： Wan 2.2 在没镜头指令的时候会默认轻微推近。而且如果你塞了互相矛盾的词，它不知道你要干嘛就瞎选。

怎么改： 每条提示词里必须写镜头，哪怕就"固定镜头"三个字。做运动就只做一种，别混。

像动画不像实拍

什么现象： 画面太干净、太"光滑"，一看就是 AI 做的。

原因： 缺质感。真实画面有噪点、有瑕疵、有皮肤纹理。

怎么改： 在场景层加这些短词：皮肤纹理、胶片颗粒、轻微噪点、呼吸水汽、布料褶皱。不需要全加，加一两个就有用。

---

要说的差不多都在上面了。帮你省点时间，最后再列几条反复验证过的经验。

• 提示词越短，越要把主体写死；越长，越要注意别在镜头层塞矛盾词。
• 别在提示词最后猛追加修饰——前面没提的东西，后面追也没用。把重要的往前搬。
• 同一个角色、需要多段衔接，主体描述一个字别动。copy paste 过去。
• 你习惯先写场景再写人的话——改过来。先把人说清楚。
• NSFW 用 Remix 版本，别用基础模型。基础模型要么糊要么不生成。
• LightX2V 4 步 LoRA 能在几乎不丢画质的前提下把速度提一倍。显存不够的，这是救命的。

---

给 Wan 2.2 写提示词不是碰运气。好的 prompt，结构是一样的。

把这个公式记住：主体 → 动作 → 镜头 → 场景。 先写一遍，跑一次，哪不行从镜头层开始改。不要每次整段重写。

在 wan27.org 上传一张参考图，把提示词贴上去，两分钟出片。按这个结构来，第一轮就能看到不一样。