Seedance 2.5 官方提示词指南及提示词模板

字节跳动推出了新一代视频生成模型 **Seedance 2.5**。这次升级不只是画质提升：单条视频可完成完整叙事，一次创作能够调度数十份参考资料，修改时还可精确限定到指定秒数。

模型既支持仅通过文字生成视频，也能组合图片、视频和音频作为参考，并可直接对已有视频进行编辑。

相比 2.0，Seedance 2.5 的主要突破

01 扩展叙事容量：30 秒直出与高保真时序延展

• 单条视频最长支持 **30 秒**，镜头衔接连贯，不经后期拼接也能呈现情绪变化和剧情推进
• 在人物、场景和镜头一致的基础上，可高保真地延展较短素材，生成更长的视频成片
• 适用于广告 TVC、短剧、品牌故事片等强调完整叙事的项目

02 扩大全模态参考：最多上传 50 份素材

• 每次请求最多可携带 **50 份**全模态素材，图片、视频和音频可任意组合
• 无需反复提交，即可在同一轮创作中配置角色、场景、镜头参考及品牌音乐
• 专业 3D 白模、产品包装、品牌 VI 等复杂资产，也可保留原有特征继续使用

03 精细视频编辑：降低专业制作成本

• 新增**视频局部编辑能力**：整体画面、镜头与节奏不变的情况下，可定点调整背景、商品、人物等局部内容
• 结果可持续修改和迭代，既方便直接交付，也能减少后期返工
• 可用于广告本地化、电商 SKU 素材批量复用和品牌内容多渠道改版等场景

04 原生支持 10 余种语言，更强指令控制

• 原生兼容 **10 余种语言**，创作者可以直接用母语描述创意
• 对复杂调度、情绪变化和多层场景描述的理解与执行能力更强，指令遵循度也随之提高

本指南覆盖一句话生成、统筹 50 份参考素材、拆分 30 秒长视频、局部修改视频等常见任务，并为每类场景提供可直接使用的模板。

---

SECTION 01 | 基础撰写技法

1.1 文本指令的基础公式

编写提示词时，可按下面的结构组合信息：

**FORMULA：主体 ＋ 动作或事件 ＋ 场景与环境（可选）＋ 视觉风格（可选）＋ 运镜或切镜（可选）＋ 声音（可选）**

五大成分的职责划分

| 成分 | 说明 |
|------|------|
| **主体 ＋ 动作或事件** | 说明“谁”在“做什么”，这是视频的核心信息。先概述动作过程，只为关键动作补充细节，避免重复描述同一动作。 |
| **场景与环境** | 说明地点、时间、天气、空间关系和背景状态。 |
| **视觉风格** | 描述光线、色彩、材质、画面质感和整体氛围。 |
| **运镜或切镜** | 交代景别、机位、镜头运动、对焦对象及镜头衔接方式。 |
| **声音** | 指定对白、音色、环境声、音效和音乐。 |

基础模板

<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>。

示例

清晨的陶艺工作室里，陶艺师把一只浅蓝色陶杯从转盘取下，稳稳放在木架中央。柔和日光从窗户落入室内，湿陶土带着细腻光泽，工作台整洁有序。镜头先用中景拍下拉坯过程，随后缓慢推近杯身纹理，最后切换到木架正面。保留转盘的低沉转动声、陶土摩擦声与轻微室内环境声。

**注意**：不需要的部分可不写。生成参数由页面或接口统一配置，无须放入提示词。

---

1.2 有参考素材时，先准备素材并明确职责

最多可同时使用 **50 份**参考素材。

四类素材的输入上限与推荐用量

| 素材类型 | 输入范围 | 推荐范围 |
|----------|----------|----------|
| **图片** | 最多 30 张，单张不超过 4K | 每张主体图建议包含 1 至 8 个主体 |
| **视频** | 最多 10 段，视频总时长不超过 30 秒 | 主体音视频建议涉及 1 至 5 个主体，单段以 5 至 10 秒为宜 |
| **音频** | 最多 10 段，音频总时长不超过 30 秒 | 仅保留任务需要的台词、音色、环境声或音乐 |
| **视频编辑** | 可结合视频和参考图完成编辑 | 原视频建议在 20 秒内，参考图建议使用 1 至 5 张 |

