字节官方 Seedance 2.5 提示词指南:从一句话公式到 30 秒长片,模板全可直接抄
50 份素材怎么派活、30 秒长片怎么分段、改片子怎么只动一处,官方把每类任务的推荐写法都写成了可复制模板。
- 字节自己下场教写 Seedance 2.5 提示词:一句话生成、素材调度、长片分段、改片延长,每类任务都有官方模板,模板连同全部示例都收在这一页里,直接抄。
- 整份指南其实在教同一件事,别让模型猜。有三个句式贯穿全篇,学会它们等于学会了一半。
- 文末还老实交代了它做不到什么:有几类内容,官方自己劝你别指望模型直出。
Seedance 2.5 是个什么模型,先垫个底
字节跳动给发布刚两天的 Seedance 2.5 出了一份官方提示词指南:从一句话生成,到 50 份参考素材怎么调度、30 秒长片怎么分段、改片子怎么只动一处,每类任务都配了能直接抄用的模板。对用即梦或 API 做视频的人,这是第一份成体系的官方写法手册,此前这些新能力只能靠社区帖子摸索。
先给没摸过这个模型的人垫个底。Seedance 2.5 是字节 Seed 团队 7 月 31 日发布的视频创作模型:单条视频从上一代的 15 秒翻倍到 30 秒直出;一次能组合的参考素材从 15 份涨到 50 份;还新增了对已有视频的编辑和延长。发布当天即梦和豆包专业版就能用。能力大了,提示词的写法也跟着变了,素材要编号派活,长片要分段描述,这正是这份指南要解决的问题。
相比 2.0,官方给出的四个主要突破:
- 单段时长上限直接拉到 30 秒,镜头表达更连贯,无需后期拼接即可呈现完整的情绪起伏与剧情推进;
- 同时具备高保真时序延长能力,可在保持人物、场景、镜头一致性的前提下,把短素材自然延展为更长成片,提升创作效率与成片品质。尤其适配广告 TVC、短剧、品牌故事片等对叙事完整度要求高的场景。
- 单次输入素材上限提升至 50 个全模态素材(图片 / 视频 / 音频自由组合),创作者可以一次性投喂完整的角色集合、场景集合、参考镜头与品牌音乐,模型综合理解后输出贴合创意意图的成片;
- 对复杂素材的稳定保持能力同步提升,专业级 3D 白模、产品包装、品牌 VI 等高复杂度资产都能被原样承接,前期投入的设计与镜头调度可直接复用。
- 新增视频局部编辑能力:在维持整体画面、镜头与节奏不变的前提下,对画面内的背景、商品、人物等局部元素进行精准修改,实现「一次创作、多版交付」;
- 生成结果由此可修改、可迭代、可交付,压缩后期返工成本。典型场景包括广告内容的本地化适配(出海广告快速更换人种 / 商品 / 文案)、电商素材的 SKU 批量复用,以及品牌内容的多渠道版本化。
- 原生支持 10 余种语言,全球创作者均可以母语描述创意意图,无需借助翻译或额外的语言转换;
- 指令理解与控制能力同步强化,对复杂镜头调度、情绪转折与多层次场景描述都能更精准遵循,服务面向全球的创作与商业化场景。
完整的发布解读、演示片和上手入口都在站内这篇:
通读整份指南会发现,所有技巧都指向同一个原则:把模型要猜的地方全部写死。三个高频句式贯穿全篇,「只采用……不采用……」「结束时画面里能看到……」「X 对应 @图片N」。下面每一节都会反复见到它们。
一条提示词六个零件,用几个拿几个
基础公式:主体 + 动作或事件是必写项,说明「谁或什么」正在「做什么」;场景环境、视觉风格、运镜切镜、声音四件可选,不需要的直接省略。动作优先概括主要过程,只为关键动作写细节,同一动作别重复描述。生成参数(时长、比例)不写进提示词,由生成页面或 API 设置。
<主体>在<场景与环境>中<主要动作或事件>。 画面呈现<视觉风格>。 镜头采用<景别、机位、运镜或切镜>。 声音包括<对白、环境声、音效或音乐>。
一名陶艺师在清晨的工作室里完成一只浅蓝色陶杯,将它从转盘上取下并放到木架中央。 窗外柔和晨光照入室内,湿润陶土呈现细腻光泽,工作台保持整洁。 镜头先以中景记录拉坯动作,再缓慢推近陶杯表面的纹理,最后切到木架正面。 保留转盘低沉转动声、陶土摩擦声和轻微室内环境声。
声音和文字有四个专用符号
提示词全程用自然语言就行。需要进一步区分音乐、音效、台词和字幕时,用这套符号:
| 内容 | 符号 | 示例 |
|---|---|---|
| 音乐 | () | (背景播放舒缓节奏的钢琴乐) |
| 音效 | <> | <远处传来钟声> |
| 台词 | {} | {你好,欢迎回来} |
| 字幕 | 【】 | 【第一章:启程】 |
要控制字幕和声音,直接写明保留什么、不要什么:
无背景音乐,只保留人物对白、环境声和动作音效。 不要字幕。 不要任何声音。
台词语言容易跑偏,写法上要加固
台词用非中文时,先在台词前写明语言:
女孩用日语轻声说:{もう大丈夫です}如果台词文本是英语、模型却说成了中文,或者需要控制地区口音,用这条加固公式:
台词语言 + 地区变体或口音 + 表达方式 + 说话人 + {台词内容}
台词语言:美式英语。女孩用自然、口语化的美式英语说:{I thought you weren't coming.}
台词语言:地道的洛杉矶美式英语。年轻男子用自然的洛杉矶口语说:{No way, you actually made it.}素材能塞 50 份,但稳定区比上限小得多
