# Doubao Seedance 2.0 系列提示词指南（摘录自火山方舟文档页） > 来源：https://www.volcengine.com/docs/82379/2222480?lang=zh 以下正文由官方文档页内容抽取整理，用于站内对照；若与官网不一致，以官网为准。 Doubao Seedance 2.0 系列（下文简称 Seedance 2.0 系列）模型原生支持音频与视频联合生成，拥有卓越的语义理解与多模态交互能力。本文介绍 Seedance 2.0 系列模型的提示词（Prompt）使用方法和相关技巧，帮助您更高效地利用该模型生成符合需求的优质视频作品。 注意 本指南中呈现的所有视觉（图片、视频）及音频素材，均由 Seedance/Seedream 系列视觉生成模型自主生成。 基础公式 Seedance 2.0 系列模型支持同时参考视频、图片、音频等多模态素材，能精准锁定人物样貌、动作特效、视觉风格、配音音色等特征，大幅降低提示词编写门槛。基于这一优势，我们可以通过简单的基础公式来引导模型，利用多模态素材的特点，快速生成满足特定需求的视频。 参考生视频可细分为三类任务：多模态参考、编辑视频和延长视频。您可根据任务类型选择提示词基础公式。 多模态参考 从素材中提取部分元素（如主体、风格、场景、音效），生成一个全新视频。 适用场景 ：动作迁移、主体复用、氛围借鉴等 推荐句式 图片参考 ：参考 \<图片N\> 中的 \<主体N\> ，生成... 视频参考 \<视频N\> \<动作/运镜/风格/音效\> 音频参考 \<音频N\> 中的音色，生成... 编辑视频 在原视频基础上进行局部或全局修改。未提及的部分，默认保持不变。 ：局部替换、主体抹除、属性修改等 增加元素 ：清晰描述 \<元素特征\> \<出现时机\> \<出现位置\> 修改元素 ：严格编辑 ，将其中的 \<原特征\> 修改为 \<新特征\> 删除元素 ：点明需要删除的元素，对于保持不变的元素，在提示词中加以强调，表现更佳 延长视频 在时间维度上延续原视频，要求音视频风格、主体与叙事保持一致。 ：续写剧情、延展动作、补全片段等 ：向前/向后延长 轨道补全 \<视频1\> \<过渡画面描述\> + 接 \<视频2\> +接 \<视频3\> 编辑 / 延长视频任务，直接使用“ ” 指代视频，请勿使用“参考 ”，以免被误判为参考任务。 组合任务 上述3种任务也支持组合使用。 ：参考某个素材，编辑另一个素材。 参考 \<图片/视频N\> 的 [参考维度] ，严格编辑 \<视频X\> [具体编辑内容] 进阶公式 Seedance 2.0 本质上是一个多模态 AI 导演：同时读取你的文字提示词、图片、视频、音频，并在内部拆成 “空间层”（画面里有什么）和 “时间层”（事情如何随时间变化）两个维度来理解和生成画面。 因此，好的提示词不是单纯的 “文案型形容”，而是 “工程型指令”：谁、在什么场景、做什么动作、镜头如何运动、按怎样的时间顺序发生，分别投递给空间层和时间层。具体公式如下： 简单说就是，先锁定“谁”在“干什么”，再交代“在哪”，“什么氛围”，然后告诉模型“怎么拍”，最后用风格、画质和约束条件把结果收紧。下面详细拆解各要素。 1 定义主体 实际参考的素材，一张图片中往往存在多个主体，为了精准引用素材中的特定对象，必须进行明确的主体定义。主体可以是人物、道具、场景等。 每次涉及主体时需明确指代，避免省略。