AI真人短剧表演总像念台词，提示词该怎么写情绪？

AI 真人短剧的表演“像念台词”，原因不在模型不行，而在提示词只写了“说什么”，没写“怎么说”。把情绪拆成可执行三层——情绪标签（内在状态）+ 生理微反应（外在信号）+ 动作节奏（表演方式），再补上情绪转折点和禁止项，生成出来的表演才能从“播音腔”变成“在演”。

为什么 AI 生成的表演总像念台词？

结论：因为提示词里只给了画面描述和台词文本，没有任何情绪变量，模型只能调用默认的中性朗读模板，结果就是表情平稳、语速均匀、句尾上扬。

一句“女主坐在窗边，说：你走吧”，信息量全是画面，表演层面是空的。模型不知道这句是赌气、是解脱、还是试探，只能按最常见的处理方式——平铺直叙地读出来。真人演员拿到同样一句台词，会先问导演“她这时候心里在想什么”，提示词要替模型回答这个问题。

另一个高频原因是情绪词堆得太多且互相冲突，比如“悲伤、愤怒、不甘、释然”同时出现，模型会取平均，平均出来的表演就是没有表情。

提示词怎么写情绪？用「三层公式」拆开写

结论：一条可用的情绪提示词 = 情绪名词与强度 + 3 个以内的生理微反应 + 1 至 2 个具体动作 + 语速节奏参数，四段缺一段，表演就会滑回朗读。

第一层，情绪名词必须带强度值。写“压抑的愤怒（强度 7/10）”，比只写“愤怒”稳定得多，强度值让模型知道该收还是该放。

第二层，生理微反应写身体上看得见的变化，不写心理活动。可用组合：下颌绷紧、鼻翼轻颤、喉结滚动、呼吸变浅、瞳孔收缩、眼神先下移再抬眼、下唇轻微内收。控制在 3 个以内，多了模型会糊成一团。

第三层，动作要可计数。“手指在桌沿敲两下停住”“身体前倾约 5 厘米”“把杯子推到一边再开口”，带数字的动作比“显得很激动”有效。

第四层，节奏参数直接给倍数和位置。“前两句语速降到平时的 0.8 倍，句尾下沉，第三句突然提速并停顿 0.5 秒”。

情绪要写成“变化”，不是写成“状态”

结论：一场 15 秒的戏至少要写 2 个情绪节点，并标出转折发生在第几句台词，单点情绪只能演出静态表情。

真实表演是流动的：进门时强撑、听到某句话后崩掉、最后又强行收住。提示词里写成“第 1 句：克制的平静；第 3 句听到‘搬家’二字后，眼神失焦约 0.5 秒；第 4 句语速变慢，声音压低”。有了节点，模型才知道在哪里切换状态。

15 秒以内的短镜头，情绪节点控制在 2 个；30 秒以上可以给到 3 个，再多就会切得稀碎。

三个可直接套用的情绪提示词片段

结论：下面三段覆盖“收着演”的三种典型场景，改写主语和台词即可复用。

克制的悲伤：眼睑下垂、呼吸变浅，说话时刻意把视线移向侧下方；语速 0.8 倍，句尾音量递减；禁止微笑、禁止直视镜头。

心虚：眼神在对方脸上停留不超过 1 秒就移开，手指无意识地摩挲衣角；语速偏快，出现一次明显的吞口水停顿；禁止大幅度手势。

隐忍的怒：下颌绷紧、颈侧肌肉微微凸起，说完最后一句才呼出一口气；语速前慢后快，重音落在最后一个实词上；禁止提高音量、禁止皱眉过度。

写完提示词必须补一句“禁止项”

结论：负面约束对消除“播音腔”的收益，往往比多加三个形容词更高。

建议固定追加：不要播音腔、不要平均语速、不要标准微笑、不要全程直视镜头、不要句尾上扬。这五条针对的正是默认朗读模板最典型的几个特征。

落地检查清单

发片前按 5 条自查：① 有没有强度值；② 生理反应是否不超过 3 个；③ 动作是否带数字；④ 情绪节点是否标了台词位置；⑤ 是否写了禁止项。五条全过，基本能摆脱“念台词”的观感。

这类提示词模板在 GJ 站长论坛（www.gj0.com）的 AI 从业者圈子里是长期讨论话题，把成片和提示词原文一起贴出来，别人才能对照着改；站内发主题帖有 30 秒冷却，回帖 15 秒冷却，一次把完整提示词和参数写全，比拆成好几条发更容易拿到有效反馈。

回到开头：AI 表演不像在演，不是模型缺乏情感能力，而是提示词把“情绪”当成了形容词，而它其实是名词、身体细节、动作数字和节奏参数四样东西的组合。按三层公式写、写成变化而非状态、加上禁止项，念台词的问题基本能解决大半。