一次最多组合 50 份参考素材。四类素材各有输入范围,官方同时给了一组小得多的「推荐范围」,上限是能力边界,推荐范围才是稳定区,素材越多稳定性越容易下降:
| 素材类型 | 输入范围 | 推荐范围(稳定区) |
|---|---|---|
| 图片 | 最多 30 张,单张不超过 4K | 主体图片以 1 至 8 个主体为宜 |
| 视频 | 最多 10 段,总时长不超过 30 秒 | 1 至 5 个主体,单段 5 至 10 秒 |
| 音频 | 最多 10 段,总时长不超过 30 秒 | 只留与任务直接相关的台词、音色、环境声或音乐 |
| 视频编辑 | 视频与参考图共同完成编辑 | 原视频 20 秒以内,参考图 1 至 5 张 |
超过推荐范围仍可尝试:主体图可以扩到 9 至 12 个主体,主体音视频扩到 6 至 10 个主体,编辑参考图扩到 6 至 8 张。另一个提高稳定性的细节:同一主体需要多视角时,一张图放一个视角,比把几个视角拼成一张拼贴图更稳。声明写法是这样:
@图片1定义同一盏折叠台灯的正面外观。 @图片2定义同一盏折叠台灯的左侧结构。 @图片3定义同一盏折叠台灯的右侧结构。 @图片4定义同一盏折叠台灯的背面结构。 四张图片共同定义同一盏折叠台灯,成片中始终只有一盏折叠台灯。
每份素材写清:用什么,不用什么
传完素材,要逐份声明它提供什么。三条铁律:映射关系必须写进提示词正文;别只靠图片里贴的文字标签;别让模型自己猜哪份素材对应哪个人物、道具或场景。「不采用」倒不必每份都写,只在素材里的人物、背景或构图容易被误带进成片时才写。
@图片1用于<主体>的<外貌、服装、结构或材质>。 @视频1用于<动作、运镜或节奏>。 @音频1用于<角色或声音类型>的<音色、台词、环境声或音乐>。 <主体>在<场景>中完成<主要动作或事件>。 画面呈现<视觉风格>,镜头采用<镜头表达>。
看官方示例(陶艺师素材版)
@图片1用于<陶艺师>的五官、发型和深绿色围裙,不采用图片背景。 @图片2用于<陶艺工作室>的木质工作台、窗户位置和晨间光线,不采用图中人物。 @视频1用于双手拉坯、托起陶杯和放置陶杯的动作节奏,不采用视频中的人物身份、服装和场景。 <陶艺师>在清晨的<陶艺工作室>完成一只浅蓝色陶杯,将它从转盘上取下并放到木架中央。 镜头先以中景记录拉坯动作,再缓慢推近陶杯表面的纹理;保留转盘转动声、陶土摩擦声和室内环境声。
还有一条:参考视频已经把动作、运镜和顺序都定准时,只需说明继承哪些内容,别逐个动作复述,重复描述反而可能跟素材本身打架。
几十份素材怎么组织:分场景派活
素材一多,提示词的重点就变成写清人物、道具、场景、动作和声音之间的对应关系,把全部素材塞进同一句话没有用。官方给了一套五步组织法,最终目标是让模型在每个场景里挑对素材,全员同框从来就不是目标:
第一步,给每个人物、商品、道具单独命名并绑定素材:
<人物A>对应@图片1,只采用外貌、发型和服装。 <人物B>对应@图片2,只采用外貌、发型和服装。 <道具A>对应@图片3,只采用结构、材质和颜色。 <场景A>参考@图片4,只采用空间布局、建筑和光线,不采用图中人物。
第二步,素材多了按类型整理,人物、道具、场景、动作声音各归各组:
【人物】 <修复师>对应@图片1,只采用外貌、发型和服装。 <记录员>对应@图片2,只采用外貌、发型和服装。 <布展员>对应@图片3,只采用外貌、发型和服装。 <讲解员>对应@图片4,只采用外貌、发型和服装。 四人的外貌、服装、动作、站位和台词不互相交换。 【道具】 <样本盒>对应@图片5,只属于<修复师>。 <记录板>对应@图片6,只属于<记录员>。 【场景】 <修复室>参考@图片7,只采用空间、材质和光线。 <展厅>参考@图片8,只采用空间、材质和光线。 【动作与声音】 @视频1用于<修复师>打开样本盒的动作,不采用视频中的人物和场景。 @音频1用于<讲解员>的音色和指定台词。
第三步,同一人物要跨场景用多份素材时,给他建一份集中档案:
【主体设定:修复师】 外貌与服装:@图片1。 固定道具:@图片5中的<样本盒>。 出现地点:<修复室>和<展厅>。 动作参考:@视频1的开盒动作、@视频2的放置样本动作。 不采用:其他人物的服装,不持有<记录板>或讲解设备。
第四步,按场景点名调用,每场只写用到的素材、发生的事件和结束状态:
场景一|修复室检查 使用:<修复师>、<样本盒>、<修复室>和@视频1的开盒动作。 事件:<修复师>在工作台前打开样本盒并检查内部样本。 结束时:<修复师>停在工作台内侧,样本盒始终位于<修复师>自身右手旁,也就是位于画面左侧。 场景二|展厅登记 使用:<记录员>、<记录板>和<展厅>。 事件:<记录员>在展柜旁核对记录板上的编号。 结束时:记录板仍由<记录员>双手持有,其他人物不进入展柜区域。
30 秒长片:拆阶段,每阶段只变一件事
事件多的故事拆成连续阶段,每个阶段只安排一个主要状态变化,并写清该阶段结束时画面里能直接看到的状态,花束在谁手里、剪刀放回哪一侧。「结束时」这行是整套写法的关键:它给了模型一个可以核对的画面锚点。
