转动不是移动
整套词汇都建立在这个区分上。摄影机转动时，它在空间里的位置没变，所以近景和远景之间的几何关系是固定的：画框扫过世界，但世界没有重新组织自己。机位移动时，近处物体会相对远处错动，而这个视差就是「运动」的视觉证据。
实际后果是：摇摄在描述一个空间，移动镜头把你带进这个空间。横摇过一个房间，是把房间里的东西按顺序展示给你；把机位走进房间，你就成了里面的人。两者没有高下，但把它们混为一谈，正是有些段落明明机位一直在动却显得莫名平淡的原因。
摇摄怎么用
摇摄只做两件事之一。一是跟随，把运动的主体保持在画内，这种情况下观众几乎不会察觉它。二是揭示，从一个主体摇开去看别的东西，这时观众会强烈地察觉到它，并且期待运动结束时有个交代。
两条规则让这两种用法都成立。第一，给运动一个理由：一次摇到「什么都没有」的镜头会被读成失误。第二，起点和终点都得是各自成立的构图，因为镜头停住的那两个画面才是要被切进切出的。起点和终点都停在半截构图上的摇摄，几乎没法剪。
俯仰怎么用
俯仰做的是尺度和层级的生意。向上摇过一栋楼、一座雕像或者一个人，会让对象变大，因为画框得费力才装得下它。向下摇通常揭示后果：楼梯底下是什么、这个人脚边是什么。
常见的错误是「该用升降却用了俯仰」。俯仰保持机位高度不变，所以从低位向上摇，整段都会带着仰角的透视变形。如果你想让机位真的随着对象一起升起来，那是升降镜头，再多的俯仰都替代不了。
变焦放在哪
在实际使用里变焦属于同一族，因为多数摄影机界面和多数提示词词汇，都把摇摄、俯仰和 zoom in zoom out 一起当作基础控制。但它在光学上是另一回事：焦段变了、放大率变了、透视没变。变焦越推越平，感觉像审视；推轨越推越近，感觉像靠近。这个选择要有意识，因为观众即使说不出名字也读得出差别。
在 AI 视频里怎么写提示词
这两个是你能给视频模型的最可靠的机位指令，所以在尝试更野心的运动之前，先考虑它们。即便如此，四个问题会反复出现。
- 转动被当成位移。 最有用的一句是否定式：
camera stays in one place, rotation only, tripod。不加这句的话，你要的摇摄经常变成缓慢横向漂移，你要的俯仰经常变成升降。 - 方向有歧义。
pan left既可以理解成机位向左转，也可以理解成画面内容向左滑，而模型在这一点上并不一致。把第一次生成当成抛硬币，然后要么改写措辞，要么在剪辑里把片段反向。 - 幅度控制不了。 没有可靠的办法要求「正好 30 度」。你手上只有速度和规模词：
slow, slight pan对sweeping 180 degree pan。想要特定幅度，就得预期多摇几次。 - 复合运动会塌。 同时要摇摄和俯仰，通常只会得到一个含糊的斜向漂移，而不是两次清楚的转动。把它们写成先后顺序（
pans right, then tilts up），并且接受模型可能只做第一个。
关于变焦补一句：写 slow zoom in 几乎总会得到推轨式的推进，因为真正的焦段压缩在带标注的训练数据里很少。如果你要的正是那种压平、没有视差的质感，更聪明的做法是生成一张高分辨率静态图，在后期对它做裁切动画。这样你拿到的是真正的光学变焦、精确的节奏、且没有漂移的几何结构，比第五次重摇提示词的结果都好。