「畫面從左邊到右邊」到底是哪一個指令？AI 影片運鏡命令完全指南

你腦中有一個畫面：鏡頭從左邊移到右邊。

你把它打進提示詞：「畫面從左往右移動」。

模型給你的東西可能是這三種其中一種——攝影機整台往右滑、攝影機原地往右轉、或者攝影機根本沒動、只是主角自己往右走。這三種在畫面上完全不同，而你那句話三種都成立。

所以它不是在亂搞，它是在猜。而你剛剛把決定權交出去了。

這篇要做的事很單純：把攝影機能做的動作全部列出來、去掉重複的別名，再給你一張「你想講的話 → 該用哪個指令」的對照表。

先講為什麼值得學這幾個詞

這不是要你變成攝影師。純粹是因為模型對術語的反應比對形容詞好——而且這句話有官方背書。

MiniMax 的 API 文件在講運鏡指令時，白紙黑字寫了一句：

Free-form descriptions also work, but explicit commands yield more accurate results.

（自由描述也可以，但明確的指令會得到更準確的結果。）

字節跳動的 Seedance 2.0 指南也說得很直接——它要你「直接使用標準的運鏡術語」，並且把好的提示詞定義成「工程式指令，不是文案式描述」。

兩家講的是同一件事：術語就是講好的暗號。 你寫「鏡頭慢慢靠近」，模型還得猜你要的是機身往前走、還是鏡頭拉近；你寫 [Push in]，它不用猜。

而且這些詞你其實早就會用了，只是沒對上名字。下面全部都會對上。

攝影機只有三種「動」

先把地基打好。不管你聽過多少術語，攝影機能做的事只有三類：

1. 平移——機身整個換位置（前後、左右、上下）
2. 旋轉——機身位置不動，只轉方向
3. 變焦——機身一步都沒動，只有鏡頭改變視角

只要先問「機身有沒有換位置」，一半的混淆就消失了。 這也是後面所有對照的判斷起點。

這不是我們自己編的分法。快手可靈（Kling）在 API 裡開了六個運鏡欄位，每一個都直接用軸來定義，剛好就是這三類：

可靈的參數	官方定義	屬於
horizontal	camera translation along x-axis	平移
vertical	camera translation along y-axis	平移
pan	camera rotation around y-axis	旋轉
tilt	camera rotation around x-axis	旋轉
roll	camera rotation around z-axis	旋轉
zoom	controls camera focal length change	變焦

兩個平移、三個旋轉、一個變焦。 名字各家可以各叫各的，軸不會變。

平移：機身換位置的三個方向

動作	白話	指令
左右橫移	攝影機平行往左／右滑	[Truck left] / [Truck right]
上下升降	整台升高／降低，鏡頭仍水平	[Pedestal up] / [Pedestal down]
前後推拉	沿著視線走近／走遠	[Push in] / [Pull out]

平移都會產生視差：你真的換了位置，所以近的東西跑得比遠的東西快。這就是為什麼平移看起來有空間感，而原地轉頭沒有。

旋轉：三個軸，第三個最少人用

動作	白話	指令
左右搖鏡	像站著原地左右轉頭	[Pan left] / [Pan right]
上下俯仰	像原地點頭或抬頭	[Tilt up] / [Tilt down]
沿視線翻滾	像把頭歪向肩膀，地平線跟著歪	提示詞層多半沒有，寫白話

Roll 值得單獨提一句：三個旋轉軸裡，它最少被做成提示詞指令。

但它不是做不到，只是躲在 API 裡。可靈就有一個 roll 參數，可以指定往逆時針還是順時針轉、轉多大。所以模型會轉，只是多數平台沒把這個旋鈕開到提示詞這一層。

要在提示詞裡用，就直接寫效果——「地平線向右傾斜約 15 度」，比寫 roll right 保險。

三組最容易寫錯的對照

這三組是實務上真正會害你重抽的地方。

一、Truck 還是 Pan？——你要不要視差

回到開頭那張圖。同樣是「畫面往右走」：

• Truck（機身橫移）：攝影機真的移動了。近處的東西移動得比遠處多，畫面出現視差，空間感很強。適合跟著人走、沿著櫥窗滑過去。
• Pan（定點搖鏡）：攝影機站在原地轉頭。前景和背景一起平移，沒有視差。適合掃過一整片風景、交代環境有多大。

