我寫過最偷懶的 AI 音樂影片提示詞，大概就是「cinematic pop music video, stunning, epic」。結果呢？畫面確實很忙，卻完全看不出它跟我的歌有什麼關係。後來我才發現，曲風不是魔法咒語，而是一組可以拆成色彩、場景、運鏡與剪輯節奏的視覺線索。
這篇文章整理了 10 種常見曲風與 20 組可直接改寫的 MV 提示詞。你可以從流行、嘻哈、R&B、EDM、搖滾一路找到 Lo-fi、City Pop、動漫風和電影配樂；每一組都先處理一個可控鏡頭，不讓 AI 一口氣扛完整首歌。
快速回答：好用的 AI 音樂影片提示詞應該包含歌曲段落、主體、動作、場景、運鏡、光線、剪輯節奏、畫面比例，以及一個保持連貫的視覺錨點。
如果你正在找按用途分類的歌詞短片、Reels、封面動態與完整分鏡，也可以搭配閱讀 30 個 AI 音樂影片提示詞。這一篇則專心回答另一個問題：不同曲風，到底該長成什麼畫面？
同時，這篇文章示範使用的 AI 影片生成工具是 SoulVid。它能透過對話完成影片製作，也方便逐步調整畫面細節。你可以一邊閱讀這篇教學，一邊開啟 SoulVid 音樂影片製作工具，直接開始嘗試。
好用的 AI 音樂影片提示詞，先把曲風拆成鏡頭
參考目前公開的音樂影片提示詞指南，常見有效結構都不只寫曲風。MVLAND 依 Hip-Hop、Pop、EDM、R&B 與 Indie 分類提示詞；CREATUS.AI 則把提示詞拆成主體、動作、地點、時間、鏡頭、風格與色彩。MusicSeed 的例子也反覆出現場景、光線和氛圍，而不是只丟下一個 genre 名稱。
我自己最常用的公式是：
製作一段 [時長]、[畫面比例] 的 [曲風] 音樂影片片段，用於 [歌曲段落]。讓 [主體] 在 [場景] 中進行 [具體動作]。使用 [運鏡]、[光線] 和 [剪輯節奏]。讓 [動作／場景變化] 對齊 [歌詞／鼓點／Drop]。保持 [角色／物件／色彩／服裝] 一致。
這裡有三個關鍵：
- 能量決定鏡頭速度： 安靜主歌適合慢推、固定鏡頭或細節特寫；副歌與 Drop 才需要更明顯的移動和切換。
- 情緒要變成可拍的東西： 不要只寫「孤獨」，改寫成「凌晨三點，一個人坐在空餐館靠窗座位，看著雨水滑過玻璃」。
- 空間要匹配聲音尺度： 耳語般的 R&B 放在房間裡，通常比丟到山頂更合理；史詩配樂則剛好相反。
另外，我不建議把精準歌詞直接交給影片模型生成。文字很容易變形，先在構圖中留出字幕安全區，再於剪輯階段加入歌詞，通常省事得多。
10 種曲風的 MV 視覺速查表
| 曲風 | 適合的畫面語言 | 推薦運鏡 | 代表色彩 | 適合段落 |
|---|---|---|---|---|
| 流行／Dance Pop | 明亮棚景、清楚表情、舞蹈亮點 | 固定鏡頭、推近、乾淨快剪 | 紅、藍、亮黃 | 副歌、宣傳片段 |
| 嘻哈／Rap／Trap | 街道、車庫、強烈姿態、物件細節 | 低角度跟拍、手持特寫 | 黑、紅、冷綠 | Verse、Punchline |
| R&B／Soul | 夜景、反射、布料、親密距離 | 慢推、側移、微距 | 酒紅、琥珀、深藍 | 主歌、慢副歌 |
| EDM／House／Techno | 幾何空間、燈光事件、重複動作 | 環繞、俯拍、節拍切換 | 白、青、螢光紅 | Build-up、Drop |
