PixVerse 上的 Gemini Omni Flash：分步提示詞工作流

Gemini Omni Flash 是 PixVerse 上可選的影片模型之一，在點選生成之前做一些規劃會帶來明顯更好的效果。本教程將帶你走完一套可重複使用的工作流：選擇輸入型別、鎖定時長與畫幅比例、構建結構化提示詞，並像稽核製作素材一樣檢查輸出，而不是單純依賴運氣。

無論是文字轉影片、圖片轉影片，還是多圖參考生成，你都可以套用同一套流程，然後將結果與 PixVerse 工作臺中的其他模型進行對比，包括 PixVerse V6 和 PixVerse C1，再決定最終使用哪條素材。

開始之前：本教程涵蓋的範圍

PixVerse 目前接入的 Gemini Omni Flash 是一套生成工作流，而不是 Google 在其 API 文件中描述的完整對話式編輯能力。提前瞭解這些邊界，能避免你規劃出模型在 PixVerse 上暫時無法實現的分鏡。

能力	PixVerse 目前是否支援	規劃提示
文字轉影片	支援	適合原創概念和快速創意測試。
圖片轉影片	支援	適合將靜態圖（產品圖、海報、草圖）轉化為動態影片。
參考圖片轉影片	支援，最多 5 張	在提示詞中依次引用為 `@image1` 到 `@image5`。
影片時長	3-10 秒	選擇能清晰表達創意的最短時長。
輸出規格	720p，16:9 或 9:16	生成前先根據目標渠道匹配畫幅比例。
音訊	由提示詞驅動，與畫面同步	通過文字提示指定環境音、音效或靜音。
自然語言編輯、延展、轉場、影片/語音參考	PixVerse 暫未支援	當這些能力是首要需求時，請使用 PixVerse 的其他模型。

第一步：選擇 Gemini Omni Flash 作為模型

在 PixVerse 生成介面中開啟模型選擇器，如果你的帳號可用，選擇 Gemini Omni Flash。由於 PixVerse 同時提供多個模型，你可以用同一份創意需求先跑一遍 Gemini Omni Flash，再切換到其他模型，看看哪一個更貼合你的具體鏡頭需求。

如果暫時看不到 Gemini Omni Flash，請檢查你的帳號等級和應用內的上線提示——模型可用性和積分消耗可能會調整，因此應以模型選擇器中的即時狀態為準，而非本文的描述。

第二步：確定起始素材型別

你的提示詞策略完全取決於你輸入的素材型別：

文字轉影片——適合沒有現成素材的場景：全新概念、社群媒體短片、快速廣告草稿、講解類畫面。
圖片轉影片——適合已經有一張靜態圖作為場景錨點的情況：產品圖、主視覺、海報、包裝圖。
參考圖片轉影片——適合需要多張圖共同引導結果的場景。最多可上傳 5 張 JPEG/PNG 圖片，並在提示詞中逐一標註（@image1、@image2 等），明確說明每張圖控制的內容——主體、配色、光線、姿態。

第三步：先鎖定時長和畫幅比例

在寫提示詞之前先確定這兩項設定，因為它們決定了提示詞需要承載多少敘事內容。

時長：單個產品動作用 5-6 秒足夠；若要展現起承轉合（人物出場、講解類內容），建議使用 8-10 秒。
畫幅比例：9:16 適用於 TikTok、Reels 和 Shorts；16:9 適用於 YouTube、落地頁和簡報。為不同比例分別單獨生成任務,而不是把一條主素材裁剪成多種比例使用。

第四步：把提示詞寫成一份迷你製作簡報

只描述氛圍（比如“做得高階一點”）給模型的資訊遠不如具體描述場景來得有效。按以下順序逐項填寫：

主體——畫面中錨定的人物、產品或物體。
動作——整個片段中實際發生的變化。
鏡頭——特寫、遠景、推近、環繞、手持、俯拍、固定機位。
光線與氛圍——日光、霓虹、柔和影棚光、戲劇化、輕鬆愉快。
環境——地點、道具、天氣、材質、質感。
音訊——環境音、音效、音樂氛圍，或明確說明“無對白”。
時間軸——超過 6-7 秒的片段，需要說明每個時間段發生的內容。
約束條件——需要避免的內容：Logo、多餘文字、場景切換、名人肖像。