【生成目标】 生成一段<视频类型>。核心主体是<主体>,主要事件是<故事概要>。 【阶段一】 开始时:<人物、道具和场景的初始状态>。 主要事件:<一个主要动作或事件>。 结束时:<人物位置、道具归属或画面状态>。 【阶段二】 承接上一阶段:<需要保持的状态>。 主要事件:<一个主要动作或事件>。 结束时:<可观察状态>。 【阶段三】 主要事件:<收束事件>。 结束时:<最终画面状态>。 【保持一致】 保持<人物身份、数量、服装、道具归属、空间方向和声音关系>稳定。
看官方示例(花店订单包装流程)
【生成目标】 生成一段花店订单包装流程说明视频。<花艺师>和<店员>共同完成花束整理、包装和交付。 【阶段一】 开始时:<花艺师>站在工作台后,桌面放有散开的花枝、剪刀和包装纸。 主要事件:<花艺师>整理花枝并修剪长度。 结束时:花束握在<花艺师>左手,剪刀放回工作台右侧。 【阶段二】 承接上一阶段:两人保持相同身份和服装,花束仍由<花艺师>持有。 主要事件:<店员>展开包装纸,<花艺师>放入花束并系上绿色丝带。 结束时:包装完成的花束平放在工作台中央,丝带结朝向镜头。 【阶段三】 主要事件:<店员>拿起花束并放到取货架上。 结束时:花束只在取货架中央,两人站在工作台后方检查成品。 【保持一致】 保持<花艺师>和<店员>的身份、服装、工作台方向、剪刀位置和花束归属稳定。
时间戳三档用法,普通叙事优先用阶段
只有关键交接、进出场、转场或明确节拍需要控制时,才动用以 1 秒为单位的时间表达:
| 写法 | 适合 | 示例 |
|---|---|---|
| 时间区间 | 分配剧情节奏 | 0-3秒……3-7秒……7-12秒…… |
| 明确时间点 | 指定一次关键事件 | 第5秒,镜头快速向左横移并完成转场。 |
| 相对时间 | 描述事件间的等待 | 人物按下按钮3秒后,房间灯光逐渐熄灭。 |
0-5秒:展示空置的木质展示台;一只手放下白色陶盘;结束时手已离开,展示台中央只有白色陶盘。 5-10秒:移走白色陶盘,再放下透明玻璃杯;结束时展示台中央只有透明玻璃杯。 10-15秒:移走透明玻璃杯,再放下绿色陶瓶;结束时展示台中央只有绿色陶瓶。
改片子:先立唯一母版,再圈修改范围
动手前先记住一张参数表:三类任务会根据输入素材自动锁定部分生成参数,锁掉的在生成页面和 API 里都改不了。
| 任务类型 | 画幅比例 | 时长 |
|---|---|---|
| 视频编辑 | 自动保持输入视频比例,锁定 | 自动基本保持输入视频时长,锁定;受输入帧处理影响可能有最大约 0.3 秒差异 |
| 首帧或首尾帧生视频 | 自动使用首帧图片比例;首尾帧应同画幅,否则尾帧可能被拉伸 | 可设置 |
| 视频延长 | 自动保持输入视频比例,锁定 | 延长时长可设置 |
编辑已有视频的固定套路是五段式:先把原视频立为唯一母版,再依次写编辑目标、目标素材职责、编辑范围和保持内容。核心动作是「圈地」,圈出要动的那一块,其余全部声明照旧:
【编辑目标】 编辑@视频1,在<全片或明确时间段>对<画面对象、区域或声音类别>进行<增加、移除、替换或调整>。 【原视频职责】 @视频1是唯一编辑母版,负责<人物、场景、动作、构图、镜头、遮挡关系、声音和事件顺序>。 【目标素材职责】 @图片1或@音频1用于<目标对象或声音的指定属性>。 【编辑范围】 只处理<对象、区域、时间段或声音类别>。 【保持内容】 保持@视频1中的<不应变化的画面、动作、声音和时间关系>。
看官方示例(4-7 秒把冷蓝灯光调成暖橙)
【编辑目标】 编辑@视频1,只在4-7秒把画面右侧墙面的冷蓝色灯光调整为暖橙色灯光。 【原视频职责】 @视频1是唯一编辑母版,负责人物、房间布局、动作、构图、镜头运动、声音和事件顺序。 【编辑范围】 只调整右侧墙面及其照亮区域的光线颜色;人物肤色随环境光自然变化。 【保持内容】 人物身份、服装、表情、位置、动作、房间结构、镜头运动、对白和环境声保持@视频1。
主体替换:新对象要继承旧对象的整条时间线
把片子里的一个对象换成另一个,多一段「时间线继承」:新对象要照单全收旧对象每次出现、被遮挡、离开画面的时点、路径和速度,像换演员不换剧本,新演员必须在同样的时间点走同样的位。
【编辑目标】 编辑@视频1,只把<原对象>修改为<目标对象>。 【原视频职责】 @视频1是唯一编辑母版,负责原始场景、机位、镜头运动、动作轨迹、遮挡关系和事件顺序。 【目标素材职责】 @图片1用于<目标对象>的<外观、结构或材质>,不采用<无关背景、人物或构图>。 【编辑对象与范围】 只修改<明确对象和区域>。全片目标对象数量为<数量>。不修改<需要保持的内容>。 【时间线继承】 <目标对象>继承<原对象>每次出现、运动、遮挡和离开的时点、持续时长、路径与速度变化。 除以上明确修改对象或区域外,@视频1中的其他人物、道具、场景内容、镜头运动、镜头切换和事件顺序保持原样。
看官方示例(黄色台灯换成白色台灯)
【编辑目标】 编辑@视频1,只把视频中的黄色折叠台灯替换为@图片1中的白色折叠台灯。 【原视频职责】 @视频1是唯一编辑母版,负责书桌、书本、手部动作、机位、镜头运动、遮挡关系和事件顺序。 【目标素材职责】 @图片1只用于白色折叠台灯的外观、结构和材质,不采用图片中的背景、构图或其他物体。 【编辑对象与范围】 全片始终只有一盏白色折叠台灯。只替换原黄色折叠台灯,不修改书本、书桌、手部和背景。 【时间线继承】 白色折叠台灯继承原黄色折叠台灯每次出现、转动灯臂、被手遮挡和离开画面的时点、路径与速度变化。 除以上明确修改对象或区域外,@视频1中的其他人物、道具、场景内容、镜头运动、镜头切换和事件顺序保持原样。