| 搖滾／另類／Metal | 排練室、舞台特寫、粗粒感 | 手持、低角度、快速插入 | 黑、鐵灰、暖白 | 副歌、樂器段落 |
| Indie／Folk／Acoustic | 小房間、公路、自然光、生活感 | 緩慢跟拍、固定遠景 | 蜂蜜色、草綠、灰藍 | 主歌、尾奏 |
| Lo-fi／Chillhop | 單一空間、雨窗、重複小動作 | 微幅漂移、無縫循環 | 暖黃、墨綠、霧藍 | 全曲循環、純音樂 |
| City Pop／Synthwave | 夜間行車、復古街景、類比媒介 | 車窗跟拍、慢速橫移 | 桃紅、青藍、琥珀 | 前奏、副歌 |
| K-pop／J-pop／動漫 MV | 角色錨點、棚拍、舞蹈、情緒特寫 | 固定全身、快速特寫 | 高飽和多色 | 副歌、舞蹈亮點 |
| 電影配樂／Ambient／古典 | 大尺度空間、極簡主體、自然事件 | 航拍、慢環繞、長鏡頭 | 白、金、冷藍 | 漸強、高潮、尾奏 |
1. 流行音樂與 Dance Pop：第一秒就要有記憶點
Pop 的重點不是把每個顏色都倒進畫面，而是讓觀眾一眼認出主角、動作與副歌亮點。背景越乾淨，表情、服裝和舞蹈動作越能留下來。
提示詞 A：亮色棚拍副歌
適合： 明亮流行、副歌宣傳、藝人形象片段。
製作一段 8 秒直式 9:16 的流行音樂副歌片段。一位短髮年輕歌手穿亮紅外套，站在帶有大型藍色幾何布景的攝影棚中央，唱到副歌時向鏡頭走近兩步並抬手指向鏡頭。使用胸口以上的緩慢推近鏡頭，在最強鼓點切換一次全身畫面，光線明亮俐落。保持歌手臉部、紅色外套、藍色布景與髮型一致，上方中央保留字幕空間。
提示詞 B：黃昏屋頂副歌
適合： 青春流行、帶希望感的短影音。
製作一段 7 秒直式 9:16 的 Dance Pop 副歌預告。一位歌手在黃昏城市屋頂迎風跳出三個簡單的上半身動作，遠方天際線剛亮起燈光。鏡頭固定在中景，動作分別對齊三下軍鼓，最後回到開場姿勢形成循環。使用珊瑚紅、天空藍與自然膚色，保持服裝、人物位置與地平線一致。
我的調整筆記： 如果畫面像彩色汽水打翻了，先刪掉舞群、煙霧和多餘轉場，只留一位主角與一個好記的動作。
2. 嘻哈、Rap 與 Trap：讓姿態比形容詞更有力
「奢華、暗黑、街頭」都只是方向。真正讓 Rap 畫面成立的，是角色怎麼走、鏡頭站多低、哪個物件對應歌詞，以及 Punchline 落下時發生什麼事。
提示詞 A：地下車庫跟拍
適合： Trap、城市 Rap、自信主題。
製作一段 8 秒 16:9 的嘻哈音樂影片鏡頭。一位穿黑色皮外套的饒舌歌手獨自走過雨後的地下停車場，紅色尾燈反射在濕地面上。使用膝蓋高度的低角度跟拍，歌手在重拍到來時轉向鏡頭說出一句重點歌詞，鏡頭同時短暫向前推近。背景只保留一輛黑色汽車，不出現群眾。保持外套、車輛與紅色反光一致。
提示詞 B：物件 Punchline
適合： 歌詞裡有明確象徵物或反差句。
製作一段 6 秒直式 9:16 的 Rap 視覺片段。畫面先特寫一只停止走動的銀色手錶，接著切到歌手在空蕩地鐵月台直視鏡頭，最後一班列車從身後快速駛過。三個鏡頭分別對齊低音、軍鼓與 Punchline，使用冷綠日光燈和輕微手持感。保持手錶、外套與月台方向一致，畫面中不要生成文字。
我的調整筆記： 完整街區、十輛跑車和一大群人通常只會集體搶鏡。先讓一個物件把歌詞說清楚，反而更有氣勢。
