实战案例:用AI提示词制作手冲咖啡烘焙工坊短片,从萃取特写到5个镜头全流程
发布时间:2026年11月10日 08:37:41以一家独立咖啡烘焙工坊的短视频需求为真实场景,演示如何用 Veo 3 与即梦完成 30 秒品牌短片的 5 个镜头,重点解决液体流动的物理真实感、水汽与热浪的体积感、手部动作的稳定,以及浅景深下的对焦连贯性。
背景
客户是一家开了三年的独立咖啡烘焙工坊,主做浅烘手冲豆。他们原本的短视频是手机随手拍,问题很明显:豆子好看,但没有质感,看起来和便利店咖啡没有区别。
这次需求很具体:做一支 30 秒的品牌短片,用于小红书和门店大屏。要求三件事:
- 突出「新鲜烘焙」的时间差;
- 突出「手冲」的仪式感;
- 整体调性安静、克制,不要网红感。
工具用 Veo 3(镜头运动与液体物理) 加 即梦(首帧与快速试错),三天出片。
第一步:先写「质感三条」,再写镜头
咖啡短片失败的最大原因,是一上来就写「一杯咖啡在桌上,暖光」。这种写法给出来的画面永远像图库素材。
拍咖啡的核心是三件事,必须在提示词里固定下来:
| 质感要素 | 具体表现 | 提示词表达 |
|---|---|---|
| 液体物理 | 注水是连续细流,不是水柱 | a thin continuous stream of water, not a gush |
| 热与汽 | 有热气、有水珠凝结 | visible steam rising, condensation on the glass |
| 浅景深 | 主体清晰、背景柔化 | shallow depth of field, 50mm lens, f/1.8 |
踩坑一:第一版写了 warm light, cozy cafe, coffee cup,出来的画面是「氛围很好但完全不像产品广告」的空镜。加了 50mm、f/1.8 之后,画面立刻有了商品摄影的压缩感。
第二步:把「新鲜」翻译成可见的动作
「新鲜烘焙」是一个概念,模型看不懂。必须翻译成能拍到的动作:
Dark roasted coffee beans tumbling out of a drum roaster into a cooling
tray, small amount of chaff and light smoke in the air.
Beans still warm, slight sheen on the surface.
Macro shot, 100mm lens, shallow depth of field, warm tungsten light
from the left, deep shadows on the right.
三个关键点:
- tumbling out:豆子是从滚筒里「倒出来」的,不是摆在盘子里;
- chaff and light smoke:银皮和青烟是「刚烘完」的唯一视觉证据;
- slight sheen:表面微微出油,是新鲜度的第二证据。
踩坑二:不写 chaff 和 sheen,模型给的豆子像超市货架上的,毫无新鲜感。
第三步:注水镜头的物理描述
手冲最关键的是注水。这是全片技术难度最高的一个镜头,因为AI 很容易把水流画成一根塑料管。
正确写法:
A gooseneck kettle pours a thin, steady stream of hot water onto coffee
grounds in a V60 dripper. The water stream is translucent, slightly
steaming, and continuous. The coffee bed blooms and rises as gas escapes,
small bubbles forming on the surface.
Side angle, macro, 100mm lens, slow motion 120fps look.
Background is a blurred wooden counter with warm morning light.
四个必需项:
- thin, steady stream:细而稳的水流,防止粗水柱;
- translucent, slightly steaming:透明 + 微蒸汽,才有温度;
- blooms and rises:粉层膨胀,这是手冲爱好者最认的画面;
- 120fps look:慢动作质感,但只写「look」,不要求真升帧。
踩坑三:写 slow motion 而不加 120fps look,Veo 3 会给一个模糊的拖影,而不是清晰的慢镜。
第四步:5 个镜头的节奏设计
30 秒 5 个镜头,节奏是「快—慢—慢—快—收」:
| 镜头 | 内容 | 时长 | 运镜 | 声音设计 |
|---|---|---|---|---|
| S1 | 豆子倒入冷却盘,青烟升起 | 5 秒 | 固定微推 | 豆子碰撞的脆响 |
| S2 | 磨豆机出粉,粉落在滤杯 | 6 秒 | 俯拍固定 | 磨豆机低频嗡鸣 |
| S3 | 注水,粉层膨胀 | 8 秒 | 侧面微移 | 水流声 + 闷蒸气泡 |
| S4 | 咖啡液滴入分享壶 | 6 秒 | 固定特写 | 滴落声,节奏感 |
| S5 | 成品杯推入画面,手入画端起 | 5 秒 | 缓推 + 定格 | 环境音收尾 |
关键判断:S3 是全片核心,必须给足 8 秒。短视频里最有传播力的就是「粉层膨胀」那一瞬间,太短会被划走。
踩坑四:S2 第一版做成了磨豆机全貌,画面信息太多反而平淡。改成俯拍、只看粉落进滤杯,才有那种「专注」的感觉。
第五步:统一调性与五版迭代
全片必须视觉统一,提示词里固定这一段:
Consistent look across all shots: warm morning light from a single
window on the left, deep warm shadows, muted color palette of brown,
amber and cream. Film grain, slight halation on highlights.
No cool tones, no blue, no neon. Quiet and restrained mood.
调性关键词为什么不写「高级感」:「高级感」是模型无法执行的抽象词。拆成单光源、暖棕琥珀配色、胶片颗粒、高光晕染四个可执行项,才能落地。
| 版本 | 改动 | 结果 |
|---|---|---|
| V1 | 只写氛围词 | 像图库空镜,没有产品感 |
| V2 | 加 50mm / f1.8 与单光源 | 质感成立,但水流像塑料 |
| V3 | 改写水流为细流 + 蒸汽 | 注水镜头过关 |
| V4 | 加粉层膨胀与 120fps look | 核心镜头有了记忆点 |
| V5 | 统一配色 + 加胶片颗粒 | 五镜头调性一致,成片 |
V5 最关键的一步是加胶片颗粒和光晕。数字生成的画面太干净,反而假;加上 slight halation on highlights 之后,才有「用胶片拍的」错觉。
成果与复盘
最终成片 30 秒,5 个镜头一次过审。上线两周后,门店大屏带来的到店咨询明显增加,客户直接把这条片子做成了系列模板。
复盘最有价值的一条:咖啡短片的胜负不在豆子,而在「水」和「汽」。豆子谁都能拍好看,但能把注水的水流、粉层的膨胀、杯口的热气拍对的,才像专业团队做的。
成本拆解:
| 项目 | 支出 |
|---|---|
| Veo 3 生成(约 40 次) | 约 320 元 |
| 即梦首帧与试错(约 30 次) | 约 40 元 |
| 音乐授权与音效 | 约 200 元 |
| 剪辑与调色 | 约 300 元 |
| 合计 | 约 860 元 |
6 条可复用清单
- 先定质感三条:液体物理、热与汽、浅景深,任何产品短片都适用。
- 把概念翻译成动作:「新鲜」= 银皮 + 青烟 + 表面出油。
- 水流要写细流:thin continuous stream,避免塑料水柱。
- 核心镜头给足时长:最有传播力的那一秒,值得占全片四分之一。
- 抽象词拆成可执行项:「高级感」= 单光源 + 暖棕配色 + 胶片颗粒 + 高光晕染。
- 用颗粒对抗过度干净:slight halation + film grain,是 AI 视频去「假」的关键。