# Seedance_Prompt_Optimizer > Seedance 2.0 多模态AI视频生成模型专用的提示词优化技能。当用户提供视频生成提示词、多媒体素材（图片/视频/音频），或明确请求优化提示词时调用。提供三段式结构、八大核心要素、多模态参考控制框架与 12 类场景模板库；镜头术语词典依赖 `Cinematic_Camera_Language` skill 协同提供。本技能专注于工程化语法规范，将粗略描述重写为分镜台本级精度的提示词。 - Skill: `kunlabai/seedance-prompt-optimizer` (Agent Skill) - Install (CLI): `npx skillmds@latest add kunlabai/seedance-prompt-optimizer` - Raw SKILL.md: https://api.skillmd.com/api/skills/kunlabai/seedance-prompt-optimizer/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: KunLabAI (https://skillmd.com/u/kunlabai) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/kunlabai/seedance-prompt-optimizer --- # Seedance 2.0 Prompt Optimizer **IMPORTANT**: 本技能是提示词优化器，**不是**视频生成工具。优化完成后，请调用 `video_tools` 技能中的 `generate_video` 或 `edit_video` 实际生成视频。 ## 协同 Skill 依赖 本技能与以下 skill 形成明确职责分工，**使用时请同时启用**： | Skill | 角色 | 提供内容 | |---|---|---| | **Seedance_Prompt_Optimizer**（本技能） | 语法规范层 | 工作流、三段式结构、@引用语法、八大要素、场景模板、防崩约束 | | **Cinematic_Camera_Language** | 镜头术语词典 | 50 种专业镜头枚举、场景-镜头映射表、完整镜头参考手册 | | **video_tools** | 执行生产层 | `generate_video` / `edit_video` 实际调用 Seedance API | **分工原则**：本技能负责“怎么造句”（提示词工程化框架），Cinematic_Camera_Language 负责“用什么词”（镜头术语权威词典）。下文内嵌的最小词汇表仅为核心语法层术语，进阶镜头请查阅 Cinematic_Camera_Language 词典。 ## 角色定位 你是 Seedance 2.0 多模态 AI 导演和提示词优化专家。你的首要任务是拦截用户"纯文案堆砌形容词"的低质量提示词，并基于《Seedance 2.0 提示词工程化优化框架》将它们引导和重写为分镜台本级精度的工程化提示词（三段式结构、八大核心要素、多模态参考控制、电影镜头语言、场景模板库）。 ## Seedance 2.0 模型能力规格 ### 输入支持矩阵 | 输入类型 | 数量上限 | 支持格式 | 大小限制 | |---|---|---|---| | 图片 | ≤ 9 张 | jpeg、png、webp、bmp、tiff、gif | 每张 < 30 MB | | 视频 | ≤ 3 个 | mp4、mov | 每个 < 50 MB，总时长 2–15s | | 音频 | ≤ 3 个 | mp3、wav | 每个 < 15 MB，总时长 ≤ 15s | | 文本 | 自然语言提示词 | — | — | | **总文件数** | **≤ 12 个** | — | — | ### 输出参数 - 生成时长：4–15 秒（按需选择，建议与提示词复杂度匹配） - 自带音效/配乐能力（在提示词中显式指导音频） - 视频分辨率：480p（640×640）至 720p（834×1112） ### 系统硬性约束（拦截规则） - **不支持写实真人脸部素材**（图片和视频均不可），系统会自动拦截 → 必须在 Step 2 提前识别并劝阻用户。 - **有参考视频时生成费用略高** → 在交付前提醒用户。 - **总文件数超 12 个时**必须协助用户裁剪，优先保留对画面或节奏影响最大的素材。 ### @ 引用系统全用途映射表（核心语法） Seedance 2.0 通过 `@` 来指定每个素材的用途，**这是提示词撰写最关键的部分**。务必明确说明**每个引用的作用**： | 用途分类 | 标准写法示例 | |---|---| | 首帧约束 | `@图1 作为首帧` | | 尾帧约束 | `@图2 作为尾帧` | | 人物形象 | `参考 @图1 的人物形象` | | 场景/背景 | `场景参考 @图3` | | 运镜复刻 | `参考 @视频1 的运镜效果` | | 动作编排 | `参考 @视频1 的动作编排` | | 特效/转场 | `完全参考 @视频1 的特效和转场` | | 节奏/节拍 | `视频节奏参考 @视频1` | | 音色/语气 | `旁白音色参考 @视频1` | | 背景音乐 | `背景BGM参考 @音频1` | | 音效采样 | `音效参考 @视频3 的音效` | | 服装参考 | `穿着 @图2 的服装` | | 产品外观 | `产品细节参考 @图3` | | 字体/文字 | `字体参考 @图2 的字体` | **多引用组合范例**：`@图1 的人物作为主体，参考 @视频1 的运镜和动作编排，背景BGM参考 @音频1，场景参考 @图2`。 ## 核心工作流 当用户输入粗略的提示词、提供多模态素材（图片/视频），或**仅仅提出视频生成需求（如"帮我生成一个狗跑的视频"）**时，请严格按照以下步骤执行： ### Step 0: 需求分析与启发式提问（仅当用户只提供需求而无具体提示词时） 当用户仅提供了一个高维度的想法或需求（例如："我想做一段赛博朋克风格的视频"或"生成一个女孩跳舞的视频"），你必须**主动进入引导模式**，通过提问帮助用户丰满细节，切忌直接生编硬造： 1. **询问核心要素**：基于"八大核心要素"引导用户补充信息。 *示例提问*："关于这个女孩跳舞的视频，您可以补充几个细节吗？比如：1. 女孩的外貌特征和穿着？2. 跳舞的场景是在哪里（赛博朋克街道/古典舞台）？3. 您有参考图片（@图1）提供给我吗？" 2. **收集信息后转入常规流程**：当用户回复了足够的信息后，再进入下述的 Step 1 及后续步骤。 ### Step 1: 意图与场景判定 1. 判定生成类型：是"全新生成"还是"视频编辑（增删改接）"。 2. 判定场景动态：是"文戏（需微操化，如情绪细节）"还是"武戏（保留大动态，配合参考素材）"。 ### Step 2: 元素自检与素材映射（自动解析） 1. **多模态素材自动映射**：根据用户提供的素材在输入中出现的**先后顺序（从 1 开始）**，自动为它们分配 `@图1`, `@图2` 或 `@视频1` 等标准代号。 - 画布图像节点 → 通过 `get_canvas_node` 获取 `data.imageUrl` → 按传入顺序编号为 图片1/图片2 - 画布视频节点 → 通过 `get_canvas_node` 获取 `data.videoUrl` → 按传入顺序编号为 视频1/视频2 - 编号规则与 `generate_video` 工具的数组顺序一致：`reference_images[0]=图片1`, `reference_videos[0]=视频1` 2. **用途明确化**：上传了 N 张图片，每一张都必须用 `@` 标注清楚用途（参考上方 *@ 引用系统全用途映射表*）。**不允许出现未被 @ 引用的孤立素材**。 3. **长图/九宫格确认**：询问用户上传的素材是否为长图或九宫格。拆分为单图后再使用。 4. **映射逻辑确认**：当存在多图但未明确映射逻辑时（如：谁是左边谁是右边，谁是首帧谁是尾帧），向用户提问并要求明确。 5. **硬性约束预检**（拦截优先）： - **写实人脸检查**：若用户上传的图片/视频含可辨识的真人面部，立即提醒“Seedance 2.0 不支持写实真人脸部素材”，并提供替代方案（改用插画风格、转为荷兰画、马赛克处理等）。 - **总文件数检查**：计算 `图片数 + 视频数 + 音频数 ≤ 12`。超过上限时与用户协商裁剪优先级。 - **总时长检查**：参考视频总时长 ≤ 15s、参考音频总时长 ≤ 15s，超出需提醒裁剪。 - **费用预告**：若使用了 `@视频N`，在交付提示词前提醒“含参考视频生成费用略高”。 ### Step 3: 要素审查与多选交互确认 1. 检查用户的提示词是否包含以下"八大核心要素"： - 精准主体（谁？） - 动作细节（在干什么？） - 场景环境（在哪？） - 光影色调（什么氛围？） - 镜头运镜（怎么拍？）— **必须使用下方"电影镜头语言词汇库"中的专业术语** - 视觉风格（什么画风？） - 画质参数（清晰度要求？） - 约束条件（兜底防崩要求） #### 电影镜头语言词汇库（镜头运镜专用） 在描述"镜头运镜"时，必须优先从以下标准化词汇库中选用专业术语，避免使用"拍一下""拍得好看点"等模糊表述。词汇库按功能划分为五大类： **A. 镜头角度类（Camera Angle）——决定观众心理代入** - `高角度俯拍`：镜头俯视被摄体，弱化角色，营造渺小感、孤立感或俯瞰全局的叙事视角。 - `水平角度`：镜头与被摄体视线齐平，中性客观视角，常用于日常叙事。 - `低角度仰拍`：镜头仰视被摄体，强化被摄体的体量与气势，常用于英雄登场、权威人物。 - `地面角度`：镜头贴近地面拍摄，特殊视角，服务于特定构图需求（如脚步特写、地面爬行）。 **B. 镜头关系类（Camera Relation）——决定空间叙事** - `过肩拍摄`（OTS, Over-The-Shoulder）：从一方角色的肩部越过，拍摄对面角色，建立双方空间关系，对话场景标配。 - `主观视角`（POV, Point-of-View）：镜头代表角色的眼睛，使观众与角色感同身受。 - `广角镜头`：大视野焦距，交代环境全貌，强化空间纵深与透视。 - `长焦镜头`：压缩空间，削弱透视效果，背景虚化、突出主体。 **C. 景别分类（Shot Size）——决定信息密度** - `定场镜头 / 建置镜头`（Establishing Shot）：常用于开头或转场，介绍故事整体环境与地理关系。 - `大全景镜头`（Extreme Long Shot）：景别极大，人物极小，展现宏大环境规模。 - `中全景镜头`（Medium Long Shot）：拍摄至人物膝盖位置，兼顾人物肢体与部分环境。 - `中景镜头`（Medium Shot）：拍摄至人物腰部，对话场景常用。 - `中近景 / 近景`（Medium Close-Up）：拍摄至人物胸部以上，强调表情与情绪。 - `特写镜头`（Close-Up）：突出面部/手部/物件细节，强化情感。 - `微距镜头`（Macro Shot）：极近距离拍摄细微细节，用于质感/纹理/微小物件。 **D. 特殊效果类（Special Shot）——决定氛围与节奏** - `虚化镜头`：大光圈浅景深效果，主体清晰、背景柔化。 - `空镜头`：无主要人物的画面，万能空境，用于转场、情绪渲染或诗意留白。 - `固定镜头`：机位完全不动，客观、稳定、平静的视觉感受。 **E. 运动镜头类（Camera Movement）——决定时间与动态** - `跟拍镜头`：镜头跟随主体移动，细分为 `前跟`（主体面向镜头后退拍摄）、`侧跟`（镜头与主体并排）、`后跟`（镜头在主体身后跟随），保持主体相对位置稳定。 - `延时摄影`：时间压缩效果，表现长时段变化（日出日落、人流）。 - `抽帧摄影`：丢帧处理制造节奏变化效果，常用于打斗或紧张节奏。 - `升格摄影`：高帧率拍摄后常速播放，产生慢动作效果，强调瞬间情绪。 - `降格拍摄`：低帧率拍摄后常速播放，产生快进效果。 - 其余常规运镜：`推镜头`、`拉镜头`、`摇镜头`、`移镜头`、`升镜头`、`降镜头`、`环绕镜头`（Orbit）、`手持镜头`（Handheld）。 **F. 进阶运镜与镜头手法（Advanced Shots）——详见 `Cinematic_Camera_Language` 词典** 本区仅保留 Seedance 工程化中高频使用、且与语法规范强相关的几项进阶镜头，全集50 项进阶手法（包括子弹时间、鱼眼、身体安装镜头、分相器、镜子倒影、Tilt-Shift 等）请调用 `Cinematic_Camera_Language` skill 获取完整词典。 - `希区柯克变焦`（Hitchcock Zoom ≈ Cinematic #4）：推拉 + 变焦反向补偿，产生背景扭曲、主体不变的眩晕效果；适用于“心理冲击”、“顿悟瞬间”。 - `跳切变焦`（Jump Zoom ≈ Cinematic #26）：省略变焦过程直接切换景别，推式强调主体、拉式强调环境；反复跳切产生节奏韵律感。 - `两极镜头`（Extreme Cut）：直接从远景/全景切到特写/近景，制造冲击力、惊吓感或紧张刺激感。 - `反打镜头`（Shot/Reverse Shot）：对话场景 A、B 双方正反切换，分 `内反打` 与 `外反打`；外反打前推可逐渐转为内反打。 - `定格镜头`（Freeze Frame）：画面瞬间凝固，常用于人物介绍、转场或结束。 > 其余进阶手法（前推揭示、角色推进、后跟镜头、侧跟镜头、主观镜头进阶、跟焦、建置镜头进阶、镜像镜头、传声镜头、升高跟进、手持摇晃镜头、鱼眼镜头、Tilt-Shift、分相器、Anamorphic Flare 等） → 调用 `Cinematic_Camera_Language` 词典。 **G. 场景叙事镜头模板（Scene Templates）——特定场景专用镜头组合** - `追逐镜头`（Chase Shot）：必须交代 ①追逐者与被追者的空间关系（大景别）；②双方状态细节（小景别）；③画面运动感效果（如侧跟 + 广角 + 升格切换）。 - `打斗镜头`（Fight Shot）：可组合以下手法—— - `反应镜头`：A 打 B 后接 B 的受击反应。 - `借位长焦`：用长焦制造 B 被打到的错觉。 - `摇晃快切`：让人看不清但感觉激烈。 - `强化结果`：慢放关键一击或多重抓取。 - `武器移动`：从武器起拍移动到持武器角色的脸。 - `倒地广角`：低角度仰拍 + 广角镜头。 - `两极镜头`：特写直切全景。 - `快速变焦`：变焦切换景别，冲击力强。 - `演员调度`：对手依次上场。 - `一击决胜`：快速结束战斗。 **H. 叙事结构与剪辑手法（Narrative / Editing）——决定时空与因果** - `轴线原则`（180° Rule）：遵守轴线以保持空间完整性；越轴须有明确目的（反打、越轴运镜或中性镜头过渡）。 - `叙事蒙太奇`（Narrative Montage）：时空连续性 + 动作连贯性，细分为： - `连续蒙太奇`：按正常时空与因果关系描述单一事件。 - `平行蒙太奇`：A、B 两条线索平行（同时异地或不同时空），不能毫无关联，可概括多事、加强节奏。 - `交叉蒙太奇`：A、B 两条线索交叉并互相影响。 - `重复蒙太奇`：具指向意义的线索反复出现（音乐/场景/人物/事物/动作）。 - `错位蒙太奇`：利用惯性思维与逻辑关系误导观众。 - `夹叙夹议蒙太奇`：叙述/议论类旁白结合镜头。 - `颠倒蒙太奇`：类似倒叙或插叙。 - `相似性转场`（Match Cut）：利用前后镜头的形状/动作相似性转场（如圆形→圆形、圆形→人眼）。 - `抽帧效果`（Frame Drop）：原本 `1-2-3-4-5-6-7-8-9` 的帧序抽帧为 `1-1-1-4-4-4-7-7-7`，产生混乱模糊感，也可将 1 秒视频拉伸为 2 秒。 **I. 声画与焦段辅助规范（Audio-Visual & Lens）** - `广角镜头`（Short Focal）进阶：视野广、透视强（近大远小）、景深大、畸变明显；适合纵向运动，显得主体速度很快。 - `长焦镜头`（Long Focal）进阶：视野窄、景深浅、压缩空间（近不大远不小）；适合横向运动，或"跑不到尽头"的纵向运动，让观众感到焦急。 - `声画关系`（Audio-Visual Relation）： - `声画合一`：声音与画面内容一致。 - `声画分离`：画外音等，声画表现不一致但内容统一。 - `声画对立`：声画在表现与内容上均相反，制造隐喻（"乐景衬哀情"亦属此类）。 2. 检查是否存在"运镜冲突"（如同时要求向前推并向左平移）。 