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：