3. R&B 與 Soul：慢一點，讓細節自己說話
R&B 很適合反射、布料、手部、呼吸和視線變化。比起一直切鏡頭，一次緩慢而穩定的推近，通常更貼近歌曲的親密感。
提示詞 A：雨夜車窗
適合： 慢版 R&B、分手、思念主題。
製作一段 8 秒直式 9:16 的 R&B 主歌片段。一位歌手坐在停靠路邊的車內，側臉映在布滿雨滴的車窗上，城市燈光緩慢從反射中掠過。鏡頭從肩後位置慢慢推向側臉，歌手在一句歌詞結束時低頭看向手機，但不顯示手機文字。使用深藍、酒紅與柔和琥珀色，保持臉部反射、雨滴方向與服裝一致。
提示詞 B：深夜客廳細節
適合： Soul、慢熱情歌、低調性感氛圍。
製作一段 10 秒 16:9 的 Soul 音樂影片片段。深夜客廳裡，一位角色坐在沙發邊緣，手指輕輕滑過舊唱片封套，桌上只有一盞暖色檯燈。依序拍攝手部微距、眼神特寫與房間中景，鏡頭移動緩慢，剪接跟隨人聲停頓。使用酒紅布料、奶油白牆面與深木色家具，保持空間和物件位置一致。
我的調整筆記： 與其寫「sensual」，不如告訴模型光從哪裡來、人物碰了什麼、鏡頭離他多近。
4. EDM、House 與 Techno：把 Drop 變成一個清楚事件
電子音樂不等於瘋狂閃燈。最有用的提示詞會先建立安靜、規律的 Build-up，再讓色彩、空間或動作在 Drop 那一刻發生可見改變。
提示詞 A：鏡面走廊 Drop
適合： Progressive House、Minimal Techno。
製作一段 8 秒 16:9 的電子音樂片段。一位銀灰色服裝的舞者走在對稱鏡面走廊中央，前 3 秒只有冷白燈光與穩定腳步。Drop 到來時，走廊兩側燈光切換為紅色，舞者停下並抬頭，鏡頭開始緩慢環繞半圈。保持人物、反射數量、走廊結構與服裝一致，避免額外群眾和文字。
提示詞 B：單人舞池俯拍
適合： House、Disco、節奏清楚的短影音。
製作一段 7 秒直式 9:16 的 House 音樂影片。一位舞者站在黑色方格地板中央，鏡頭從正上方俯拍。每一下四拍重音，地板依序亮起紅、藍、金三種區塊，舞者只做簡單轉身與抬手動作。鏡頭緩慢順時針旋轉，最後回到原始方位形成循環。保持舞者置中、服裝與地板格線一致。
我的調整筆記： 如果 AI 忙到像燈光師忘了關總電源，把群眾拿掉，讓燈光只對一個節拍事件負責。
5. 搖滾、另類搖滾與 Metal：表演能量不等於全員亂動
完整樂團、樂器、觀眾、煙霧與快速運鏡同時出現，是 AI 影片最容易翻車的組合之一。先拍主唱、吉他或鼓手其中一個，後面再用剪輯把能量組起來。
提示詞 A：排練室主唱特寫
適合： Indie Rock、Pop Rock、另類搖滾。
製作一段 8 秒 16:9 的搖滾副歌鏡頭。狹小排練室裡，一位主唱握著有線麥克風向前演唱，背後樂手只保留失焦剪影。使用胸口以上手持特寫，暖白頂燈與一盞紅色側燈照出汗水和空氣顆粒，在最強鼓點切到麥克風與手部細節。保持主唱臉部、黑色襯衫、麥克風和背景位置一致。
提示詞 B：Metal 鼓手插入鏡頭
適合： Metal、Hardcore、重型樂器段落。
製作一段 6 秒 16:9 的重金屬音樂影片插入鏡頭。只拍一位鼓手在黑色倉庫舞台演奏，先以側面中景捕捉上半身與鼓組，再用兩個短特寫呈現鼓棒擊中小鼓和銅鈸的瞬間。使用高對比暖白背光、深黑背景與輕微鏡頭震動，剪接對齊三下重擊。保持鼓組結構、鼓棒和人物服裝一致，不出現觀眾。
