这里面最关键的不是辞藻，而是四个硬结构

这里面最关键的不是辞藻，而是四个硬结构。

第一，先让观众看见“人有多小”。怪物单独占满画面不一定宏大，因为没有参照物。少女只占画面的百分之一，沙虫却横跨几座沙丘，观众才会本能地感觉“这东西根本打不过”。就像拍一栋楼，单拍楼看不出多高，楼脚下放一个人，尺度瞬间成立。

第二，环境必须替双方承受力量。巨兽冲出来，沙丘要塌；雷电落下，地面要亮；攻击命中，甲壳要裂，头部要被掀开，沙尘要沿冲击方向扩散。没有这些反应，就像两个人拿着玩具剑在空气里比划，再多特效也不叫战斗。

第三，战斗必须有“出招—命中—受力—结果”。比如少女举水晶只是出招；闪电进入沙虫嘴里是命中；沙虫头部后仰、甲壳开裂是受力；它没死、准备反扑是结果。四环缺一个，观众都会感觉事情没发生。

第四，15秒不要写千军万马打十种招式。真正稳定的做法是只写一次完整交锋：巨兽逼近，少女蓄力，巨兽扑咬，雷击命中。一次打透，比十次乱闪更史诗。AI视频最怕“信息很多，物理关系为零”。

你以后也可以直接套这个通用骨架：

史诗战斗 = 巨大尺度差
+ 固定空间关系
+ 单一明确威胁
+ 环境受力反馈
+ 一次完整攻防
+ 战局发生变化
+ 最后一秒留下更大的危险