AI 音乐视频最容易变成“漂亮但不相关”的画面拼贴。解决方法不是给提示词增加更多形容词，而是先找出音乐里的结构：哪里是开场、哪里进入主节拍、哪里情绪抬升、哪里收束。画面应在这些节点发生相应变化。
先画一条节拍线
不必分析复杂乐理。先在时间线上标出开场、主段、变化点、高潮和结束。每个节点只安排一个视觉事件：切换场景、改变主色、推进镜头、让主体完成一个动作。这样音乐和画面会有可感知的呼应。
建立视觉主题与色彩脚本
| 音乐段落 | 视觉任务 | 色彩与镜头 |
|---|---|---|
| 开场 | 建立主题元素 | 低饱和、固定或缓慢推进 |
| 主段 | 重复并发展核心意象 | 稳定主色、规律切镜 |
| 高潮 | 做一次清楚的视觉变化 | 提高亮度或运动幅度 |
| 收束 | 回到主题或留出余韵 | 简化构图、停在可用结尾帧 |
单镜头提示词只描述一件事
音乐位置：[第几段/重拍前后]
视觉主题：[始终出现的核心意象]
本镜画面：[一个场景、一个主体、一个动作或变化]
镜头：[景别和唯一的运动方式]
色彩：[主色与情绪]
交接：上一镜的[颜色/方向/主体]如何进入下一镜。先做无声画面检查
先把短镜头排成时间线，即使静音也应该看得出主题在推进。之后再对齐音乐的重拍和段落。若静音时画面完全没有逻辑，靠音乐也很难拯救。
留给后期的空间
让每段结尾保留一帧干净、主体明确的画面。后期可以据此做切点、加字幕或叠加效果。不要把所有变化都压在生成阶段，真正成熟的音乐视频来自生成、剪辑和声音处理的配合。
