AI生视频提示词：Manim与AI大模型在抽象物理概念可视化中的深度评测
提示词描述：
专为高校物理教师及科普创作者设计。通过对比Manim与AI视频大模型的优劣，提供一套“代码建模+AI渲染”的混合工作流。有效解决抽象物理概念可视化中“科学准确性”与“视觉表现力”难以兼得的痛点，助力打造出版级物理微课视频。
提示语关键词：
AI生视频,AI做视频,AI视频提示词,物理动画AI生成,微课视频制作,AI生成教学视频
提示词内容：
【需求分析】
在高等物理与量子力学教学中，抽象概念（如波函数坍缩、相对论时空弯曲）的可视化一直是教学难点。传统3D软件学习曲线陡峭，而纯AI视频生成模型往往缺乏物理引擎的严谨性。本提示词旨在通过对比评测，寻找兼顾科学严谨与视觉表现的最优视频生成工作流。
【方法对比】
方案A：Manim（Python数学动画库）。优势在于物理逻辑绝对精确，帧率稳定，数学推导可视化能力极强；劣势是视觉表现力偏向扁平化，缺乏真实光影和材质细节。
方案B：Sora/Runway Gen-2 纯文生视频。优势是视觉冲击力极强，光影逼真，能生成极具电影感的画面；劣势是容易产生“物理幻觉”，如粒子运动轨迹不符合守恒定律，几何结构在运动中容易发生形变。
【推荐方案】
推荐“Manim内核+AI渲染”混合工作流。使用Manim生成精确的几何运动轨迹与粒子分布，导出为深度图（Depth Map）或法线贴图（Normal Map），再通过ControlNet或Runway的图生视频功能，赋予其逼真的物理材质与光影。此方案完美规避了AI的物理幻觉，同时保留了AI生成的体积光和焦散效果。
【使用步骤】
1. 物理建模：在Manim中编写代码，构建 {物理概念} 的基础几何模型，设置关键帧动画，确保运动学方程准确。
2. 资产导出：渲染输出带有深度信息的序列帧，确保空间结构准确，分辨率建议设置为1080P以上。
3. AI渲染：将序列帧导入Runway Gen-2，使用提示词：“{视觉风格描述}，电影级光影，8k分辨率，微距摄影，虚幻引擎5渲染”，通过Camera Motion控制镜头推拉。
4. 后期合成：在AE中进行色彩校正，添加 {音效类型} 增强沉浸感，输出最终微课视频。
【效果展示】
以“电磁场线分布”为例，纯AI生成模型在镜头移动时磁感线会发生断裂和随机重组；而采用本混合方案，磁感线的拓扑结构保持100%准确，同时表面呈现出逼真的金属光泽和能量流动特效。画面闪烁率（Flicker Rate）降低80%，完全满足高校物理微课的出版级要求。