**注意**：可以超过推荐数量尝试，但素材数量增加时，生成稳定性通常会下降。

当一张主体图中超过 5 个主体且需要多个视角，建议将视角拆分成多张图片；相比把所有视角拼在同一张图内，独立视角图通常更稳定。

逐份说清素材职责

上传素材后，应分别说明每份素材的作用。若其中的人物、背景或构图可能被错误带入成片，也需明确指出不采用的部分。

**必须在提示词中写明素材与主体的对应关系**。不要仅依赖图片文字标注，也不要让模型自行判断素材对应的人物、道具或场景。

素材职责模板

@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>。

示例

@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。

多视角的写法

@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。

**提示**：参考视频已准确表达动作、运镜和顺序时，只需说明需要继承的内容，无须逐项复述动作；重复描述可能与素材本身相冲突。

---

1.3 声音与文字的特殊符号

提示词可直接以自然语言撰写；如需区分音乐、音效、台词与字幕，可使用以下符号：

| 类别 | 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]` |

需要约束字幕或声音时，直接列出保留和排除的类别即可。画面仍应以正向描述为主，仅在素材职责、编辑范围或可能误带入内容处补充限制。

**示例：**

• 不要背景音乐，只保留人物对白、环境声和动作音效。
• 不要字幕。
• 完全不要声音。

强化台词的语言指定

台词为非中文时，建议预先注明使用的语言：

女孩用日语轻声说：{もう大丈夫です}

**推荐写法**：

台词语言 ＋ 地区变体或口音 ＋ 表达方式 ＋ 说话人 ＋ {台词内容}

**示例**：

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.}

---

SECTION 02 | 亮点技法

2.1 多素材创作：让模型知道每个场景该使用什么

图片、视频和音频能够组合使用。素材较多时，重点不是把所有内容塞进一句话，而是明确人物、道具、场景、动作和声音之间的对应关系。

建议按以下顺序组织提示词：

**ORDER：逐份素材职责 → 主体映射 → 按类型分组 → 主体设定 → 分场景调用**

STEP 01 | 先为各主体逐一命名

应分别为人物、商品和道具绑定对应素材：

`<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。`

**不要写成“@图片1至@图片4分别定义四名角色”**，这种说法无法明确每张图片对应的角色。

STEP 02 | 按类型归拢素材

[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。

STEP 03 | 集中刻画重要主体

同一人物需在多个场景调用不同素材时，可补充一段主体设定：

[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。

STEP 04 | 按场景选用素材

**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。

**目标**：多素材创作是让模型依照当前场景选择恰当素材，并非让所有素材同时出现在画面中。

---

2.2 30 秒长视频：用阶段和结束状态组织事件

事件较多时，可将故事拆为前后连贯的阶段。每个阶段只描述一次主要状态变化，并写明该阶段结束时画面可见的结果。

长视频模板

[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：<结束事件>。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。