支持以下两种用法： 对于未定义主体的简单场景，每次提到主体时，都要使用 \<主体N\>@\<图片N\> ，强调主体和素材的绑定关系。例如：张三@图片1。 对于已提前定义主体的场景，每次提到主体时，都应使用同一标签。例如：将 视频1 中的高个子男人定义为 警察 ，将另一个矮个子男人定义为 小偷 。后续描述涉及到高个子男人持续使用“ ”指代，涉及到矮个子男人持续使用“ ”指代。 使用素材库（Asset ID）时，仍需使用 指代主体。因模型无法直接关联 Asset ID 与参考内容，故不得直接以 Asset ID 替代 描述尽量简洁，避免冗余，避免语义冲突（如同一主体出现矛盾特征）。 空间关系建议优先通过参考图表达，减少复杂文字描述。 2 使用分镜时序 模型的内部建模是空间和时间解耦的。因此，一个复杂视频的提示词，最理想的形态是时间轴化分镜：把视频拆成几个分镜，按事件发生顺序动态描述每个分镜： 谁 + 在哪 + 做什么 + 镜头怎么动。 实操建议 使用镜头顺序，对每一段视频都写一个简单的 “镜头 1 / 镜头 2 / 镜头 3” 分镜，再合并成完整的提示词。 反面案例 ：“男人在街头紧张地奔跑，画面很有电影感。” 正面案例 镜头 1：街巷侧拍，男人缓慢起跑，带有急促的呼吸感。 镜头 2：男人撞翻水果摊，镜头快速摇动并给到男人惊恐的特写。 镜头 3：男人翻过矮墙消失，镜头缓慢拉远定格在空荡的街道。 具体规则 使用 镜头1 镜头2 镜头3 等标识，按事件发生顺序（先主后次）组织内容。不强制限制每段时长，优先让模型根据剧情自然生成节奏。 说明 模型对精确时间（如 0–3 秒）的支持不稳定，强行限制时长可能导致生成结果异常。 每个镜头推荐按以下逻辑组织： 运镜或镜头切换方式 ：如 “全景缓慢推近”“固定机位”“镜头切至…” 等。 主体动作与表情 ：描述核心角色 / 物体的关键动作、神态变化。 位置或空间变化 ：说明主体所处的场景、位置或空间关系。 音频信息 ：描述对应镜头的音效、人声或背景音乐等。 动作描述要求 肢体细化 + 程度量化 动作需具体到手、腿、头部、肩背等肢体部位，同时补充 幅度、速度、力度 描述； 示例：缓慢抬手、快速转头、用力蹬地、微微低头。 优先低缓连续小动作 优先选用缓慢、轻柔、连贯的细微动作，尽量规避狂奔、大跳、剧烈翻滚等高爆发、大动态动作。 示例：缓慢行走、轻轻抬手、微微低头、顺势坐下 补充动作过渡衔接 写明前后动作的惯性与承接关系，保证画面动作连贯自然。 示例：借着转身惯性顺势抬手、从停顿状态自然过渡到举手。 情绪具象外化表达 用具体的身体细节表现情绪，替代 “很悲伤”“非常愤怒” 这类抽象词汇。 具体示例参见下表： 4 运镜写法 模型对运镜词理解力很强，直接使用标准运镜术语即可，例如 “中景、特写、全景、缓慢推镜、平稳横移、固定镜头” 。更多请参见 镜头语言 一个镜头里尽量只指定 1 种运镜方式，不要同时要求推拉摇移，会增加画面的不稳定性。 5 画质、风格与约束词 画质、风格与约束词是把控视频生成效果的关键，能够为模型划定创作边界、统一画质与美术调性，同时规避画面瑕疵与随机偏差，是保障成片效果稳定合规的必要配置。 1 画质 定义画面清晰度、细节纹理与光影质感，提升成片基础画质。 示例 ：高清，细节丰富，电影质感，色彩自然，光影柔和 2 风格 设定整体美术画风与视觉调性，统一画面艺术氛围。 ：赛博朋克冷蓝紫色调、复古胶片、日系清新 3 约束词 约束词十分重要，可有效规避画面瑕疵、畸形崩坏及不合理元素，约束生成边界与稳定性。 常用约束词模板 避免生成字幕 ：“保持无字幕”、“避免生成任何文字或字幕” 避免生成 Logo ：“不要生成Logo” 避免生成水印 ：“不要生成水印” 6 实战案例 展示如何使用上文介绍的进阶公式和各要素来编写提示词。 其他技巧 文字生成 Seedance 2.0 系列模型支持生成常用文字。模型能根据情境 自动匹配 合适的风格与颜色，也支持在提示词中 指定 文字的颜色、风格、出现方式、出现时机、出现位置。编写时请优先使用 常用字 ，避免 生僻字 与 特殊符号 ，以确保最佳呈现效果。当前支持广告语、字幕、气泡等场景，具体写法和案例请参见 视频延长 vs 分段拼接 连续长镜头（视频延长） ：适用于单一场景内的 “文戏”，如长对话、情绪递进、单一路径移动，以实现沉浸式、连贯的一镜到底效果。 场景 / 动作转折（分段拼接） ：适用于剧情转折或复杂、快速的 “武戏”，如追逐、打斗、蒙太奇等，可通过独立生成片段再剪辑组合，保证节奏与视觉冲击力。 实际制作中通常结合两种方式，例如先用延长生成连贯对话，再拼接空镜或转场片段，兼顾沉浸感与节奏变化。 素材配置策略 通常把素材分成四种 “功能角色”： 角色锚定：锁定角色外观 场景定调：锁定环境与风格 运镜参考：锁定镜头语言与动作节奏 节奏氛围：用音频控制情绪、音色 推荐配置 （总计 4-5 个素材）：角色图 1-2 张（面部特写 / 全身）+ 场景图 1 张 + 运镜视频 1 段 + 音频 1 段。 不建议用满素材上限，过多素材会导致模型难以判断特征优先级，易出现风格冲突、主体识别模糊、生成效果偏离预期等问题。 注意事项 语言规范 台词语言需统一，避免中英文混用（专有名词除外）。 特殊字符规范 提示词中合理使用符号有助于模型准确理解不同信息类型： 常见问题 人物 ID 漂移 典型现象 生成的角色形象与参考图不一致，或在视频中途发生“换脸”（ID 漂移），导致视频中人物撞脸明星被审核拦截。 根因分析 人脸参考图的有效性不足 参考图混用 ：将人脸参考图与全身/半身姿态图、服装参考图、细节图等合并在同一张图片中提供给模型。 人脸占比过小 ：在混用参考图中，人脸区域占整张图的比例过小，模型在提取人脸特征时权重不够，容易被背景或其他元素干扰。 解决方案 强化人脸参考的独立性和权重： 准备人脸特写图 ：在原有全身照之外，额外准备一张 只包含角色头部的人脸特写图 （大头照，仅保留面部，无表情最佳，尽量减少肩颈、背景等干扰元素）。 提示词中主体定义清晰 主体1\> 的面部特征参考图片1（大头照），妆造参考图片2（全身照） 重要素材前置 ：越需要 精准参考 的素材，放在提示词中 越靠前 的位置。 人物参考使用大头照 + 全身照即可， 不建议使用人物多视图 。多视图素材包含同一人物的不同角度，模型易将其识别为多个不同主体，反而加剧ID漂移问题。 视频中包含字幕 提示词中未要求生成字幕，生成的视频中包含字幕。 目前无法直接做到 100% 避免生成字幕，只能通过以下方法降低其出现概率、提升抽卡成功率。 在提示词中加入明确的约束指令：“保持无字幕”、“避免生成任何文字或字幕”。 如果参考的图片/视频中包含的文字并非必要信息，建议先通过工具去除文字（例如使用 Seedream/ Seedance 模型的图片/视频编辑能力），再使用无文字素材作为输入。 