判斷方式：你想讓觀眾感覺「我跟著鏡頭走進去了」，用 Truck；你想讓觀眾感覺「我站在這裡看過去」，用 Pan。

二、Push in 還是 Zoom in？——背景會出賣你

這兩個在畫面上都是「主體變大」，但成因完全不同：

• Push in：機身往前走。視點改變，所以主體長大得比背景快，空間被拉開，像走進場景裡。
• Zoom in：機身一步沒動，只是視角變窄。整個畫面等比例放大，包括背景，空間感完全不變，就只是裁得更緊。

日常講話兩者都叫「拉近一點」，但寫進提示詞就是兩種畫面。想要「靠近他」的情緒，用 Push in；只是想讓主體佔畫面大一點，用 Zoom in。

三、Pedestal 還是 Tilt？——垂直線會出賣你

想拍到更高的地方，你有兩個選擇：

• Pedestal up：整台升高，鏡頭仍然水平。視線與地面平行，所以建築物的垂直線保持垂直。
• Tilt up：高度不變，只把鏡頭抬起來。視線變成斜的，垂直線會向上收斂，產生透視變形。

這一組在拍商品和建築時特別要命。你想要一張方正、專業、沒有變形的產品照，該用的是 Pedestal 不是 Tilt；反過來，想強調建築的壓迫感，Tilt up 的變形正是你要的。

環繞：唯一能讓觀眾看到另一面的運鏡

Orbit（也叫 Arc）是平移和旋轉同時發生：機身沿著圓弧走，鏡頭一直對準主體。

結果是主體留在畫面中間幾乎不動，背景整片換掉。所有運鏡裡只有它能讓觀眾看到主體的另一面，所以商品展示和角色登場特別愛用。

它最常被誤寫成 Pan。差別是致命的：Pan 是機身不動只轉方向，主體會直接滑出畫面。 白話說「鏡頭繞著他轉」＝ Orbit，白話說「鏡頭掃過去」＝ Pan。

兩個複合運鏡：它們是疊出來的

知道它們是複合的，你就知道怎麼寫：

• Crane / Jib＝[Pedestal up] ＋ [Tilt down]。機身升高的同時鏡頭往下壓，主體留在畫面裡，視角從平視變成俯視。常見於開場或收尾。
• Dolly Zoom＝Push in ＋ Zoom out（或反過來）。兩者互相抵消，所以主體大小不變、背景卻在膨脹。這就是俗稱的暈眩效果，希區考克在《迷魂記》用過，後來變成表達「世界突然不對勁」的固定語彙。

複合運鏡通常沒有單一指令，寫法就是把兩個基本動作寫在一起，並說明它們同時發生。

也有廠商直接把常用的複合動作包成現成選項。 可靈就準備了四個，每一個的官方說明本身就是兩個動作疊起來：

現成選項	官方說明
down_back	攝影機下降並後退
forward_up	攝影機前進並上仰
right_turn_forward	先右轉再前進
left_turn_forward	先左轉再前進

看得出來就是前面那些基本動作兩兩疊起來。知道怎麼拆，你在沒有現成選項的平台上也寫得出同樣的效果。

順帶一提，可靈給 down_back 附的英文註解是「Pan down and zoom out」——照這篇的標準看，這兩個詞都用得不精確：下降是 Pedestal 不是 Pan，後退是機身在走、不是 Zoom。連官方文件都會混著叫，所以認動作，不要認名字。

最後三個：它們描述的是狀態，不是方向

動作	白話	指令
固定	腳架鎖死，一格都不動	[Static shot]
晃動	手持的細微抖動	[Shake]
跟拍	跟著主體走，相對位置不變	[Tracking shot]

[Static shot] 看起來像廢話，其實是最有用的一個。排錯的時候先把運鏡拿掉：固定鏡頭如果人物和動作都對，那問題就在運鏡；固定鏡頭本身就錯，那再炫的運鏡也救不回來。

白話 → 指令 對照表

這張表是這篇的重點。左邊是你腦中會冒出來的說法，右邊是該寫進提示詞的東西。

你想講的	其實是什麼動作	該寫的指令
跟著他往右走	機身橫移	[Truck right]
鏡頭掃過整個房間	定點搖鏡	[Pan right]
慢慢靠近他的臉	機身前進	[Push in]
把畫面拉近一點	只變焦，機身不動	[Zoom in]
往後退，露出整個場景	機身後退	[Pull out]
從腳往上帶到臉	鏡頭上仰	[Tilt up]
從上往下俯視他	鏡頭下壓	[Tilt down]
整台升高但畫面不變形	機身升降	[Pedestal up]
從高處慢慢降下來看到他	升降＋俯仰複合	[Pedestal down] ＋ [Tilt up]
繞著他轉一圈	環繞	寫「鏡頭沿圓弧繞行主體，始終對準他」
一路跟著他	跟拍	[Tracking shot]
鏡頭不要動	固定	[Static shot]
要有手持的臨場感	晃動	[Shake]
天旋地轉、失去平衡	沿視線翻滾	寫「地平線向右傾斜」
越靠近越覺得不對勁	推近＋反向變焦	寫「機身前進的同時鏡頭向外變焦」