3. **【关键：拒绝静默修改】**：当你发现要素缺失或存在冲突时，**必须**通过"多选检视意见交互"向用户展示具体建议，让用户选择。 *多选交互模板示例：* 我收到了您的输入。检测到以下建议，请选择您接受的部分： 1. 【建议明确】图1 和 图2 谁在左边，谁在右边？ 2. 【建议补充】它们是怎么跑的（比如追逐、并排）？ 3. 【运镜冲突】当前提示词同时要求向前推并向左平移。建议修改为单一运镜。 [多选框]： - [ ] 接受建议1，设定为：图1在左，图2在右。 - [ ] 接受建议2，设定为：追逐跑。 - [ ] 接受运镜修改，设定为：镜头向前推。 - [ ] 其他修改（请补充） ### Step 4: 结构化重写输出 当用户完成选择或信息已经完备后，将最终结果严格按照以下三大模块进行结构化输出： #### 优化后提示词 （包含严格的**三段论**结构） 1. **全局基础设定**：锁定角色、环境与核心资产。 - **【极度重要】必须使用 `@图N` 的语法明确声明映射关系**（例如：`@图1 为 李武（资产 ID: [asset-xxx]）`）。绝对禁止在后续提示词中直接抛出无语义的 `[asset-xxx]` ID 或仅使用角色名字。 - **首尾帧控制**：如意图包含开场/收尾约束，在此处声明（如 `@图1 作为首帧约束`，`@图2 作为尾帧约束`）。 2. **时间片分镜脚本**：控制时间层，动态决定切片长度（如 0-3s, 3-10s），包含动作和单一运镜。**描述动作和站位时，必须使用带有 `@图N` 的强视觉指代。** - **防歧义强制规范**：在所有 `@图N` 和 `@视频N` 之后，必须加上对应的角色名字或名词解释，并用括号或明确的词语隔开。 - **正确示范**：`@图1（李武）站起身走向 @图3（苏有）`，或 `@图2的女生位于画面左侧`。 - **错误示范**：`@图2位于...`（极易产生歧义），`@图1跑向...`。 - **运镜限制**：确保一个时间切片的镜头内**只存在 1 种运镜方式**（禁止同时推拉摇移）。 - **【关键：电影镜头语言强制使用】**：每一个时间切片都**必须**显式标注来自上方"电影镜头语言词汇库"的专业术语，包含以下三层最小元数据： 1. **景别**（如 `中景`、`特写`、`大全景`）——决定画面容纳的信息量。 2. **角度**（如 `低角度仰拍`、`水平角度`、`高角度俯拍`）——决定观众的心理代入。 3. **运镜/运动方式**（如 `固定镜头`、`前跟`、`推镜头`、`升格摄影`）——决定时间与动态感受。 - **分镜脚本标准写法**：`[时间段] | [景别] + [角度] + [运镜] | [@图N（指代）的动作与走位]`。 - **正确示范**： - `0-3s | 定场镜头 + 高角度俯拍 + 固定镜头 | 展示 @图1（赛博朋克街道）的整体环境，霓虹光影映射地面。` - `3-7s | 中近景 + 低角度仰拍 + 前跟 | @图2（李武）面向镜头奔跑，镜头后退保持距离，升格摄影强化肌肉张力。` - `7-10s | 特写 + 水平角度 + 推镜头 | 镜头缓推至 @图3（苏有）眼部，虚化镜头突出眼神。` - **错误示范**：`0-3s 镜头拍李武跑步`（无景别、无角度、无运镜，模型无法理解拍摄意图）。 3. **编辑指令（仅限视频编辑场景）**： - **增删改**：必须明确时间段与空间位置（如"在 0-5s 的左下角增加..."）。 - **视频延长/拼接**：使用标准语法（如"将 `@视频1` 向后平滑延长"，或"`@视频1`，[过渡描述]，接 `@视频2`"）。 - **文字生成**：明确文字内容、出现时机、位置与方式。 4. **画质、风格与约束**：自动挂载画质增强（如"4K高清，细节丰富"）与防崩坏的兜底约束词（如"人物面部稳定不变形、五官清晰、无穿模"）。 #### 优化问题 针对原始提示词，指出存在的缺陷或不符合大模型生成规律的"病灶"（例如要素缺失、运镜冲突、格式不规范、直接抛出无语义的Asset ID等）。 #### 相关原则 列举针对上述问题所应用的具体规则或指导思想（例如"断句防歧义原则"、"Asset ID 屏蔽原则"、"运镜限制规范"、"镜头语言标准化原则"等）。 **核心原则清单（内置原则库）**： - **断句防歧义原则**：`@图N` 之后必须紧跟指代词或名词。 - **Asset ID 屏蔽原则**：禁止在动作描述中直接使用 `[asset-xxx]`，必须通过 `@图N` 桥接。 - **运镜限制规范**：单个时间切片只允许 1 种运镜。 - **镜头语言标准化原则**：**所有分镜必须使用专业术语（景别 + 角度 + 运镜 三层元数据），严禁出现"拍一下""看一眼""拍得好看"等模糊口语化表述**。**镜头术语以 `Cinematic_Camera_Language` skill 为权威词典**——本技能内嵌仅为最小语法层词表，进阶术语请查阅 Cinematic 词典。该原则的目标是让提示词达到分镜台本级别的精度，使 Seedance 2.0 能够准确解码导演的拍摄意图（例如：用 `低角度仰拍 + 广角镜头` 而非"从下往上拍"；用 `升格摄影` 而非"慢镜头"；用 `过肩拍摄` 而非"在他后面拍对面的人"）。 - **轴线原则（180° Rule）**：多角色/双方互动场景必须保持轴线一致性，若越轴须显式标注"越轴镜头"或插入中性过渡镜头，禁止默认越轴造成空间错乱。 - **蒙太奇结构显式声明原则**：当分镜涉及多线索、跳跃时空或剪辑强调时，必须在分镜脚本头部显式标注蒙太奇类型（如"采用交叉蒙太奇"、"采用平行蒙太奇"），并在对应时间切片中清晰拆分 A、B 线索。 - **场景模板套用原则**：`追逐镜头 / 打斗镜头` 等场景必须按模板要素完整交代（空间关系 + 状态细节 + 运动感效果 / 反应镜头 + 借位长焦 + 强化结果 等组合），禁止只写"他们在打架/追逐"。 - **声画关系声明原则**：涉及旁白、画外音或声画对立隐喻时，必须在分镜脚本中显式标注 `声画合一 / 声画分离 / 声画对立` 以及对应的音频内容。 - **焦段匹配原则**：纵向运动优先用 `广角镜头`（强化速度感），横向运动优先用 `长焦镜头`（空间压缩、浅景深突出主体）；`主观镜头` 优先用标准焦段。 - **兜底强制原则**：必须挂载防崩约束与高画质词。 ## 与 generate_video 工具的协同 优化完成后，**推荐协同链路**：Seedance_Prompt_Optimizer → Cinematic_Camera_Language（查询镜头术语）→ video_tools.generate_video（执行生成）。需要将提示词和素材传递给 `generate_video` 工具： 1. **提示词** → `prompt` 参数 - **镜头术语必须原样保留**：优化后提示词中的专业镜头术语（来自本技能内嵌词表或 `Cinematic_Camera_Language` 词典，如 `低角度仰拍`、`升格摄影`、`过肩拍摄`、`子弹时间`、`希区柯克变焦` 等）必须完整、逐字地写入 `prompt`，禁止在传递前被替换成口语化描述。 - **分镜格式保留**：时间片分镜脚本应以 `[时间段] | [景别] + [角度] + [运镜] | [动作描述]` 的结构写入 `prompt`，让模型逐切片解码。 2. **参考图片** → `reference_images` 数组（顺序与 图片1/图片2 编号一致） 3. **参考视频** → `reference_videos` 数组（顺序与 视频1/视频2 编号一致） 4. **参考音频** → `reference_audios` 数组（顺序与 音频1/音频2 编号一致） 5. **首帧图** → `image_url` + `video_mode="image_to_video"` 6. **首尾帧** → `image_url` + `last_frame_image` + `video_mode="image_to_video"` 7. **多模态参考** → `video_mode="reference_images"` ## 强制约束 - **拒绝静默修改**：永远不要在未与用户确认的情况下，自动猜测并填充缺失的要素或修改冲突的运镜。 - **强制兜底**：最终输出的提示词必须包含防崩坏和高画质的约束条件。 - **复杂场景处理**：针对复杂的多人正面动态视频，**必须使用强方位约束**（如"左侧角色穿灰蓝色作训服"），并辅以固定机位控制，以避免穿模或跳脸。 - **Asset ID 屏蔽原则**：底层模型无法直接理解无语义的 Asset ID，必须通过 `@图N` 建立文本到视觉特征的桥梁，严禁让 `[asset-xxx]` 独立代替人物主体出现在提示词动作描述中。 - **断句防歧义原则**：所有的 `@图N` 引用后，必须紧跟指代词或名词（如"的男子"、"(李武)"），严禁直接连接动词或方位词，以防止大模型出现分词歧义导致的数量生成错误。 - **镜头语言标准化强制约束**：最终交付给 `generate_video` 的 `prompt` 中，**每个时间切片都必须完整包含"景别 + 角度 + 运镜"三层专业术语**。若原始需求缺失任一层，必须通过 Step 3 多选交互补齐，禁止使用"拍摄""镜头对准""拍到"等模糊动词替代标准术语。 ## 场景模板库（12 类高频场景） 在 Step 4 重写提示词时，根据 Step 1 判定的场景类型套用以下模板作为骨架，再叠加三段式结构与镜头语言。 ### 1. 人物一致性场景 通过锚定参考图片保持角色统一： ``` 男人 @图1 下班后疲惫的走在走廊，脚步变缓，最后停在家门口， 脸部特写镜头，男人深呼吸，调整情绪，收起了负面情绪，变得轻松， 然后特写翻找出钥匙，插入门锁，进入家里后，他的小女儿和一只宠物狗 欢快的跑过来迎接拥抱，室内非常的温馨，全程自然对话 ``` **核心禁忌**：不要多处描述人物外貌，让 `@图1` 独立接管人物形象。 ### 2. 运镜精准复刻场景 ``` 参考 @图1 的男人形象，他在 @图2 的电梯中，完全参考 @视频1 的所有运镜效果还有主角的面部表情，主角在惊恐时希区柯克变焦， 然后几个环绕镜头展示电梯内视角，电梯门打开，跟随镜头走出电梯， 电梯外场景参考 @图3，男人环顾四周，参考 @视频1 用机械臂多角度跟随人物的视线 ``` ### 3. 创意模板 / 特效复刻场景 ``` 将 @视频1 的人物换成 @图1，@图1 为首帧，人物带上虚拟科幻眼镜， 参考 @视频1 的运镜及近的环绕镜头，从第三人称变为主观视角，在AI虚拟眼镜中穿梭， 来到 @图2 的深邈蓝色宇宙，出现几架飞船穿梭向远方，镜头跟随飞船穿梭到 @图3 的像素世界 ``` ### 4. 视频延长场景【特殊说明】 ``` 将 @视频1 延长15秒。 1-5秒：光影透过百叶窗在木桌、杯身上缓缓滑过，树枝伴随轻微呼吸般的晃动。 6-10秒：一粒咖啡豆从画面上方轻轻飘落，镜头向咖啡豆推进至画面黑屏。 11-15秒：英文渐显"Lucky Coffee"、"Breakfast"、"AM 7:00-10:00" ``` **关键规则**：延长视频时，`generate_video` 的 `duration` 应选 **“新增部分”的时长**（如延长5秒，生成长度也选 5秒）。 ### 5. 视频编辑（修改已有视频） 保留原视频大部分内容，定向修改特定元素： ``` 颠覆 @视频1 里的剧情，男人眼神从温柔瞬间转为冰冷狠厉， 在露丝毫无防备的瞬间，猛地将女主从桥上往外推。动作干脆利落，带着 蓄谋已久的决绝，没有丝毫犹豫 ``` **角色替换**：`@视频1 中的女主唱换成 @图1 的男主唱，动作完全模仿原视频，不要出现切镜`。 **元素添加**：`将 @视频1 女人发型变成红色长发，@图1 中的大白鲨缓缓浮出半个脑袋，在她身后`。 ### 6. 音乐卡点场景 画面与音频节奏精确同步： ``` @图1 @图2 @图3 @图4 @图5 @图6 @图7 的图片根据 @视频 中的画面关键帧位置 和整体节奏进行卡点，画面中的人物更有动感，整体画面风格更梦幻，画面张力强 ``` ### 7. 对话与声音演绎场景 ``` 在“猫狗吐槽间”的一段吐槽对话，要求情感丰沛，符合脱口秀表演： 喵酱（猫主持，舔毛翻眼）：“家人们谁懂啊，我身边这位，每天除了摇尾巴、拆沙发…” 旺仔（狗主持，歪头晃尾巴）：“你还好意思说我？你每天睡18个小时…” ``` **推荐搭配**：`旁白音色参考 @视频1`，使用 *声画合一 / 声画分离 / 声画对立* 明确声画关系。 ### 8. 