LTX-2.3 提示词终极指南：从“抽卡”到“导演”，解锁原生视频生成的掌控力

“以前，我们为了稳定性不得不简化提示词；现在，LTX-2.3 鼓励你把提示词写成电影剧本。”

LTX-2.3 的发布不仅仅是模型权重的更新，更是一场提示词工程（Prompt Engineering）的范式革命。凭借更大的文本连接器、重建的 VAE 架构以及原生的竖屏与音频支持，新模型不再需要用户“猜谜”或“妥协”。相反，它渴望细节、逻辑和明确的指令。

如果你还在用写 Midjourney 提示词的方式去驱动 LTX-2.3，那你可能只发挥了它 20% 的实力。以下是专为 LTX-2.3 打造的8 条核心提示法则，助你从随机的“抽卡玩家”进阶为掌控一切的"AI 导演”。

核心法则：像导演一样思考

1. 📝 拒绝模糊，极致具体 (Be Specific)

• 旧思维：“一个女孩在跑步。”（容易导致主体模糊、动作僵硬）
• 新策略：LTX-2.3 拥有更强的文本理解力，能处理复杂的多主体、空间关系和风格约束。
• ✅ 正确示范：
  

  “一位穿着磨损皮革夹克的年轻女性，在雨夜的霓虹街道上奔跑。雨水打湿了她的黑发，贴在脸颊上。背景是模糊的红色和蓝色霓虹灯牌，反射在湿漉漉的柏油路上。电影感照明，高对比度，赛博朋克风格。”

• 💡 原理：具体的细节能锚定模型的注意力，减少幻觉和偏差。

2. 🎥 调度空间，而非仅仅描述 (Direct the Scene)

• 旧思维：“两个人在说话。”
• 新策略：明确界定空间布局。LTX-2.3 对空间逻辑的理解大幅提升。
• ✅ 正确示范：
  

  “前景左侧是一位戴眼镜的老人，背对镜头；右侧远处站着一位穿西装的年轻人，面朝老人。两人相距约五米。摄像机缓慢地从老人肩膀后方推近，聚焦于年轻人的表情。”

• 💡 关键词：左/右、前景/背景、面朝/背对、距离、景深。

3. 🧶 刻画纹理与材质 (Describe Textures)

• 旧思维：“一件衣服。”
• 新策略：利用新版 VAE 带来的锐利细节，描述微观质感。
• ✅ 正确示范：
  

  “特写镜头：粗糙的亚麻布料，边缘有轻微的磨损和起球。阳光照射下，可以看到纤维的纹理。金属纽扣上有细微的划痕和氧化痕迹。”

• 💡 价值：无需后期锐化，直出即可拥有电影级的质感。

4. ⚡ 动词驱动动态 (Verbs Drive Motion)

• 旧思维：“一个跳舞的人。”（容易变成静止图片或轻微晃动）
• 新策略：LTX-2.3 大幅减少了“冻结帧”，但需要明确的动词来激活动态。
• ✅ 正确示范：
  

  “舞者猛地跳跃腾空，双臂向上伸展，裙摆随风剧烈飘动。摄像机随之快速上摇跟随动作，然后缓慢下降捕捉落地的瞬间。”

• 💡 公式：谁移动 + 怎么移动 + 相机怎么动 = 完美动态。

5. 🚫 避免“静态照片”式提示

• 警告：如果你的提示词读起来像一张静态摄影作品的描述（如“一张...的照片”），模型可能会倾向于生成低动态的视频。
• 修正：始终加入时间维度的描述（如“随着..."、“逐渐..."、“突然..."）。

6. 📱 原生竖屏构图 (Design for Vertical)

• 旧思维：生成横屏后裁剪，或简单调整比例。
• 新策略：LTX-2.3 是使用竖屏数据原生训练的。请专门为 9:16 构图。
• ✅ 正确示范：
  

  “竖屏构图：主体位于画面中心，头顶留有空间展示高耸的摩天大楼，脚下延伸出街道的透视感。利用垂直线条引导视线上下移动。”

• 💡 优势：避免裁剪导致的画质损失和构图失衡，完美适配 TikTok/Reels/Shorts。

7. 🔊 明确音频指令 (Specify Audio)

• 新能力：新版声码器支持可靠的音画同步。
• ✅ 正确示范：
  

  “画面：暴雨敲打在车窗上。音频：沉闷的雷声在远处滚动，雨刮器有节奏的摩擦声，车内收音机传出模糊的爵士乐人声。”

• 💡 技巧：描述音调、强度、清晰度和环境音，能让声音更具沉浸感。

8. 🏗️ 挑战复杂镜头 (Unlock Complexity)

• 旧思维：一次只做一个动作，怕模型混乱。
• 新策略：LTX-2.3 能在单镜头内维持多动作、多元素的空间逻辑。
• ✅ 正确示范：
  

  “在一个拥挤的市场中，前景的小贩正在切水果（动作 A），背景的人群在走动（动作 B），同时摄像机穿过人群向前推进（相机运动），光线从遮阳棚的缝隙中洒下（光影变化）。”

• 💡 信心：相信引擎的结构保持能力，大胆设计雄心勃勃的场景。

📊 提示词进化对比表