移动变焦（dolly zoom），又称“眩晕效果”（Vertigo effect），是一种电影摄影技术，通过将摄影机的移动与相反方向的变焦相结合，产生令人迷失方向的视觉扭曲。在经典的移动变焦中，摄影机物理上向被摄主体移动，同时镜头向外变焦；或者摄影机远离主体，同时镜头向内变焦。这种操作使被摄主体在画面中的大小大致保持不变，而背景则显得戏剧性地拉伸或压缩，营造出不安、眩晕或心理紧张的感觉。该效果利用了透视（随摄影机位置变化）与放大率（随焦距变化）之间的差异，产生一种人眼无法单独实现的扭曲空间感知。
在Generative AI和提示工程的背景下，移动变焦已成为图像和视频生成模型中流行的风格化关键词。提示词撰写者使用“dolly zoom”、“Vertigo effect”、“push-in with zoom-out”或“focal length change”等术语，来指导基于Deep learning架构的模型生成具有这种特定视觉特征的帧或序列。该技术在AI生成内容中尤为有效，因为它无需复杂的场景描述即可传达强烈的情感和叙事线索，使其成为使用Artificial intelligence工具创作者工具箱中的必备元素。
电影起源
移动变焦最早由阿尔弗雷德·希区柯克在1958年的电影《迷魂记》中广泛推广，具体场景是主角斯科蒂俯瞰楼梯井时。该效果由摄影师伊尔明·罗伯茨实现，他结合了移动轨道和VistaVision摄影机上的变焦镜头。这项技术并非全新，，早在1940年代就有过实验，，但希区柯克的使用赋予了它持久的名声，并将其确立为眩晕、恐惧和痴迷的视觉隐喻。该效果后来被多部电影采用，包括《大白鲨》（1975年），其中它传达了鲨鱼的视角；以及《好家伙》（1990年），其中它强调了主角在餐厅场景中的偏执焦虑。
视觉特征
移动变焦由几个明显的视觉特征定义。最明显的是背景的明显扭曲：当摄影机向前移动时，背景显得扩展并推开，而主体保持恒定大小。相反，反向移动变焦压缩背景，使其显得向主体冲去。该效果还改变了景深，背景根据镜头光圈和焦距变得或多或少模糊。在静态图像中，移动变焦通常通过显示具有夸张透视失真的单帧来模拟，例如主体带有拉伸或压缩的背景，但真正的移动变焦需要运动。在视频中，该效果通常平滑且连续，持续几秒或更长时间，具体取决于叙事意图。
著名实践者
除了希区柯克之外，几位导演和摄影师也以令人难忘的方式使用了移动变焦。史蒂文·斯皮尔伯格在《大白鲨》中用它来描绘鲨鱼的捕食目光，并在《第三类接触》中用于揭示时刻。马丁·斯科塞斯在《好家伙》和《愤怒的公牛》中用它来外化角色的内心状态。昆汀·塔伦蒂诺在《落水狗》的对峙场景中使用了微妙的版本。在21世纪，该效果被用于《指环王：护戒使者》（2001年）和《盗梦空间》（2010年）等电影，强化了现实的梦幻扭曲。该技术也出现在电视、音乐视频和电子游戏中，巩固了其作为跨媒体视觉惯用法的地位。
技术实现
在传统电影制作中，移动变焦需要摄影师与变焦镜头之间的精确协调。摄影机安装在沿轨道移动的移动车上，同时镜头焦距被调整，通常使用电动变焦控制。移动车速度和变焦必须匹配，以保持主体大小恒定。在现代数字电影摄影中，该效果可以通过基于神经网络的后处理工具实现，但物理技术仍是真人拍摄的标准。对于AI视频生成，该效果通常由在大型电影片段数据集上训练的模型合成，使模型无需显式摄影机装置即可再现运动和扭曲。
在AI提示中的应用
在为AI图像或视频生成器编写提示时，移动变焦通常被指定为运动或摄影机指令。例如，提示可能写道：“对女人脸部进行移动变焦，背景拉伸，电影级照明，35mm胶片外观。”对于视频模型，提示通常包括时间线索，如“摄影机推入同时变焦出，产生眩晕效果。”此类提示的有效性取决于模型的训练数据；来自OpenAI、Google DeepMind或Anthropic的模型可能以不同方式解释该术语，因此提示撰写者通常将其与描述场景情感基调的语言相结合。一些模型也响应相关术语，如“focal length change”或“perspective warp”，当模型不识别特定短语时，这些术语可能有用。
心理与叙事影响
移动变焦不仅仅是视觉技巧；它带有强烈的心理内涵。它常用于表示角色的领悟、恐惧或解离，因为空间扭曲反映了感知的内部转变。在恐怖和惊悚类型中，它通过使环境显得不稳定来增强悬念。在戏剧中，它可以强调情感揭示的时刻。这种叙事分量使其成为AI提示撰写者的宝贵工具，他们可以用一个关键词为生成场景注入特定情绪，减少对角色心理或情节背景的长篇描述需求。
变体与相关技术
存在多种移动变焦变体。“反向移动变焦”在变焦入的同时移动摄影机远离，压缩背景。“快速变焦”是动作序列中常用的快速、突兀版本。“慢速移动变焦”营造微妙、逐渐蔓延的不安感。相关技术包括“推入”（摄影机向前移动而不变焦）和“变焦出”（镜头变化而无摄影机移动），但两者都不会产生相同的空间扭曲。在AI提示中，这些变体可以通过在基础术语上添加“slow”、“fast”或“reverse”等修饰符来指定，从而对生成输出进行精细控制。
AI生成中的挑战
在AI生成视频中再现移动变焦在技术上具有挑战性。许多模型在多帧中难以保持主体大小一致和背景扭曲自然，导致闪烁或非自然扭曲。截至2025年，最先进的视频生成模型（如基于Transformer (architecture)架构和扩散技术的模型）已有所改进，但仍需要仔细提示，有时还需后处理才能获得干净效果。对于静态图像，挑战不同：单帧无法显示运动，因此模型必须通过夸张透视来暗示效果，如果过度则可能显得人工。提示撰写者通常迭代其提示，测试不同措辞和模型版本，以找到最佳结果。
未来方向
随着AI视频生成的持续进步，移动变焦可能变得更加易用和逼真。在更大、更多样化的电影数据集上训练的模型可能学会以更高保真度复制该效果，新工具可能允许用户以更直观的方式指定摄影机运动，例如通过自然语言或交互式控制。该技术在电影中的持久流行表明，它将继续成为AI创作者的关键参考点，弥合传统电影制作与生成媒体之间的鸿沟。