我的調整筆記： 一個穩定的樂器細節，通常比四個五官漂移的團員更像真正的 MV。
6. Indie、Folk 與 Acoustic：小場景更能留住故事
這類歌曲的魅力常常來自不完美：自然光、舊家具、稍微晃動的鏡頭，或一個看似沒設計過的生活瞬間。別急著加煙火，木門吱一聲可能就夠了。
提示詞 A：凌晨空餐館
適合： Indie Pop、Americana、帶懷舊感的敘事歌曲。
製作一段 10 秒 16:9 的 Indie 音樂影片場景。凌晨三點，一位角色獨自坐在老式餐館的靠窗座位，窗外下著雨，桌上有一杯沒喝完的咖啡。鏡頭從餐館另一側以遠景緩慢推近，角色看向窗外，再低頭轉動咖啡杯。使用低飽和青綠、暖琥珀燈光與 16mm 底片顆粒感，保持座位、杯子與角色服裝一致。
提示詞 B：河岸木吉他
適合： Folk、Acoustic、Singer-songwriter。
製作一段 8 秒 16:9 的民謠音樂影片。一位創作者背著木吉他沿清晨河岸小徑慢慢行走，陽光穿過樹葉落在外套和地面上。使用與人物平行的中距離跟拍，在一句歌詞停頓時切到手指碰過高草的特寫。色彩以柔和綠、金色和灰藍為主，保持吉他、外套和行走方向一致。
我的調整筆記： 親密歌曲不一定需要大場面。當我拿不定主意時，會先把場景縮小，直到每個物件都跟歌有關。
7. Lo-fi、Chillhop 與 Bedroom Pop：一個場景就很好
Lo-fi 視覺適合單一空間、重複小動作與可以接回開頭的結尾。目標不是塞滿故事，而是讓觀眾願意多看一個循環。
提示詞 A：雨夜書桌循環
適合： Lo-fi、Study Music、純音樂直播背景。
製作一段無縫 10 秒 16:9 的 Lo-fi 音樂循環。夜晚書桌上放著打開的筆記本、耳機和一杯熱茶，窗外細雨持續落下，一隻手偶爾翻過一頁。鏡頭只有非常緩慢的水平漂移，檯燈輕微閃動一次，最後一格回到第一格的構圖。使用暖黃、墨綠與霧藍色，保持桌面物件、雨勢和光線一致。
提示詞 B：不露臉的臥室流行
適合： Bedroom Pop、匿名創作者、短版歌曲預告。
製作一段 8 秒直式 9:16 的 Bedroom Pop 片段。畫面只拍一位角色坐在床邊的背影、穿著帆布鞋的腳和正在播放音樂的小型音箱，不出現清楚臉部。牆上海報被窗外微風吹動，角色在副歌開始時輕輕打拍子。使用自然手持感、暖色檯燈和柔和底片顆粒，上方保留字幕空間，保持房間佈局與服裝一致。
我的調整筆記： Lo-fi 提示詞如果讀起來像一份電影預告企劃，通常已經太多了。
8. City Pop、Synthwave 與復古電子：霓虹要有落腳處
復古電子視覺很容易只剩粉紫霓虹。加入真實物件，例如車窗、卡帶、映像管電視或深夜便利商店，畫面才不會像一張沒有故事的桌布。
提示詞 A：夜間行車
適合： City Pop、Synthwave、帶懷舊感的副歌。
製作一段 8 秒 16:9 的 City Pop 音樂影片鏡頭。從副駕駛座看向夜間行駛的城市街道，駕駛側臉映在車窗上，便利商店與高架道路燈光依序掠過。鏡頭緩慢靠近車窗反射，副歌開始時遠方紅色交通燈轉為綠色。使用桃紅、青藍、琥珀與自然膚色，加入輕微類比底片質感，保持人物、車內與反射方向一致。
提示詞 B：復古遊樂場
適合： Disco Pop、復古舞曲、輕快短影音。