可以套用以下範本填空：

製作一段 [時長] [畫幅比例] 的影片。主體是 [具體主體]。動作是 [具體動作]。鏡頭 [運鏡方式與取景]。環境是 [地點、光線、材質、道具]。音訊：[環境音、音效、音樂氛圍，或靜音]。約束條件：[需要保留的內容、需要避免的內容]。

需要單鏡頭時，務必明確說明

如果不加約束，Gemini Omni Flash 可能會在一個片段中切換多個小鏡頭。對於產品鏡頭、時尚動態,或任何切鏡會破壞連貫性的場景,請在提示詞中直接加入“single continuous shot”（單一連續鏡頭）、“no scene cuts”（不切鏡）或“one unbroken take”（一鏡到底）。

每次都要在提示詞中寫明音訊方向

由於音訊是與畫面同步生成的，不要把它交給運氣。描述你想要的環境音或音效（輕微點選聲、房間環境音、人群氛圍），如果片段需要保持無聲，就寫明“無對白”。避免要求特定歌曲、藝人或已知的嗓音風格——改為描述你想要的氛圍。

為多節奏片段新增時間碼

對於包含多個敘事節奏的 8-10 秒片段，加入時間碼指令有助於讓模型貼合你設定的結構：

[0-2 秒] 產品在桌面上定場。 [2-5 秒] 鏡頭推近，光線灑在表面。 [5-8 秒] 產品輕微旋轉，最終定格在乾淨的收尾畫面。

保持在兩到三個節奏點以內——在 10 秒的視窗內塞入過多內容,容易讓模型模糊掉最重要的動作。

說明每張參考圖分別承擔什麼作用

如果使用多張參考圖，含糊不清是最大的問題。請明確說明每一張的作用：

使用 @image1 作為精確的產品參考——保留瓶身形狀、瓶蓋顏色和標籤位置。使用 @image2 僅作為光線和背景氛圍參考。不要沿用 @image2 中的任何 Logo 或人物。

第五步：生成後，以製作人的視角而非粉絲的視角稽核

片段生成後，請對照它需要完成的任務來評判，而不是隻看第一眼的觀感。檢查以下幾點：

主體/產品在全程中是否保持視覺一致？
畫面中的文字是否清晰可讀，還是變形？
音訊是否真正與畫面動作匹配？
最後一幀是否適合作為封面圖或剪輯點使用？

如果用於商業用途，還需要審查版權風險——避免涉及真實人物肖像、品牌 Logo，或可辨識的歌曲、嗓音。想深入瞭解 Gemini Omni Flash 在安全性和水印方面的處理方式，可參考我們的Gemini Omni Flash 綜述。

五個可直接套用的提示詞範例

以下範例可作為起點範本，替換成你自己的產品、主體和約束條件。

範例一：產品圖轉豎版廣告

設定： 9:16，6-8 秒，圖片轉影片或單張產品參考圖。

製作一段 8 秒的 9:16 產品影片，使用 @image1 作為精確的產品參考。保留產品形狀、瓶蓋、顏色、標籤位置和輪廓。產品置於日出時分潮溼的深色石面上。[0-2 秒] 微距特寫表面的水珠。[2-5 秒] 鏡頭緩慢拉遠，暖色光線映照邊緣。[5-8 秒] 產品輕微旋轉並居中定格。音訊：輕柔水珠聲、微弱環境音，無對白。約束條件：無多餘 Logo，無多餘文字，不切鏡。

