有参考图的提示词反而更长：2,942 字符对 1,313 字符

Alpha Lay · 2026-09-26

「有了参考图，提示词就可以写得简单些了吧。」

这是很自然的假设——画面已经给定了，模型只需要照着动。我们把 1,274 条案例的提示词长度拉出来之后，发现事实正好相反。

数据是怎么来的

每条案例记录了一个 pc 字段：该案例提示词文本的字符数（原始语言的字符计数，不做翻译折算）。1,274 条全部有值，中位数 1,563 字符，均值 2,666，最短 4，最长 24,828。

长度分布本身就很宽：

超过三分之一（39.0%）的案例提示词在 2,000 字符以上。

首尾帧生视频的提示词中位数是文生视频的 2.5 倍，参考生视频是 2.2 倍。

为什么？想清楚就不反直觉了：参考素材解决的是「人物长什么样」，解决不了「做什么」。 当你已经固定了主角形象，剩下的动作、镜头、时序、转场全都得靠文字交代——而文生视频反而可以用一句「一个女孩走过街头」让模型自由发挥，因为它连人物都不需要锁定。

换句话说：参考素材把「长相」这一项从提示词里拿走了，却把「行为描述」的要求提得更高。 总长度因此上升，而不是下降。

动作物理（2,261）是动物生物（880）的 2.57 倍。

这个排序讲得通：动作物理要交代力的方向、接触点、连锁反应这些没法用形容词概括的东西，只能一句句写；而动物生物类案例多是「一只猫在街上走」这种单一主体、单一动作，几句话就够。

顺带纠正一个常见印象：产品广告（1,429）比短剧对话（1,553）还短。 商业内容并不等于复杂提示词——它往往是单镜头、单动作、干净背景。

短提示词那一档的时长中位数是 13.7 秒，明显低于其余各档的 15.2 秒。

这跟上一篇（时长那篇）的结论对得上：15.2 秒是模型的默认输出。提示词写得很短时，模型更可能提前收尾，于是落在默认值之下。写详细一点，反而更可能跑满默认时长。

如果你在用参考图或首尾帧：别指望「有图就不用写」——按数据，这类案例的提示词是最长的一档，中位 3,000 字符上下。把功夫花在动作与镜头描述上，因为长相已经由参考素材固定了。

如果你在教别人写提示词：这里有一条可以直接用的判据——先问这项内容靠什么锁定。靠参考图锁定主体，就把力气全放在行为描述；没有参考图，就得连主体外观一起写，但那反而可以写得更概括。

如果你在做提示词模板或工具：题材差异（2.6 倍）意味着「一个通用模板」在长度维度上就不可能合适。给动作类内容用的模板需要远比风景类更长的骨架。

字符数不等于信息量。 中英文混排、是否含 JSON 结构、是否带参数说明都会影响 pc，而同样的信息用中文写通常比英文短。本文只做相对比较，不解释绝对值的含义。
pc 的来源不统一：部分案例的提示词是发布者原文照录，部分来自第三方索引，存在截断或补全的可能。我们没有逐条校验原文完整性。
「模式未核实」的 930 条也在统计内（中位 1,398），它们的模式未知，所以不能用来支持「哪种模式提示词更长」的结论——支撑该结论的是那 344 条模式明确的样本。
一个数据卫生提示：pc 最短值是 4 字符，这更可能是采集或切分错误，而不是真的 4 字符提示词。本文没有把它剔除，因为剔除标准无法统一——但读者应知道这一档里有噪声。
全部数字基于 1,274 条索引记录。

案例详情里可以查看每条记录的提示词与长度：https://cases.aishifu.shop/