我想用一句话生成图片和视频，该怎么说？
一句话的结构。生成工具读句子，最看重开头——把主角放句首：'一条红龙鱼……'比'黄昏的水草缸里有一条……'更不容易跑题（后一种常生成一缸水草没鱼）。动作跟住主体：'……在水面游动'，画面立刻有了动态；没有动作的（'一条红龙鱼的特写'）也行，出的是静帧。风格收尾：'……水墨风格''……写实摄影'——最后的定性词决定整体气质。
形容词的用法——少而具体。笼统词生成器读不出画面：'很漂亮''超级震撼''高质量'——删掉不损失信息。管用的形容词有画面感：光线（黄昏光、逆光、顶光）、镜头（特写、俯视、微距）、质感（鳞片反光、水面波纹）。一句话里这类词放一两个——多了互相打架，工具不知道听谁的。拿不准哪个词起作用，同一句话删掉它生成两次，一对比就知道。
不满意的修法——改词，别整句重写。生成结果偏了，定位是哪个词带偏的：颜色不对改颜色词、构图不对改镜头词、气质不对改风格词——一次只动一个地方，改完再生成，因果清清楚楚。整句重写的问题是：变量全变了，好了也不知道为什么好，坏了不知道为什么坏。视频多一层的讲究：动作写'连续可发生的'（'缓慢游动'出得来，'突然瞬移'出不来），一句话里给视频留一个连贯动作就够。
延伸几个常见问题
中英文描述，生成效果差很多吗？
多数工具英文底子厚，中文能用的在变多。英文描述的词库和对应关系训练得多——同一意思用英文写出，细节命中率常高一点；中文不是不能写——主流工具都支持，但生僻词、成语直译过去容易失真。实用的做法：先用中文写顺，试两次不满意就翻译成英文再试——两次的结果摆一起，哪个好用用哪个，别在一种语言里死磕。
为什么每次生成都不一样？
这是设计如此，不是故障。生成模型每次从随机起点出发——同一句话出十个版本，各有各的解。用法上顺势而为：挑的思维用——生成三四张，挑最接近的继续改话再生成，几轮收敛到你要的；一次就指望命中的思维费劲——话写得再细也有随机性。改话的收益在'平均质量'，多生成几轮的收益在'挑到好的'——两头都做，出图又快又准。
一句话写多长合适？
一句到两句，三十词上下。太短（'一条鱼'）——随机性占大头，出什么看运气；太长（七八十个词的长句）——词之间互相稀释，重点反而抓不准。甜点区在'主体加动作加一两个定性词'——三十词内说完。真有很细的要求，宁可拆成两轮：先出大样，再对着大样提修改——比一句话塞满所有要求有效。