在业务允许的前提下，优先选择横屏尺寸生成视频（横屏生成字幕的概率明显低于竖屏），后续可通过剪辑软件裁剪为竖屏。 视频中有 Logo / 水印 提示词中未提及水印相关内容，生成的视频包含其他视频平台的 Logo / 水印。 在提示词中加入明确的约束指令：“不要生成水印”、“不要生成Logo” 。 风格漂移 期望生成 2D 或者 3D 动漫风格，但输入的参考图片的风格比较写实，并且提示词中未强调视频风格，生成的视频有概率漂移成真人写实风格。 在提示词中加入明确的风格约束词，例如“2D日漫风格”、“3D国风漫画”。如果需要更精准的风格控制，建议将参考图先变为目标风格再进行生视频。 延长视频衔接处跳变 使用视频延长功能生成新视频后，将新视频与原视频进行拼接，在衔接处可能出现画面跳变、回退的问题。 当前建议通过后期剪辑修补，对齐关键帧，后续将依托模型迭代进行根本性优化。 将待拼接的视频导入剪映或其他专业视频剪辑软件。 在第一个衔接处，将 前一段视频的末尾删减 6 帧 同时，将 后一段视频的开头删减 1 帧 对所有的拼接点重复以上操作。 导出并检查拼接后视频的流畅度。 视频帧对齐后，仍可能存在细微跳变，建议在续写生成视频的时候以转场切镜的时刻结尾，下一段视频以结尾切镜后的新场景为起始。 双胞胎问题 在画面人物较多且传入人物三视图作为参考素材的场景下，生成视频同一画面中易出现两个完全相同的人物。 提示词中对人物主体的定义不清晰，模型无法精准区分不同人物角色； 以人物三视图 / 多视图作为参考素材时，易造成模型人物识别混淆，从而生成重复同款人物。 目前无法直接做到 100% 避免双胞胎问题，只能通过以下方法降低其出现概率、提升抽卡成功率。 明确人物主体关联 在提示词中清晰定义每个人物角色，明确角色与参考图的对应关系。建议在人物名称后标注对应参考图，并保持格式统一。 示例：张三（对应图片 1）将绿色存折扔向站立的李四（对应图片 2）。 添加全局约束指令 在提示词末尾增加固定约束： 视频全程禁止出现外形、着装、配饰完全一致的人物，禁止生成同款分身、双胞胎效果，同一画面中仅保留单个对应人物，不出现人物重复复刻 优化参考素材 人物参考图优先使用单人独立照片，不建议使用三视图、多视图素材。 精简优化提示词 请勿直接将完整剧本作为提示词使用，文案内容过度冗余易造成模型理解混乱，需精简无关表述、保证指令清晰聚焦。 视频延长画质劣化 将模型生成的视频作为输入素材进行延长续写时，会出现画质劣化。多次续写会叠加劣化效果，尤其人物人脸区域易出现斑驳色块。 当前可通过以下方式缓解画质劣化，后续将依托模型迭代进行根本性优化： 将原始视频通过 Seedance 2.0 转为白模视频，再作为续写输入素材。 参考提示词：将视频转为白色 3D 模型，人物统一为纯白 3D 模型，无色彩、无纹理、无阴影，纯白背景，结构稳定、运动流畅。 优先选用高清图片作为参考素材。 合理控制视频续写次数，避免多次叠加续写。 特效效果不符合预期 通过提示词文字描述特定特效时，可能会出现特效效果与预期不符的情况，例如：提示词指定「数字“2999”以倒计时动画出场」，实际生成的数字滚动特效出现无序跳变，不符合标准倒计时逻辑。 建议采用 参考视频 定义特效：将目标特效视频作为参考素材输入模型，让模型精准理解特效形态与运动逻辑，生成效果更贴合预期。例如：数字“2999”出场方式参考视频1。 