示例：花店订单包装流程

生成一段展示花店订单包装流程的视频。<花艺师>与<店员>配合完成花束整理、包装，最后交到取货架。

**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。

时间戳与节奏把控

通常优先使用“阶段”叙述；只有在需要精确控制交接、进出场、转场或明确节拍时，才使用精确到秒的时间表达。

• **时间区间**适合安排剧情节奏
• **时间点**适合指定单次关键事件
• **相对时间**适合表达事件间的等待关系

**示例**：

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。

**注意**：时间段应连续且不可重叠。它是事件的时间预算，不是精确剪辑点，动作可出现在边界前后。时段描述过少会给模型更多发挥空间，过满则可能引起频繁切镜或遗漏情节。

**不要通过时间戳规定“每秒完成三次动作”这类动作频率。**

---

2.3 编辑 / 首尾帧 / 延长任务类型参数规则

视频编辑、首帧或首尾帧生成视频、视频延长会根据输入素材自动锁定部分生成参数，具体规则如下：

| 任务类型 | 画幅比例 | 时长 |
|----------|----------|------|
| **视频编辑** | 自动保持输入视频的比例，**不支持另行设置** | 自动基本保持输入视频的时长，**不支持另行设置**；可能存在最大约 0.3 秒的差异 |
| **首帧或首尾帧生视频** | 自动使用**首帧图片的比例**；首帧与尾帧应使用相同画幅 | 支持设置 |
| **视频延长** | 自动保持输入视频的比例，**不支持另行设置** | 支持设置 |

这些任务中自动锁定的参数，不能再通过生成页面或接口单独设置；其他参数以当前可用选项为准。

---

2.4 视频编辑：明确母版、修改范围和保持内容

编辑已有视频时，应先声明原视频为唯一母版，再说明编辑对象、作用范围、目标素材及必须保留的内容。

通用编辑写法

[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>。

示例

[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。

CASE A | 主体替换

**模板**：

[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。

**示例**：

[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。

CASE B | 背景替换

**模板**：

[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。

**示例**：

@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。

声音编辑

对白、语言、音色、背景音乐和音效均可单独处理。提示词应明确说话人或声音类型、期望改动，以及其他声音是否保持不变。

**示例**：

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。

---

2.5 视频延长：先对齐边界画面，再描述前置或后续内容

视频延长会在原视频的边界之外继续生成内容。输出画幅自动继承输入视频的比例，新增时长可由使用者设定。

两个方向的边界要求

| 方向 | 边界要求 |
|------|----------|
| **向后延长** | 延长片段首个画面须承接原视频尾帧 |
| **向前延长** | 延长片段最后一个画面须衔接原视频首帧 |

除边界画面外，人物、道具、背景、运动趋势和声音同样需要保持连续。

向后延长

先说明原视频尾帧中需要延续的状态，再描述尾帧之后的事件。

**基础模板**：

@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。

**示例**：

@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。

向后延长：有其他参考素材时

先逐一说明其他素材的用途，再明确原视频负责延长边界。

**模板**：

@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。

**示例**：

@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

先描述原视频开始前的事件，再将原视频首帧设为延长片段的明确结束状态。

**基础模板**：

@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。

**示例**：

@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。

向前延长：有其他参考素材时

分别说明素材职责，并区分哪些素材用于向前延长片段、哪些仅在原视频开始后使用。

**模板**：

@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。

**示例**：

@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。

**注意**：边界画面应做到视觉上自然衔接，不代表逐像素完全一致。

延长结果的音量可能与原视频略有不同；继续延长由同代模型生成的视频时，画面和声音通常更容易自然衔接。验收时应同时检查边界前后的画面、声音及完整延长片段。

---

SECTION 03 | 进阶玩法

3.1 关键帧、分镜与白模参考

首尾帧与参考素材

在多模态参考模式中，可直接在提示词首句指定@图片1为首帧、@图片2为尾帧，无须切换到独立的首尾帧模式。系统将按首帧画幅锁定输出比例，时长由生成页面或接口设置；首帧与尾帧应采用相同画幅，比例不同可能导致尾帧拉伸。

**基础模板**：

@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。
@图片4用于<主体B、道具或场景>的<指定属性>，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。

**示例**：

@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。

**注意**：每张锚点图均需单独说明，不要合写为“图片1和图片2作为首尾帧”。首帧和尾帧应使用相同画幅，其他参考图只提供指定属性，不能替代首尾帧构图。

多关键帧顺序控制

多张独立图片分别定义过程的不同阶段时，先在提示词第一句写明“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。