背景替换:只动主体轮廓之外的区域
【编辑目标】 编辑@视频1,只把<原背景区域>替换为@图片1中的<目标环境>。 【原视频职责】 @视频1是唯一编辑母版,负责人物、前景物体、动作、构图、镜头运动和事件顺序。 【目标素材职责】 @图片1只用于<目标环境>的空间布局、材质、景深、环境色和光线方向,不采用图片中的人物或前景物体。 【编辑对象与范围】 只修改<主体轮廓之外的背景区域>。不修改<主体身份、五官、发型、服装、表情、位置、大小和动作>。 【时间线继承】 人物动作与遮挡关系保持@视频1。除以上明确修改对象或区域外,@视频1中的其他人物、道具、场景内容、镜头运动、镜头切换和事件顺序保持原样。
看官方示例(浅灰背景换成日间玻璃温室)
@视频1是唯一编辑母版,负责人物、动作、构图、镜头和事件顺序。 @图片1只提供日间玻璃温室的空间布局、景深、环境色和光线方向,不采用图片中的人物。 只把@视频1中人物轮廓之外的浅灰色背景替换为@图片1中的日间玻璃温室。 人物身份、五官、发型、服装、表情、位置、大小和抬手动作保持@视频1。 除以上明确修改对象或区域外,@视频1中的其他人物、道具、场景内容、镜头运动、镜头切换和事件顺序保持原样。
声音可以单独编辑
对白、语言、音色、背景音乐和音效能分别处理,写清说话人或声音类别、目标变化,以及其他声音是否保持:
编辑@视频1,只移除原有背景音乐,保留人物对白、口型、环境声和动作音效;画面内容、镜头和剪辑节奏保持@视频1。 编辑@视频1,把<讲解员>的台词语言调整为自然的美式英语,台词内容和说话时点保持不变;其他人物声音、背景音乐、环境声和画面保持@视频1。
接长视频:先对齐边界那一帧
视频延长是在原片边界之外继续创作:接在片尾叫向后延长,加在片头叫向前延长。两个方向的共同要领是先把边界那一帧的状态写成「保持连续」,再描述新内容;还要求同一主体始终是同一个连续对象,不重复、不分裂。
向后延长:延长段第一个画面承接原片尾帧
@视频1是需要向后延长的原视频。 向后延长@视频1。延长片段的第一个画面直接承接@视频1的尾帧:保持<主体姿态与朝向>、<道具位置>、<背景与空间关系>、<机位与构图>、<光线>、<声音状态>和<运动趋势>连续。 随后,<描述需要延长的新动作、事件、镜头或声音>。 延长过程中保持<人物身份与服装>、<关键道具>、<背景布局>、<摄影轴线>和<原有声音环境>连续。 同一主体始终保持为同一个连续对象,不重复、不分裂;人物外形或物体部件数量保持稳定。
看官方示例(纸飞机继续滑出画面)
@视频1是需要向后延长的原视频。 向后延长@视频1。延长片段的第一个画面直接承接@视频1的尾帧:保持同一固定中景、橙色纸飞机的位置与朝向、教室窗边背景、午后光线和向画面右侧飞行的趋势连续。 随后让橙色纸飞机继续向画面右侧滑行并飞出画面,窗边白色纱帘轻微摆动。镜头和教室背景保持原视频尾帧状态。
带其他参考素材时的写法(模板+园艺师示例)
@图片1定义<人物A>的面部特征。 @图片2定义<人物A>的服装。 @图片3定义<关键道具>的结构与材质。 @视频1是需要向后延长的原视频。 向后延长@视频1。延长片段的第一个画面直接承接@视频1尾帧:保持<边界画面与声音状态>连续。 随后,<人物A使用关键道具完成的新动作或事件>。 延长过程中保持<人物身份与服装>、<关键道具>、<背景布局>、<摄影轴线>和<原有声音环境>连续。 同一主体始终保持为同一个连续对象,不重复、不分裂;人物外形或物体部件数量保持稳定。
@图片1定义<园艺师>的面部特征。 @图片2定义<园艺师>的浅绿色工作围裙。 @图片3定义<藤编花篮>的结构与材质。 @视频1是需要向后延长的原视频。 向后延长@视频1。延长片段的第一个画面直接承接@视频1尾帧:保持温室工作台、<园艺师>的站位和<藤编花篮>的位置连续。 随后,<园艺师>双手提起<藤编花篮>并把它放到身后的木架中层。 延长过程中保持<园艺师>的面部、围裙、温室布局和镜头方向连续。
向前延长:把原片首帧写成延长段的明确结束状态
这里有个官方点名的坑:只写一句「随后承接原视频」,模型可能提前把后面才出场的人物或特效带进来,或者到达目标状态后画面又变。正确做法是先描述原片开始前发生的事,再把原片首帧一项项写成延长段的结束状态:
@视频1是需要向前延长的原视频。 向前延长@视频1。在原视频开始之前,<描述前置动作、事件、镜头或声音>。 延长片段的最后一个画面自然衔接@视频1首帧:<主体姿态与朝向>,<道具位置>,<背景与空间关系>;保持<机位与构图>、<光线>、<声音状态>和<运动趋势>与@视频1首帧一致。 延长过程中保持<人物身份与服装>、<关键道具>、<背景布局>、<摄影轴线>和<原有声音环境>连续。 同一主体始终保持为同一个连续对象,不重复、不分裂;人物外形或物体部件数量保持稳定。
看官方示例(玻璃温室空镜开场)
@视频1是需要向前延长的原视频。 向前延长@视频1。在原视频开始之前,呈现同一座玻璃温室空镜:晨雾贴近地面缓慢散开,顶部遮阳帘逐渐升起,画面中暂时没有人物。 延长片段的最后一个画面自然衔接@视频1首帧:保持温室中央通道、两侧种植台、玻璃框架、柔和晨光和固定广角构图与@视频1首帧一致;结束时遮阳帘已经完全升起,通道中没有人物,叶片仍在轻微摆动。