参考人物过多 当参考人物数量超过 4 人时，模型输出稳定性下降，生成的视频可能出现人物数量不符（如少人、多人）或人物重复等问题。 当前可通过以下方式缓解，后续将依托模型迭代进行根本性优化： 分步生成图片 ：将人物分组，确保每组生成的图片中人物数量不超过 4 人。例如，6 个人可分成 2 组，每组 3 人，分别生成图片。 图片生成视频 ：使用第一步生成的多张分组图片作为参考素材，再生成最终视频。 视频结尾有噪音 视频中包含旁白时，视频片尾容易出现突兀咔哒声、截断杂音。 重新生成视频，或使用剪映等剪辑工具，对片尾音轨通过 音量包络线 做音频淡出处理，消除截断噪音。 具体步骤 (使用剪映)： 将生成的视频导入剪映。 在时间轴上选中视频轨道，点击工具栏中的 音频 选择 功能（部分版本位于基础 / 调节菜单内），并选择关键点。此时音频轨道上会出现一条代表音量的线以及关键点。 在视频临近结尾处，将末尾音量关键点下拉至音量为 0，形成一个向下的斜坡。 预览确认片尾音频自然淡出，无突然截断与杂音即可。 中文发音不准 模型对多音字、生僻字、形近字容易读错。 可将易读错文字替换为 发音一致的常用同音字 ，规避发音偏差，还原预期音频效果。注意该方案仅为优化手段，无法完全规避所有发音问题。 示例：可将提示词中“螭龙山”改写为同音字“吃龙山”。 音色参考不准 使用参考音频指定音色时，最终生成视频的音频音色与参考音色存在明显偏差。 在提示词中补充细致的音色特征描述，可参考 Seedance-1.5-pro 提示词指南 保持视频台词风格与参考音频的语气、表述风格相近，有助于提升音色还原度与稳定性。 附录：提示词案例 展示在不同场景下使用 Seedance 2.0 系列模型的提示词示例，帮助您更精准地实现多模态参考的指代控制及文字生成等功能。 更多优秀案例请参考 控制台体验中心 Seedance2.0 模版库。 广告语（Slogan） 提示词参考模板： Seedance2.0 能根据情境匹配合适的文字风格，如果对文字表现效果的要求较为严格，可参考下文中的 多图参考 \> Logo 参考 参考案例： 字幕 气泡台词 Seedance 2.0 系列模型既支持主体多视角参考，也支持场景图、分镜图等多图参考。 使用过程中，如对图片顺序有要求，应 按顺序上传 ，提示词中可使用 图片1 图片2 图片n 进行准确指代。 主体多视角图参考 指代清楚参考对象即可，模型能够响应的指令包括但不限于以下示例。 商品： 角色： 多图参考 多元素参考 Seedance 2.0 系列模型支持视频参考，使用时指代清楚生成内容和参考对象即可。 使用过程中，如对视频顺序有要求，应 视频2 视频n 动作参考 运镜参考 特效参考 视频编辑 Seedance 2.0 系列模型支持视频编辑，支持增加、删除或修改元素，视频的向前或向后延长，以及轨道补齐。 元素增删改 视频延长 模型将自动截取衔接部分进行合成，输入视频原有片段，不会重复生成。 轨道补齐 Seedance 2.0 系列模型最多支持 3 段视频输入，总时长不得超过 15 秒。 生成时将自动截取首尾视频的衔接部分，仅保留必要片段参与合成。 当视频中存在多个主体时，需要分别定义，并使用标签区分。标签应具备唯一性与稳定性，后续描述中需持续使用对应标签，避免指代混乱。 ： 将\<图片/视频N\>中的[主体1核心特征]定义为\<主体1\>，将\<图片/视频N\>中的[主体2核心特征]定义为\<主体2\>... ： 将 。