製作一段 7 秒直式 9:16 的復古電子音樂片段。一位角色穿著簡潔的 1980 年代風格外套，在空蕩的室內滾軸溜冰場繞過鏡頭，天花板迪斯可球投下緩慢移動的光點。使用低角度固定鏡頭，角色滑過時做一次自然轉身，最後回到開場位置。使用暖琥珀、亮青與少量桃紅，保持服裝、場地和光點方向一致。
我的調整筆記： 霓虹是調味料，不是主食。先決定角色在做什麼，再決定要亮哪一盞燈。
9. K-pop、J-pop 與動漫風 MV：先鎖角色，再換場景
這一類畫面依賴清楚的角色識別、服裝與動作。如果每個鏡頭都重新設計髮型、比例和色彩，再漂亮也很難剪成同一支 MV。
提示詞 A：三人舞蹈亮點
適合： K-pop、Dance Pop、社群舞蹈挑戰。
製作一段 7 秒直式 9:16 的 K-pop 風格副歌舞蹈片段。三位原創舞者穿紅、白、黑三套明確不同但協調的服裝，站在乾淨的淺灰攝影棚中，以固定全身鏡頭完成三個簡單同步動作。每個動作對齊一個節拍，最後回到三角形站位。光線明亮均勻，保持三人的臉、服裝、身高比例與左右位置一致，不增加其他舞者。
提示詞 B：原創動漫角色副歌
適合： J-pop、動漫 MV、角色敘事歌曲。
製作一段 8 秒 16:9 的手繪動漫風副歌片段。一位原創短銀髮角色穿深藍制服外套，站在黃昏校舍屋頂，風吹動頭髮與外套下襬。先從眼睛特寫慢慢拉到半身，副歌高點切到角色抬頭看向飛過天空的紙飛機，最後回到同一個半身構圖。使用橙紅天空、深藍服裝與柔和膚色，保持臉型、髮型、服裝和紙飛機方向一致。
我的調整筆記： 用原創角色、光線與鏡頭語言描述方向，比直接要求模仿特定藝人、導演或受版權保護的作品更安全，也更容易做出自己的辨識度。
10. 電影配樂、Ambient 與古典音樂：讓空間跟著聲音變大
當音樂沒有歌詞可依靠，空間、天氣與鏡頭速度就是敘事。這類提示詞不需要很多角色，一個比例很小的人物，反而能讓樂曲顯得更遼闊。
提示詞 A：雪峰漸強
適合： Ambient、Neo-classical、緩慢堆疊的高潮。
製作一段 10 秒 16:9 的電影感音樂影片。一位穿深色長外套的人站在覆雪山峰邊緣，雲層在下方緩慢流動。前半段使用極遠固定鏡頭，當弦樂開始漸強時，鏡頭才緩慢環繞人物四分之一圈，陽光穿過雲層照亮山脊。使用純白、冷藍與少量金色，保持人物位置、外套和山脊形狀一致。
提示詞 B：水下大教堂
適合： 管弦配樂、夢境感 Ambient、無人聲視覺作品。
製作一段 10 秒 16:9 的超現實管弦音樂影片。一座哥德式大教堂完全沉在清澈水下，陽光穿過彩色玻璃，在石柱和漂浮微粒上形成移動光束。鏡頭沿中央走道非常緩慢地向前移動，一群小魚在音樂高潮前從光束中穿過。使用冷藍綠、石灰灰與金色光線，維持建築結構、水流方向與物理邏輯一致，不出現人物或文字。
我的調整筆記： 「史詩」不是把東西放大而已。鏡頭何時開始移動、光何時出現，才是畫面跟著音樂呼吸的地方。
從一個曲風提示詞，延伸成完整 MV
一個提示詞可以做好一個鏡頭，但很少能一次做好三分鐘音樂影片。我的偷懶但有效流程，是先做短，再慢慢長大。
步驟 1：先測副歌的 6–8 秒
副歌通常最能代表歌曲能量。先選一個主體、一個動作與一個場景，確認這個視覺方向真的適合歌曲，不要一開始就燒點數做完整片段。
步驟 2：保留一個視覺錨點
從角色、物件、色彩或地點中選一個。比如 R&B 的雨窗、Hip-Hop 的銀色手錶、City Pop 的車窗反射。後續鏡頭持續重複它，整支 MV 就比較不會像十支廣告排隊進場。