带其他参考素材时的写法(模板+策展员示例)
@图片1定义<人物A>的面部特征。 @图片2定义<人物A>的服装。 @图片3定义<关键道具>的结构与材质。 @视频1是需要向前延长的原视频。 向前延长@视频1。在原视频开始之前,<人物A完成前置动作或事件>。 延长片段的最后一个画面自然衔接@视频1首帧:<人物A的姿态与朝向>,<关键道具的位置与状态>,<其他人物的站位>;保持<背景与空间关系>、<机位与构图>、<光线>、<声音状态>和<运动趋势>与@视频1首帧一致。 延长过程中保持<人物身份与服装>、<关键道具>、<背景布局>、<摄影轴线>和<原有声音环境>连续。 同一主体始终保持为同一个连续对象,不重复、不分裂;人物外形或物体部件数量保持稳定。 <只在原视频开始后出现的素材>不在向前延长片段中提前出现。
@图片1定义<策展员>的面部特征。 @图片2定义<策展员>的深蓝色工作外套。 @图片3定义<木质展示盒>的结构与材质。 @图片4定义两名<布展助理>的灰色工作服。 @图片5定义<展陈准备室>的空间和光线。 @视频1是需要向前延长的原视频。 向前延长@视频1。在原视频开始之前,<策展员>走到工作台前,拿起闭合的<木质展示盒>并打开盒盖。 延长片段的最后一个画面自然衔接@视频1首帧:<策展员>站在画面中央,双手托住打开的<木质展示盒>;两名<布展助理>分别站在其身后左右两侧。保持竖屏正面中景、工作台位置、准备室背景和左侧晨光与@视频1首帧一致。
进阶控制:关键帧、分镜、白模
首尾帧不用切模式,首句声明就行
在多模态参考模式里,直接在提示词第一句写明 @图片1 作为首帧、@图片2 作为尾帧即可。系统按首帧画幅锁定输出比例,时长照常设置;首帧尾帧要同画幅,否则尾帧可能被拉伸。每张锚点图单独说明,合并成「图片1和图片2作为首尾帧」的写法不行。其余参考图照常定义人物、道具、场景,但只补指定属性,不替代首尾帧构图。
@图片1作为首帧,定义视频开始时的构图、主体位置、姿态、道具状态、场景和镜头方向。 @图片2作为尾帧,定义视频结束时的构图、主体位置、姿态、道具状态、场景和镜头方向。 @图片3用于<主体A>的<外貌、服装、结构或材质>,不改变@图片1定义的首帧构图,不改变@图片2定义的尾帧构图。 <描述一个连续动作或事件>。 画面从@图片1定义的首帧自然开始,经过连续动作后到达@图片2定义的尾帧。 首尾之间保持<人物身份、道具结构与归属、场景布局和镜头方向>连续。
看官方示例(香水工坊)
@图片1作为首帧,定义视频开始时香水工坊的构图、人物位置、姿态、桌面道具状态和镜头方向。 @图片2作为尾帧,定义视频结束时香水工坊的构图、人物位置、姿态、桌面道具状态和镜头方向。 @图片3用于<调香师>的面部、发型和深绿色围裙,不改变@图片1定义的首帧构图,不改变@图片2定义的尾帧构图。 @图片4用于<玻璃香水瓶>的造型、材质和标签位置,不改变@图片1定义的首帧构图,不改变@图片2定义的尾帧构图。 <调香师>从首帧姿态开始,拿起滴管和<玻璃香水瓶>,把琥珀色香精滴入瓶中,轻轻摇匀并盖好瓶塞,再把成品放到桌面中央,最后自然到达@图片2定义的尾帧。 首尾之间保持<调香师>的身份与服装、香水瓶数量与结构、木桌布局、暖色侧光和镜头方向连续。
多关键帧:控制阶段顺序,逐帧复刻做不到
多张独立图片分别定义过程的不同阶段时,第一句先写「以@图片1至@图片N的顺序作为关键帧」,再逐张说明对应的关键状态。独立关键帧比把多个画面拼进一张宫格图更容易对齐。
以@图片1至@图片N的顺序作为关键帧。 @图片1作为首帧,定义<开始时的构图、主体位置、姿态、道具状态和镜头方向>。 @图片2定义第二个关键帧:<第一阶段结束时的可见状态>。 @图片3定义第三个关键帧:<第二阶段结束时的可见状态>。 @图片N作为尾帧,定义<结束时的构图、主体位置、姿态、道具状态和镜头方向>。 画面依次经过@图片1、@图片2、@图片3至@图片N定义的状态,各阶段之间使用连续动作自然过渡。 全过程保持<主体身份、道具结构与归属、场景布局、光线和摄影轴线>连续。
看官方示例(纸飞机四个关键帧)
以@图片1至@图片4的顺序作为关键帧。 @图片1作为首帧,定义橙色纸飞机静置在教室木桌左侧,机头朝向画面右侧,固定中景。 @图片2定义第二个关键帧:同一架橙色纸飞机被一只手从桌面托起,机头方向不变。 @图片3定义第三个关键帧:同一架橙色纸飞机从窗边掠过,窗帘向右轻微摆动。 @图片4作为尾帧,定义同一架橙色纸飞机落在右侧书架中层,机头仍朝向画面右侧。 画面依次经过@图片1、@图片2、@图片3和@图片4定义的状态,各阶段之间保持飞行方向和速度连续。 全过程保持纸飞机的橙色材质、大小与折痕,教室布局、午后侧光和镜头轴线连续。
宫格分镜:给故事和镜头顺序,别要求逐格复刻
宫格分镜负责整体故事、镜头顺序和大致构图。建议 15 格以内,用简洁线稿或干净示意图,少放文字标注。提示词要写明读取顺序,再逐格写主体动作、景别运镜、最终画风和声音。