**基础模板**：

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。

**示例**：

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。

宫格分镜与故事板

宫格分镜适合表达整体故事、镜头顺序和大致构图，不适用于要求逐格细节完全复刻的场景。建议控制在 15 格以内，采用简洁线稿或清晰示意图，并尽量少加文字标注。

**基础模板**：

@图片1提供< >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>。

**示例**：

@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。

白模参考与渲染

白模参考可按精细程度分为粗粒度和细粒度两类。

| 类型 | 适合情况 | 素材要求 | 提示词重点 |
|------|----------|----------|------------|
| **粗粒度白模** | 以简单几何体预演动作、动线、站位、运镜或切镜 | 几何体关系明确，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，并注明继承的时序和空间信息 |
| **细粒度白模** | 已有完整建模，需替换人物、材质、色彩、场景或风格 | 模型结构完整、画面干净，避免轨迹线、坐标线和相机锥体 | 保留结构、动作和镜头，明确需重渲染的属性 |

粗粒度白模

粗粒度白模适合提前确定动作轨迹、运动方向、人物站位、进出场、机位路径、切镜位置、光影变化和声音节奏。

**白模信息 → 需要说明的内容**：

| 信息类型 | 说明内容 |
|----------|----------|
| **动线** | 动作轨迹、运动方向、人物站位和进出场顺序 |
| **运镜** | 机位、镜头路径、运动方向和速度变化 |
| **光照** | 光线方向、明暗变化和变化发生的时机 |
| **切镜** | 切镜位置，以及切镜前后的主体与构图 |
| **声音** | 是否继承对白、音乐、环境声或动作音效 |

**基础模板**：

@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>。

**示例**：

@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。

细粒度白模

细粒度白模已包含完整的人物、道具或场景结构，适合替换材质、色彩、人物形象、场景和整体视觉风格。白模画面应尽可能干净，不保留轨迹线、坐标轴、控制器或相机锥体等制作标记。

**基础模板**：

@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>。

**示例**：

@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。

---

3.2 一键成片

一键成片适合将多张图片，或图片结合风格参考视频，编排为节奏统一、包装完整的视频。提示词应说明素材职责、图片顺序、画面动态、剪辑节奏、视觉包装和声音，不要只写“把这些素材做成视频”。

**ORDER：素材职责 → 图片顺序 → 动态幅度 → 剪辑风格 → 视觉包装 → 声音**

基础模板

[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>。

示例：夜市旅行短片

**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**

画面依照@图片1至@图片6依次展开，串起"抵达夜市、逛街、用餐、散步和合影"的旅程。三位朋友的外貌与服装全程保持一致，彼此不混淆。

**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。

**注意**：图片顺序重要时，应逐张指定出现顺序；允许模型自由编排时，也要明确写出“可按主题自由编排”。涉及多个人物或商品时，仍需逐一命名并绑定素材。

---

3.3 视频无缝转场

视频无缝转场会在两段视频间生成连续过渡内容。提示词应先说明转场前后片段，再明确触发动作、镜头运动、画面变化、到达状态和声音衔接。

**ORDER：转场前视频 → 转场后视频 → 触发动作 → 镜头运动 → 画面变形 → 到达状态 → 声音**

五类转场的写法要点

| 转场方式 | 写法重点 |
|----------|----------|
| **俯冲或折返** | 说明镜头方向、速度变化和进入下一场景的时机 |
| **人物旋转** | 说明人物姿态、旋转方向及服装或背景如何连续变化 |
| **前景遮挡** | 说明遮挡物何时覆盖全屏，以及遮挡后出现的构图 |
| **物体变形** | 说明前后物体对应的形状、材质与变形过程 |
| **推拉或焦点变化** | 说明镜头运动、焦点对象及前后空间的连续关系 |

基础模板

@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>。

示例：

@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。

**注意**：无缝转场以画面和声音自然衔接为目标。即便要求保留两段原视频的主要内容，也不能将生成式过渡视为逐像素不变的剪辑拼接。

---

3.4 情绪方向与可观察表现

只写“紧张、温馨、压抑”等情绪词，模型可以理解整体方向，但具体演绎仍有较大空间。若需更稳定地控制表演，建议补充眼神、眉头、嘴角、呼吸、视线和手部动作等可观察表现。

