倾倒、热气与滋滋声:用 AI 做美食饮品视频

美食片段只有一个任务:在几秒内让人觉得饿。一张静态照片靠亮晶晶的酱汁就能做到,视频则要靠动作,而且必须是对的那个动作。咖啡落进杯子,热气从碗里升起,刀切开酥脆的外皮:每一个都是一个小故事,有开头、高潮和结尾。

这篇文章讲的就是如何为这些瞬间写提示词,只谈食物和饮品。液体和烟雾的通用词汇在水、烟、火与布料里,时间节奏的词汇在慢动作与延时摄影里;这里我们把它们用到盘子和杯子上。

选定最能勾起食欲的那一个动作

不要要求一间热闹的厨房。只要求一个诱人的动作,其余一切保持静止。模型处理一个清晰的动作,比处理五个好得多,而视线只有一个可跟随的对象时,也更愿意停留在片段上。

• 倾倒。咖啡、茶、红酒、糖浆、奶油,或是浇在菜上的酱汁。这是最有力的饮品动作,因为液流有形状,液面会有反应。
• 上升。汤里冒出的热气、气泡水杯里的气泡、鼓起的派皮。不用一个字,就能传达出热、新鲜和冰凉。
• 切开或裂开。刀切过面包,勺子敲碎焦糖,叉子挑起一缕拉丝的奶酪。它展示了内部,而质感正在那里。
• 落下。一颗樱桃落入鸡尾酒,一撮盐撒在牛排上,一块冰落进杯里。小巧、迅速、令人满足。

选一个,整条提示词都围绕它来写。如果你发现自己在描述第二个动作,就把它留给第二个片段。

描述质感,而不只是菜名

只写「一碗拉面」,你得到的就是一碗普通的拉面。食欲藏在质感词里:亮泽、酥脆、流心、酥层分明、浓稠、挂霜、边缘焦香、凝着水珠。给会动的东西用两三个,给静止的东西用一个。

容器也要写明。厚玻璃杯、白色珐琅马克杯和纸杯,各自会改变光线的表现和液体的样子,而透明玻璃杯最难,因为模型得自己编出里面的东西。如果第一次生成显得浑浊,先换成不透明的杯子,再去动别的。

热气、气泡和凝结水珠:要求别太猛

这三样是好美食片段的标志,也是最先出错的地方。热气要得太多,盘子就消失在雾里;完全不要,热菜又像道具。

• 热气:写「一缕细细的热气盘旋上升并渐渐散去」,而不是「大团热气」。背后放深色背景,因为热气需要对比才看得出来。
• 气泡:写「细小的气泡在杯中稳定地上升」。要写细小,要写稳定,否则就成了沸腾。
• 凝结水珠:「玻璃杯上挂着凝结的水珠」对冷饮效果很好,而且保持静止,这是个福利:液体在动的时候,它能让画面保持可信。
• 滋滋声:要把它画出来,因为画面没有声音。「油光闪动,正在煎的牛排边缘冒着细小气泡」,在眼里就读作滋滋声。

声音是另一回事。如果片段需要滋滋声或倒水声,请在你自己的视频编辑器里添加。

按菜品选择镜头

食物很小,所以镜头要近。三种机位就能覆盖大多数盘子和杯子。

1. 01固定微距,侧面拍,适合倾倒或上升的气泡。液面线条保持干净,固定镜头还能掩盖不少模型的抖动。移焦、虚化与长焦解释了为什么浅景深对食物有帮助。
2. 02俯拍,固定,适合一桌菜或倒在盘子上的东西。写「俯视,镜头正对上方」,并让盘子位于画面中央。
3. 03缓慢推进,用于揭示:掀开的盖子、端上桌的菜、从中间切开。推镜要慢,因为快推会把细小的质感抹糊。

拍倾倒时,「慢动作」这个词值得写上。正常速度下液流只是一片模糊;降到几分之一的速度,就能看到皇冠状水花和液面如何平静下来。在动作附近写一次就好,不要和镜头运动叠加。

菜品很重要时,从一张静图开始

如果某道菜必须看起来准确,比如你自己的菜单品项或某个品牌的瓶子,就别交给文字提示词。先做或上传一张它的静图,检查无误后,再用图生视频模型让这张图动起来:盘子、颜色和光线都会保留,提示词只需说明什么在动。这和用一张照片做产品转台视频是同一种方法。一张静图的价格从 €0.40 起,比一次失败的片段便宜得多。

先低成本测试,再为满意的那条投入

美食片段需要多试几次,因为液体是视频里最难的东西。先用 Motion Lite 跑一遍想法,它的价格从 €2.00 起,检查第一秒和最后一秒,然后再用更强的模型重新渲染好的提示词。片段最长可达 30 秒,但一次倾倒或一缕上升的热气只需要三四秒。短片段更便宜,抖动也更少。完整列表见模型页面。

AI 美食视频仍然容易出错的地方

• 液体的物理。液流可能弯折、分叉,或从错误的一侧进入杯子。重新生成,或缩短片段。
• 手和餐具。任何拿叉子或握着瓶子倒酒的画面都有风险。只拍倾倒,不拍人,或者取景时只让容器入镜。
• 真实品牌和标签。瓶子或菜单上的文字会变成乱码。标签留空,真实的包装在编辑器里再加。
• 份量要诚实。用 AI 做的片段不是你实际供应食物的照片。如果你卖食物,就不要展示厨房做不出来的效果。