@图片1提供<N格宫格分镜>的镜头顺序和大致构图,按照<从左到右、从上到下>的顺序读取;不采用图中的<线稿画风、文字标注或占位人物>。 @图片2定义<主体A>的<外貌与服装>。 @图片3定义<关键道具或场景>的<结构、材质或光线>。 镜头1:<景别、主体动作、场景状态>。 镜头2:<景别、主体动作、运镜或切换方式>。 …… 镜头N:<结束动作和结束画面状态>。 最终画面采用<视觉风格>,声音包括<对白、环境声、动作音效或音乐>。
看官方示例(四格陶艺分镜)
@图片1提供四格陶艺制作分镜的镜头顺序和大致构图,按照从左到右、从上到下的顺序读取;不采用图中的线稿画风和文字标注。 @图片2定义<陶艺师>的面部、短发和深灰色围裙。 @图片3定义<蓝釉杯>的杯身比例、釉面颜色和弧形杯把。 镜头1:广角呈现安静的陶艺工作室,<陶艺师>坐在拉坯机前。 镜头2:中景侧拍<陶艺师>双手扶住旋转的湿陶坯,杯身逐渐成形。 镜头3:特写手指修整杯口与杯把连接处,泥浆沿指尖缓慢滑落。 镜头4:中近景呈现烧制完成的<蓝釉杯>被放上木架,<陶艺师>收回双手。 最终画面采用写实纪录片质感,保留拉坯机转动声、湿泥摩擦声和工作室环境声。
白模:先分清手里是运动骨架,还是完整建模
白模(blockout)指用灰色几何体或素模型预演动作和机位的参考视频,像拍电影前用替身和纸箱走位彩排:位置和节奏先定下来,正式拍再换真演员真道具。官方把它分成两档,用之前先判断手里是哪档:
| 类型 | 适合情况 | 素材要求 | 提示词重点 |
|---|---|---|---|
| 粗粒度白模 | 用简单几何体预演动作、动线、站位、运镜或切镜 | 几何体关系清楚,动作序列完整;可叠加人物、道具和场景图片 | 逐一映射白模主体,说明继承哪些时序与空间信息 |
| 细粒度白模 | 已有完整建模,需要更换人物、材质、色彩、场景或风格 | 模型结构完整、画面干净,去掉轨迹线、坐标轴和相机锥体 | 保持结构、动作和镜头,明确要重渲染的属性 |
粗粒度白模里的每个几何体都要单独映射到最终主体或道具。手臂、翅膀这类附属结构,只有动作序列完整时才适合当白模信息,否则容易动作僵硬或结构误判。
@视频1是粗粒度白模参考,仅提供<动作路径、人物站位、机位、运镜、切镜、光影变化、声音节奏或空间关系>,不采用其中的白模外观、材质和场景。 @视频1中的<白模主体A>对应<主体A>。 @视频1中的<白模主体B或几何道具>对应<主体B或关键道具>。 @图片1定义<主体A>的<外貌、服装或结构>。 @图片2定义<主体B、关键道具或场景>的<指定属性>。 <主体>在<场景>中完成<主要动作或事件>。 保持@视频1中的<动作路径、站位、运镜、切镜、光影或声音节奏>。 最终画面采用<人物、场景、材质和视觉风格>,声音包括<对白、环境声或动作音效>。
看官方示例(圆柱体变讲解员,长方体变展车)
@视频1是粗粒度白模参考,仅提供人物行走路径、展车移动方向、固定机位、一次推镜和两次切镜,不采用其中的灰色几何体外观与空白场景。 @视频1中的高圆柱体对应<讲解员>。 @视频1中的长方体对应<移动展车>。 @图片1定义<讲解员>的面部、蓝色制服和胸牌。 @图片2定义<移动展车>的白色金属框架和透明展罩。 @图片3定义科技展厅的弧形墙面、灰色地面和顶部条形灯。 <讲解员>推着<移动展车>沿弧形墙面前进,在中央展台前停下并打开透明展罩。 保持@视频1中的行走路径、主体站位、推镜方向和切镜位置。 画面采用明亮写实的展馆纪录片风格,保留脚步声、车轮声和展厅环境声。
@视频1是细粒度白模参考,保持<主体结构、动作、空间布局、机位、运镜和切镜>,不采用原有灰模材质和空白背景。 @图片1定义<主体>的<人物形象、材质、颜色或表面细节>。 @图片2定义<场景>的<空间、材质、光线或视觉风格>。 将@视频1中的<主体>重渲染为<最终主体>,场景重渲染为<最终场景>。 保持@视频1中的<结构、动作、镜头和空间关系>,画面呈现<材质、色彩和风格>,声音包括<环境声、音效或音乐>。
看官方示例(灰模装置重渲染成黄铜玻璃雕塑)
@视频1是细粒度白模参考,保持环形装置的完整结构、三层圆环转动关系、展台位置、环绕运镜和切镜,不采用原有灰模材质与空白背景。 @图片1定义装置外环的拉丝黄铜材质。 @图片2定义内层叶片的半透明蓝色玻璃材质。 @图片3定义当代艺术展厅的白色曲面墙、深灰地面和顶部柔光。 将@视频1中的环形装置重渲染为黄铜与蓝色玻璃组成的动态雕塑,场景重渲染为当代艺术展厅。 保持@视频1中的结构、转动节奏、环绕运镜和切镜,保留装置低沉转动声与安静的室内环境声。
一键成片与无缝转场:把散图和两段片缝起来
一键成片:五件事写全,别只说「做成视频」
一键成片把多张图片、或图片加一段风格参考视频,组织成节奏统一的完整视频。提示词要写全五件事:素材职责、图片顺序、动态幅度、剪辑风格、声音。图片顺序重要就逐张写明;允许模型自由编排也要写出「可按主题自由编排」。多个人物或商品照旧逐一命名绑定。
【素材职责】 @图片1用于<人物、商品、场景或开场画面>。 @图片2用于<人物、商品、场景或过程画面>。 @图片3用于<人物、商品、场景或结尾画面>。 @视频1仅用于<剪辑节奏、转场、字幕包装或音乐风格>,不采用其中的人物身份和场景(可选)。 【编排方式】 图片按照<上传顺序、指定顺序或主题自由编排>出现。 <说明需要保持的人物、商品、地点和事件关系>。 【画面动态】 每张图片采用<轻微Live动效、视差、推拉、横移或局部动作>。 保持<主体外观、商品结构、文字或背景关系>稳定。 【成片风格】 采用<剪辑节奏、转场方式、字幕或图形包装、色彩风格>。 【声音】 包括<对白、环境声、音效或音乐>。