範例二：科普講解短片

設定： 16:9 或 9:16，8-10 秒，文字轉影片。

製作一段 10 秒的 16:9 講解短片，講述太陽能板如何將陽光轉化為電力，採用深色桌面上的紙藝風格。[0-3 秒] 一個紙質太陽發出溫暖黃色光線射向藍色面板。[3-6 秒] 發光的小點沿繪製的電路移動。[6-10 秒] 一座紙屋輕輕亮起。鏡頭：固定俯拍機位，配合輕微的定格動畫式運動。文字：僅出現“sunlight”、“panel”、“electricity”，拼寫準確。音訊：輕柔的紙張移動聲、一聲輕微鈴聲，無旁白。約束條件：無多餘文字，無人手出現，無 Logo。

範例三：基於參考圖的角色出場

設定： 16:9，8-10 秒，最多三張參考圖。

製作一段 9 秒的 16:9 原創角色出場短片。使用 @image1 作為身份參考——保留臉型、髮型、夾克顏色和整體輪廓。使用 @image2 僅作為光線和城市背景氛圍參考。角色站在黃昏時分的屋頂上，轉向鏡頭，舉起一個發光的小裝置。鏡頭：緩慢中景推近，單一連續鏡頭。光線：藍色黃昏天空，暖色輪廓光。音訊：遠處城市環境音，裝置發出的柔和電子嗡鳴聲。約束條件：僅限原創角色，不涉及任何特許經營內容，無 Logo，無對白。

範例四：應用宣傳迴圈影片

設定： 16:9，6-8 秒，文字轉影片。

製作一段 7 秒的 16:9 AI 規劃應用宣傳迴圈影片。一個半透明的浮動時間線介面懸浮在整潔的桌面上方，抽象卡片和線條排列組合成一份平靜的周計劃。鏡頭：緩慢從左到右滑動，淺景深，單一連續鏡頭。光線：自然晨光，柔和陰影，青色與暖黃色點綴。音訊：輕微的介面點選聲，柔和的環境音調。文字：不出現可讀的應用名稱或任務文字。結尾畫面應與開頭畫面呼應，使片段能夠順暢迴圈播放。

範例五：時尚造型冊動態

設定： 9:16，8-10 秒，參考圖片轉影片。

製作一段 10 秒的 9:16 時尚造型冊短片。使用 @image1 作為服裝參考——保留大衣長度、面料質感、配色和鞋款風格。使用 @image2 僅作為影棚光線參考。一位虛構模特走過混凝土影棚，停頓，一側肩膀轉向鏡頭，大衣隨步伐自然擺動。鏡頭：垂直全身取景，平滑推軌運鏡，不切鏡。光線：左側大型柔光箱。音訊：安靜的影棚環境音，輕柔腳步聲，無對白。約束條件：虛構模特，不涉及名人肖像，無品牌 Logo。

常見問題

我一定要用 Gemini Omni Flash 嗎，還是可以用 PixVerse 的其他模型？

Gemini Omni Flash 只是 PixVerse 提供的眾多選項之一。它非常適合以提示詞驅動的場景，具備同步音訊和多圖參考控制能力；如果你更需要延展、轉場或更長篇幅的編輯功能,在這些能力接入 Gemini Omni Flash 之前，PixVerse 的其他模型可能更合適。

我可以上傳多少張參考圖？

每次生成最多可上傳 5 張 JPEG 或 PNG 圖片，並在提示詞中分別引用為 @image1 到 @image5。

輸出的解析度和時長是多少？

目前 PixVerse 接入的版本輸出 720p 影片，時長 3-10 秒，畫幅比例為 16:9 或 9:16。

能獲得精確的畫面文字嗎？

在提示詞中保持螢幕文字簡短明確（準確用詞，加引號），並預留時間仔細檢查——精確的字型排版目前仍是效果可能有所波動的環節。

目前支援影片延展或轉場嗎？

PixVerse 當前的 Gemini Omni Flash 工作流暫不支援。當延展、轉場或影片/語音參考是首要需求時，請使用 PixVerse 的其他模型。