為什麼同一個動作有那麼多名字

你在不同地方會看到 Truck left、Dolly left、Track left、Move left、Slide left——它們指的是同一件事：機身往左平移。

原因是這批詞來自實體器材的年代：Dolly 是攝影機推車，Truck 是推車橫向走，Pedestal 是可升降的機座，Crane 是搖臂。器材不同，動作卻重疊，於是同一個動作留下了好幾個名字。

各家 AI 影片平台各自挑了一組，就變成現在這樣。

所以判斷的依據永遠是「攝影機到底做了什麼」，不是名字。 遇到沒看過的詞，問三個問題就能歸位：

1. 機身有沒有換位置？（有＝平移，沒有＝旋轉或變焦）
2. 換位置的話，往哪個軸？（左右／上下／前後）
3. 沒換位置的話，是轉方向還是改視角？（轉＝旋轉，改視角＝變焦）

一鏡到底放幾個指令？

三家的答案都不一樣，而且不只是寬鬆程度的差別：

• MiniMax 讓你組合，同一個方括號裡放多個會同時發生（例如 [Pan left,Pedestal up]），建議最多 3 個；也可以排順序，寫成 "...[Push in], then...[Push out]"。
• Seedance 2.0 反過來，建議一鏡只給一種，還明說「不要同時要求推、拉、搖、移，那會讓畫面更不穩」。（這是 2.0 的說法；1.0 的指南態度不同，說多個運鏡指令可以組合出有創意的長鏡頭。同一家換個版本就改口，引用時記得看版本。）
• 可靈乾脆寫進 API 規則：六個欄位只能有一個不是零。

最後一條和前兩條不是同一種東西：前兩家在給建議（寫多了畫面會爛），可靈是規則（寫多了請求直接被擋下來）。

沒有誰對誰錯，就是各家模型脾氣不同。實務上最安全的做法：第一次先給一個運鏡就好，確認主體和動作都對了，再考慮加第二個。

一個很簡單的自我檢查：把運鏡術語全部刪掉，你還說得出觀眾先看到什麼、後看到什麼嗎？說不出來的話，那些術語只是裝飾，還沒變成畫面設計。

先說清楚：這篇整理的是各家官方文件寫了什麼，加上影視業界通用的術語。至於哪個指令在哪個模型上真的會生效、哪個會被無視，各家都沒有公開保證，而且會隨版本變。所以把它當成起手式——真正的答案還是要自己抽幾次看。

接下來

運鏡只是提示詞裡的一欄。同一句話該怎麼交代主體、動作、場景與光線，兩家的寫法差很多——MiniMax 的結構在 API 裡，Seedance 的結構在提示詞文字裡，兩者的取捨見〈同一句話餵兩個模型〉。

如果你的問題是「每一段都好看，剪在一起卻跳掉」，那是接鏡，不是運鏡。

官方資料來源

方括號指令的詞彙、組合與序列規則、以及「明確指令更準確」一句，依 MiniMax 官方 API reference（該表適用於 Hailuo／Director 線的模型，官方未在 H3 端點重列，本文不宣稱 H3 支援全部 15 個）。運鏡術語的開放式用法依 BytePlus 的 Seedance 提示詞指南；「一鏡只給一種運鏡」出自 Seedance 2.0 指南，1.0 指南的措辭不同（1.0 說多個運鏡指令可以組合），本文已分別標注版本。

平移／旋轉／變焦的三分類與各軸定義，另依可靈（Kling）camera_control 的官方參數說明佐證——該協定以 x／y／z 軸明確定義六個欄位。

Dolly、Truck、Pedestal、Crane、Orbit、Roll 等詞的定義屬影視業界通用術語，非任一廠商的專有指令；本文在對照表中已標明哪些有具名指令、哪些需要寫成白話描述。

最後對照日期：2026-08-01。

• Create Text-to-Video Generation Task（MiniMax，含 15 個具名運鏡指令與用法規則）
• Image-to-Video Task（MiniMax，同一張指令表）
• Video Generation（MiniMax 官方指南）
• Seedance 2.0 series prompt guide（BytePlus，英文）
• Seedance-1.0-pro & pro-fast prompt guide（BytePlus，英文，鏡頭語言與景別）
• Kling 1.6 Image to Video（可靈，英文，camera_control 的軸定義與六欄位）