看官方示例(夜市旅行短片,六张图成片)
【素材职责】 @图片1用于夜市入口和开场环境。 @图片2用于<旅行者>沿街行走的画面。 @图片3用于灯笼摊位和手工艺细节。 @图片4用于三位朋友围桌用餐。 @图片5用于河边夜景和倒影。 @图片6用于三人在桥边合影的结尾画面。 @视频1仅用于轻快剪辑节奏、手绘贴纸和转场方式,不采用其中的人物身份与地点。 【编排方式】 画面按照@图片1至@图片6的顺序出现,形成「到达夜市、沿街游览、用餐、散步、合影」的完整过程。 保持三位朋友的外貌与服装稳定,不互相混合。 【画面动态】 环境图片采用缓慢推近和轻微视差;人物图片只增加自然眨眼、转头、举杯和衣物随风摆动。 保持摊位结构、餐桌位置和桥边栏杆稳定。 【成片风格】 采用明快的旅行短片节奏,场景之间使用自然遮挡和相近色彩衔接,手绘贴纸只出现在画面边缘。 【声音】 保留夜市人声、餐具轻响和河边风声,配合轻快但不过分抢眼的器乐音乐。
无缝转场:写清触发、变形和到达状态
无缝转场在两段视频之间生成连续的过渡内容。写法是一条链:
| 转场方式 | 写法重点 |
|---|---|
| 俯冲或折返 | 镜头方向、速度变化,以及何时进入下一场景 |
| 人物旋转 | 人物姿态、旋转方向,以及服装或背景如何连续变化 |
| 前景遮挡 | 遮挡物何时覆盖全屏,以及遮挡后出现的构图 |
| 物体变形 | 前后物体对应的形状、材质和变形过程 |
| 推拉或焦点变化 | 镜头运动、焦点对象,以及前后空间的连续关系 |
@视频1是转场前片段,采用其<尾部主体、动作、构图、镜头方向和声音>。 @视频2是转场后片段,采用其<开头主体、构图、镜头方向和声音>。 保持@视频1和@视频2原有片段中的<人物身份、商品结构、场景和主要动作>稳定。 在@视频1尾部,<主体或前景物>通过<动作>触发转场。 镜头<运动方向和速度变化>,画面中的<形状、材质、光线或空间>逐渐变化为@视频2开头的<对应元素>。 转场结束时自然到达@视频2的开头构图,并保持<主体位置、镜头方向和运动趋势>连续。 声音从<前段声音>平滑过渡到<后段声音>。
@视频1是转场前片段,采用雨夜街道、红色雨伞、缓慢向前推近的镜头和雨声。 @视频2是转场后片段,采用展厅圆形天窗、向上抬升的镜头和安静室内混响。 保持两段原视频中的人物、街道、展厅结构和主要动作稳定。 在@视频1尾部,红色雨伞靠近镜头并逐渐覆盖整个画面,触发转场。 镜头继续向前推进,雨伞的圆形边缘逐渐变成展厅天窗的金属圆环,红色伞面逐渐过渡为天窗透入的白色天光。 转场结束时自然到达@视频2开头的仰拍构图,镜头由向前推进平滑转为向上抬升。 雨声逐渐减弱,并平滑过渡为展厅内的脚步回声。
演技和镜头:把抽象词翻译成看得见的
情绪:写可观察表现,模型才不乱演
只写「紧张」「温馨」「压抑」这类情绪词,模型能理解方向,但表演方式会自由发挥。想稳定控制演技,就写能直接看到或听到的表现,眼神、眉头、嘴角、呼吸、视线、手部动作。单次情绪转折挑 2 至 4 个最明确的表现就够,情绪多次转折才按触发事件分阶段。
「年轻演员显得紧张,随后放松下来。」
- 皱眉?攥拳?来回踱步?模型自己挑
- 转折发生在哪一刻,没有锚点
- 握住节目单的手指突然停住
- 视线缓慢转向幕布,肩膀仍然紧绷
- 确认谢幕后轻轻呼出一口气
- 嘴角浮现克制的微笑,眼眶慢慢湿润
整体情绪从<起始情绪>转为<结束情绪>。 发生<触发事件>后,<主体>先出现<即时可观察反应>。 随后,<眼神、眉头、嘴角、呼吸、视线或手部动作>逐渐发生<变化>。 最终,<主体>以<克制或明确的外在表现>表达<目标情绪>。
听到或看到<第一个触发事件>时,<主体的第一个可观察反应>。 当<第二个触发事件>出现后,<主体的表情、视线或呼吸发生的变化>。 确认<关键信息>后,<主体试图克制或掩饰的情绪>通过<可观察表现>逐渐显现。 最终,<主体的最终动作、表情或说话方式>。
舞台后方传来演出结束的掌声。年轻演员握住节目单的手指突然停住,视线缓慢转向幕布方向,肩膀仍然紧绷。 确认谢幕后,她先轻轻呼出一口气,肩膀逐渐放松,嘴角浮现克制的微笑,眼眶慢慢湿润,但始终没有转身离开。
镜头:常用术语直接写,小众术语带上翻译
基础镜头语言直接写进提示词就能被认出来:
| 类型 | 支持的常用写法 |
|---|---|
| 景别 | 大全景、全景、中景、近景、特写 |
| 运镜 | 推、拉、摇、移、跟、环绕、俯冲、后拉、上摇、手持晃动 |
| 机位与视角 | 低角度、俯视、第一人称 |
热门运镜方式也能直接用,但画面里有多个主体时,要说明运镜围绕谁、从哪开始、到哪结束:
| 运镜方式 | 建议写法 |
|---|---|
| 一镜到底 | 说明镜头连续经过的主体、空间和事件顺序 |
| 希区柯克变焦(dolly zoom) | 说明主体保持的大小,以及背景空间被拉近或推远的效果(主体大小不变、背景移动产生的眩晕感镜头) |
| 航拍视角 | 说明俯视高度、移动方向和需要展示的环境范围 |
| FPV | 说明第一人称飞行或穿行路径、速度和转向 |