无需列举所有面部细节。一次情绪转折通常选取 2 至 4 个最明确的表现即可；仅当情绪经历多次转折时，才需要按触发事件分阶段描述。

单次情绪转折：默认写法

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>。

多阶段情绪：按触发事件递进

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>。

示例：

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。

---

3.5 专业摄影术语

常见镜头语言和热门运镜方式可直接写入提示词。对于少见、含义不统一或需精确控制画面变化的术语，还应说明作用对象、画面变化和预期结果。

基础镜头语言

| 类别 | 术语 |
|------|------|
| **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 |

七种热门运镜的建议写法

| 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** | 说明主体保持的大小，以及背景空间被拉近或推远的效果 |
| **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"而没有镜头目标 |
| **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 |

相对冷门的摄影术语

对于过于小众、行业定义不统一或模型可能陌生的术语，应保留术语名称，并将其解释为可直接观察的画面变化。

**FORMULA：专业术语 ＋ 作用主体 ＋ 画面变化 ＋ 前景/背景关系 ＋ 方向或速度**

**示例**：

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。

摄影表达示例

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。

1. **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。

1. **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。

1. **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。

1. **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。

---

SECTION 04 | 提交前检查

• [ ] 是否明确了主体及主要动作或事件？
• [ ] 是否逐份说明参考素材的采用内容与排除内容？
• [ ] 是否为不同人物、商品和道具逐一命名并绑定素材？
• [ ] 多素材是否按场景选择，而不是要求全部同时出现？
• [ ] 长视频的每个阶段是否只包含一项主要变化，并写明结束状态？
• [ ] 人物数量、服装、道具归属和空间关系是否始终稳定？
• [ ] 视频编辑是否明确唯一母版、修改范围、目标数量和保留内容？
• [ ] 抽象情绪和摄影术语是否都对应可直接看见或听见的表现？
• [ ] 是否逐张说明首尾帧和多关键帧的职责，且首尾帧采用相同画幅？
• [ ] 宫格分镜是否说明需继承的结构；白模是否先区分粗粒度和细粒度，再写明继承的时序、结构、材质和风格？
• [ ] 视频编辑、首尾帧生成和视频延长是否遵循自动锁定的画幅比例与时长规则？
• [ ] 视频延长是否同时核对边界画面、运动趋势和声音的连续性？
• [ ] 一键成片是否说明素材职责、图片顺序、动态幅度、剪辑风格和声音？
• [ ] 无缝转场是否明确两段视频的职责、触发动作、过渡过程和到达状态？

---

SECTION 05 | 使用边界

九条能力边界

1. **时间戳**用于安排事件节奏，并不等同于帧级剪辑点。

1. **视频编辑**提示词可提高关键事件与原视频对齐的概率，但不能保证逐帧完全重合。

1. **多素材创作**的关键在于正确选择和组合素材，而不是让全部素材一同出场。

1. 对于要求完全准确的**字幕、公式、标牌、产品参数和帧级时间点**，建议采用“前期合成素材＋视频生成＋后期制作”的方式完成。

1. **视频编辑**会锁定输入视频的画幅比例和基本时长；两者均不能另行设置，输出时长与输入视频最多可能相差约 0.3 秒。

1. **首帧或首尾帧生成**按首帧画幅锁定比例，时长可设置；首尾图比例不同可能使尾帧拉伸。

1. **视频延长**会锁定输入视频的画幅比例，延长时长可设置；延长片段音量可能与原视频略有差异。

1. **一键成片**中，如图片顺序或人物对应关系重要，需在提示词中明确指定。

1. **视频无缝转场**追求视觉和声音连续，并不表示两段原视频可逐像素保持不变。

---

SECTION 06 | 指南声明

本指南示例用于展示提示词的组织方法；实际生成效果仍会受输入素材、任务复杂度和生成参数影响。