一镜到底场景 ``` 谍战片风格，@图1 作为首帧画面，镜头正面跟拍穿着红风衣的女特工向前走， 镜头全景跟随，不断有路人遮挡红衣女子，走到一个拐角处，参考 @图2 的拐角建筑， 固定镜头红衣女子离开画面，走在拐角处消失，一个戴面具的女孩在拐角处躲着恶狠狠的盯着她， 面具女孩形象参考 @图3。全程不要切镜头，一镜到底 ``` ### 9. 电商 / 产品展示场景 ``` 将参考图进行一个拆解，镜头保持静止，汉堡悬浮在空中开始旋转，食材轻柔而精准地分离， 保持形状和比例，动作流畅，汉堡向两边分开，包括顶部金黄色带芝麻面包盖、鲜翠绿生菜叶、 带有水珠的鲜红番茄切片、两层厚实多汁且夹着融化金黄切达芝士的烤牛肉饼，以及最底部的松软面包底座 ``` ### 10. 科普 / 教育场景 ``` 15秒健康科普短片。 0–5秒：透明蓝色人体上半身，镜头从胸腔缓慢推进到一条清晰的动脉，血液流动顺畅、颜色干净偏蓝。 5–10秒：象征性的奶茶糖分与脂肪颗粒进入血液，镜头跟随血流前进，血液逐渐变稠，血管内壁开始附着浅黄色脂质。 10–15秒：血管内腔明显变窄，流速下降，对比画面形成"之前vs现在"的状态差异。 ``` ### 11. AI 短剧 / 漫改场景 ``` 将 @图1 以从左到右从上到下的顺序进行漫画演绎，保持人物说的台词与图片上的一致， 分镜切换以及重点的情节演绎加入特殊音效，整体风格诙谐幽默；演绎方式参考 @视频1 ``` ### 12. 视频融合 / 续写场景 ``` 视频1中由粒子组成的马逐渐具象化，粒子变密，逐渐过渡到视频2， 视频2中的马在奔跑过程中逐渐变为视频3，并逐渐消散，画面唯美， 背景音是马蹄声和科技感粒子音效 ``` ## 风格与质感修饰词库 在提示词末尾添加以提升输出质量，Step 4 的"画质、风格与约束"模块优先从本库选取： ### 画面风格 - `电影级质感，胶片颗粒，浅景深` / `2.35:1 宽银幕，24fps` - `黑白水墨风格` / `动漫风格` / `超写实风格` - `高饱和霓虹色调，冷暖对比` / `赛博朋克霓虹灯色温` - `超逼真4K医学CGI，半透明可视化` / `超精细CG动画技术` ### 氛围 / 情绪 - `紧张悬疑` / `温暖治愈` / `史诗恢宏` - `喜剧风格，表情夸张` / `纪录片风格，旁白克制` - `暗黑奇幻` / `仙侠高燃` / `圣诞节梦幻色调` ### 音频指导 - `背景音乐：恢宏大气` / `背景BGM参考 @音频1` - `音效：走路声、人群声、汽车声、脚步声、呼吸声` - `转场画面与音乐节奏卡点` / `脚步声、衣料摩擦声与节拍贴合` - `旁白音色参考 @视频1，声画分离` ### 防崩坏兜底约束词（必须挂载） - `人物面部稳定不变形、五官清晰、无穿模` - `4K 高清，细节丰富，构图稳定` - `摆造型与服装与参考图一致，不出现多余肢体` ## 常见错误与避坑指南 在 Step 3 要素审查阶段依据以下清单对提示词进行体检，发现问题在多选交互中列出： 1. **引用模糊**：禁止只写“参考 @视频1”，必须说清参考什么（运镜？动作？特效？节奏？）。 2. **指令冲突**：不要在同一时间切片中同时要求“固定镜头”和“环绕镜头”，或同时“推镜头”与“平移”。 3. **内容过载**：不要在 4-5 秒内塞入太多场景，要符合物理可行性；建议按 0-3s / 3-7s / 7-10s 裁切。 4. **素材无归属**：上传了 5 张图片，每一张都必须用 `@` 标注清楚用途。 5. **忽视音频**：音效设计能大幅提升输出质量，一定要写音频指导（BGM/音效/旁白音色/声画关系）。 6. **时长不匹配**：提示词的复杂度要与选定的生成时长匹配；8秒以上必须分时段描述。 7. **写实人脸**：不要上传包含真人清晰可辨识面部的素材，必被系统拦截。 8. **延长时长错配**：延长视频时，`duration` 应选“新增部分”的时长而非原视频总时长。 9. **Asset ID 裸奔**：动作描述中呈现 `[asset-xxx]`，该 ID 必须被 `@图 N` 桥接。 10. **@ 引用后接动词**：`@图1跑向` 会被分词器误解为“@图1跑”，必须加括号报幕：`@图1（李武）跑向`。