| 子弹时间 | 说明被冻结或放慢的动作,以及镜头环绕方向 |
| 手持镜头 | 说明跟拍对象和晃动程度,避免只有「手持感」没有镜头目标 |
| 回弹变速 | 说明动作在哪个节点加速、减速或回弹,以及最终停留状态 |
过于小众、行业含义不统一的术语,保留名称的同时翻译成可以直接观察的画面变化:
专业术语 + 作用主体 + 画面变化 + 前景/背景关系 + 方向或速度 移焦:焦点从前景树叶平滑转移到背景人物。树叶逐渐虚化,背景人物的面部由模糊变得清晰。
看官方的五个摄影表达示例
示例1. 浅景深人像,<糕点师>的眼睛和面部保持清晰,身后的玻璃罐和灯光虚化成柔和圆形散景。 示例2. 追随摄影,镜头与<滑板者>同速水平移动,人物保持清晰,街边墙面形成从右向左的水平拖影。 示例3. 黄金时刻,暖色低角度阳光从<登山者>左后方照入,山脊地面形成较长阴影。 示例4. 自然暗角,画面四角逐渐变暗,中心<钢琴演奏者>的亮度和肤色保持正常,不出现黑色边框。 示例5. 甩镜转场,第5秒镜头快速向左横移;前景书架完成整屏遮挡时切换到下一场景,切换后镜头继续保持向左运动和相近速度。
交作业前的检查卡,和它老实承认做不到的
指南末尾把全篇技巧压成一张提交前自查卡,交作业前逐条过一遍:
它老实承认做不到的
指南单独列了一章使用边界,把模型的能力极限交代得直白:
- 时间戳只能用于分配事件节奏,到不了帧级剪辑点的精度。
- 编辑提示词能提高关键事件与原视频对齐的概率,保证不了逐帧完全重合。
- 多素材创作的重点是正确选择和组合素材,全部素材同时出现从来就没被当成目标。
- 必须完全准确的字幕、公式、标牌、产品参数和帧级时间点,建议用前期合成好的素材、视频生成加后期制作一起完成,别指望直出。
- 视频编辑锁定输入视频的比例和基本时长,输出时长最多差约 0.3 秒。
- 首帧或首尾帧生成以首帧画幅锁定比例;首尾图比例不同,尾帧可能被拉伸。
- 视频延长锁定输入视频比例,延长片段的音量可能与原片有轻微差异。
- 一键成片里图片顺序或人物对应关系重要时,必须在提示词里明确指定。
- 无缝转场追求视觉与声音连续,两段原视频做不到逐像素保持不变。
回到开头那三个句式:「只采用……不采用……」管素材,「结束时画面里能看到……」管过程,「X 对应 @图片N」管身份。整份指南的几十个模板,拆开看全是这三句话在不同任务里的变体,把模型要猜的地方写死,产出就稳。
字节把 Seedance 2.5 的提示词写法收成了官方模板,全篇只教一件事:别让模型猜
字节跳动给上线两天的 Seedance 2.5 写了份官方提示词指南,一页带图讲完它到底在教什么。
↓ 一页读完 · 有一张会动的图
提示词(写给 AI 的那段话)以前一句就够。现在 50 份素材怎么派活、30 秒长片怎么分段、改片子怎么只动一处,每类任务都配了能直接抄的模板。近三十个模板拆开看,指向的是同一条原则。
Seedance 2.5 是字节跳动 7 月 31 日发布的视频模型:单条视频从上一代的 15 秒翻倍到 30 秒直出,一次能组合的参考素材从 15 份涨到 50 份,还能改和接长已有的视频。胃口一变大,提示词的活也跟着变了,图传上去,模型得先认出哪张是人、哪张只借背景。
这三个数字都出自字节跳动的官方指南,是产品规格,不是第三方实测。超出推荐范围照样能跑,只是素材越多,成片越容易翻车。
一条提示词六个零件:主体加动作必写,场景环境、视觉风格、运镜切镜、声音四件按需取用。零件之外,指南反复在做同一件事,把模型要猜的地方写死。三个句式贯穿全篇,一句堵一处。
差别有多大,看指南自己点名的反例就够了。左边这两句话都留着空当,模型只能自己填;右边把归属、范围和结束状态一项项写死。
右边多写了几十个字,换来的是模型不再把参考图里的路人和背景一起搬进成片。素材几十份时还要再往上加一层:按类型分组、给跨场景的主角建档案、每个场景只点名当场要用的那几份。这类写法指南做成了近三十个可复制模板,全部收在正文里。
把这套写法铺开,指南覆盖了从零生成、改已有片、接长片到多图成片的每类活;末尾还单开一章,交代模型的能力到哪儿为止。
素材归属:每份写清只采用什么,容易带错的再补一句不采用什么
长片节奏:拆成阶段,每段只安排一个主要变化,写明结束时画面里能看到什么
改已有片:先把原片立为唯一母版(一切以它为准),圈出要动的那一块,其余全部声明照旧
接长片:先把边界那一帧写成保持连续,再写新内容
人物演技:把「紧张」换成手指停住、视线转向这类看得见的表现
帧级剪辑:时间段只是时间预算,动作会在边界前后浮动,「一秒完成三次动作」这种写法不成立
逐帧重合:编辑能提高关键事件对齐的概率,输出时长最多差约 0.3 秒
精确文字:字幕、公式、标牌、产品参数要完全准确,建议前期做好素材再合成,别指望直出
逐像素相同:延长片段只做到视觉自然衔接,音量还可能与原片有轻微差异
一起扔了进去
哪张只借背景?
- × 参考图里的路人跟着进了片
- × 四个角色的服装串了
- × 花束不知道落在谁手里
模型猜
归属、节奏、身份
「结束时画面里能看到……」 → 过程节奏
「X 对应 @图片N」 → 身份对应
+ 音频 10 段
1 到 8 个主体
角色不串,道具不换手
- × 帧级剪辑:时间段只算预算
- × 逐帧重合:时长差最多 0.3 秒
- × 精确字幕公式:先做素材再合成