步驟 3：按歌曲結構拆分鏡頭
前奏負責建立空間，主歌介紹角色，預副歌增加移動，副歌放大最強畫面，橋段提供反差，尾奏則回到最初意象。需要完整做法時，可以參考 如何用 AI 製作音樂影片。
步驟 4：在 SoulVid 裡整理成分鏡
把歌曲、歌詞與選好的曲風方向交給 SoulVid AI 音樂影片生成器，先用聊天方式確認視覺概念，再把不同歌曲段落整理成可修改的分鏡場景。方向穩定後才生成更多片段，比讓一個巨大提示詞自行發揮更容易控制。
AI MV 提示詞失控時，我通常這樣救
| 問題 | 常見原因 | 修改方式 |
|---|---|---|
| 畫面很漂亮，但跟歌曲無關 | 只有情緒和風格形容詞 | 加入歌曲段落、具體動作與節拍事件 |
| 每個鏡頭像不同作品 | 沒有視覺錨點 | 重複同一角色、物件、服裝或色彩 |
| 人臉和手一直漂移 | 主體太多、鏡頭太遠 | 改成單人中近景或局部細節 |
| Drop 看不出變化 | 只寫「energetic」 | 指定 Drop 前後的光線、動作或空間變化 |
| 畫面像隨機情緒板 | 每個剪接都換場景 | 限制一個地點，讓鏡頭角度負責變化 |
| 字幕變成神祕符號 | 要求模型生成精準文字 | 預留安全區，後期再加入歌詞 |
常見問題
AI 音樂影片提示詞應該寫中文還是英文？
兩者都可以，重點是結構是否清楚。部分模型對英文鏡頭術語較熟悉，但中文也能描述主體、動作、場景與光線。最實際的方式，是先用自己最熟悉的語言寫清楚，再保留 push-in、tracking shot、close-up 等必要運鏡詞測試效果。
只寫曲風名稱，可以生成好看的 MV 嗎？
偶爾可以抽到漂亮畫面，但很難穩定。曲風只提供大方向，模型仍需要知道誰在做什麼、發生在哪裡、鏡頭怎麼移動，以及哪個元素必須保持一致。
一個提示詞可以生成整支音樂影片嗎？
不建議。先讓一個提示詞完成一個 6–10 秒鏡頭，再用相同視覺錨點延伸成多個場景，通常更容易控制角色、節奏與故事連貫性。
Suno 或其他 AI 歌曲可以使用這些提示詞嗎？
可以。先匯出歌曲並標記前奏、主歌、副歌、橋段和尾奏，再選擇最接近歌曲能量的曲風模板。更完整的流程可以閱讀 如何用 Suno 製作 MV。
TikTok、Reels 和 Shorts 應該用什麼畫面比例？
這些短影音平台優先使用 9:16。重要主體放在中央區域，避開底部控制列與右側互動按鈕；YouTube 完整 MV、網站嵌入或電影感橫式作品則使用 16:9。
如何讓不同場景維持同一位角色？
固定角色的髮型、臉部特徵、服裝、配件與色彩，並以參考圖作為視覺錨點。每次只改場景和動作，不要在新提示詞裡重新設計角色。
提示詞裡可以使用知名歌手或導演的名字嗎？
更好的做法是描述你真正需要的特徵，例如低角度手持鏡頭、暖色底片、極簡棚景或雨夜反射。避免要求複製在世藝人、導演或受版權保護作品的完整風格，原創方向也比較容易累積自己的視覺識別。
先挑一種曲風，做出第一個副歌鏡頭
曲風決定起點，鏡頭細節才決定成片。從上面的 20 組提示詞挑一個最接近歌曲的方向，換掉角色、場景和色彩，先生成一段 6–8 秒副歌。
不用第一天就規劃三分鐘史詩。八秒副歌鏡頭成立，今天就算贏。
當你找到最適合歌曲的視覺錨點後，可以用 SoulVid 把音樂、歌詞和曲風方向整理成完整分鏡，再逐段調整與生成你的下一支 AI 音樂影片。