场景设定为拥挤的白天集市，阳光明媚，周围有许多水果摊位和密集的行人，充满市井生活气息。 在拥挤的集市人群中惊慌失措地向前狂奔， 在后方紧随其后全速追赶，两人快速穿梭在各个摊位之间。手持镜头向前快速跟拍，画面带有轻微真实的晃动感，营造追逐的紧张氛围。 家居物品 [成品效果] [参考素材] [提示词] 背景为暖调居家场景，中景呈现参考图中的保温杯，镜头平稳推近至保温杯近景，镜头外一只手自然入镜轻握杯身拿起保温杯，镜头跟拍手部微微旋转动作展示。 提示词进阶公式：精准主体 + 动作细节 + 场景环境 + 光影色调 + 镜头运镜 + 视觉风格 + 画质 + 约束条件 ，树叶落地的瞬间，激起金色粒子特效，一阵风吹过，接 ▲ 视频 1 ▲ 视频 2 ▲ 图片 1 将 中的香水替换成 中的面霜，动作和运镜不变。 「文字内容」+「出现时机」+「出现位置」+「出现方式」，「文字特征（颜色、风格）」 「角色」说：“……”，角色话说时周围出现气泡，气泡里写着台词。 3C 数码 提取 图片3 的相机，把背景换成白色，相机在一个白色桌子上，镜头以特写的形式聚焦相机，然后以相机为主体缓慢旋转，清晰展示相机的正面侧面以及背面。 素材准备 @图片 1：女主半身照 @图片 2：宿舍场景参考图 @视频 1：室内对话运镜参考（中景推拉或轻微摇移） @音频 1：室内环境声或轻音乐 提示词 @图片 1 中的女孩作为主角，@图片 2 作为宿舍场景风格参考，参考 @视频 1 的运镜方式。 镜头 1 ：傍晚时分， 女孩 @图片 1 脚步轻快地走到 宿舍门口 @图片 2 ，镜头中景平稳跟拍，暖黄色日光从窗外洒进走廊，她在门口停顿一下，深呼吸，表情略带紧张。 镜头 2 推开门走进宿舍，镜头切到室内中景，舍友们一边整理书本一边抬头看向她，其中一人笑着问 {考得怎么样呀，过了吗}，镜头在几人之间缓慢切换半身特写。 镜头 3 先低头露出落寞表情，镜头给到她的近景，随后她抬头憋不住笑意，哈哈大笑说 {骗你们的}，舍友们追着打闹起来，镜头缓慢拉远，定格在宿舍内一片欢声笑语的全景画面。 全程画面高清电影纪实风，色调温暖，光影柔和；人物面部稳定不变形，动作自然流畅，无卡顿无闪烁；环境音效与 @音频 1 自然融合。 Logo 参考 背景是霓虹闪烁的未来都市空中廊道，飞行器与全息广告交织，参考 中的女孩，先用中景展示女孩放飞带有全息投影的银色悬浮灯，再镜头拉远展现漫天悬浮灯，画面逐渐模糊，后出现 的 Logo，整体风格为 3D 赛博朋克科幻动画风格。 向前延长 ，给白衣男子过肩镜头，白衣男子说：“It’s not that bad. You're just stressed. Everyone goes through this, you just need to keep going.” 中的女子形象，生成她在一家咖啡店吃蛋糕的画面。 多主体参考 参考图片中的猫猫和狗狗，在一个温馨的公寓里，狗狗在趴着吃狗粮，猫猫走过来，伸出爪子碰了碰狗狗，狗狗看到猫猫后停下吃饭，猫猫依偎在狗狗身边。画面采用暖色调。 向后延长 生成 之后的内容，迟到的两个男士跑向他们，五个人终于见面，友好聊天。 中的女孩形象，女孩在一个草莓园里，摘下一颗，吃了一口，笑着说：“This is the real deal! ”女孩周围出现一个气泡，气泡里面写着台词。 手绘漫画风格，三个人围坐在一起吃 中的炸鸡，气氛友好愉悦，后画面逐渐模糊，画面中部显示文字“快乐尽在 Seedance”。 影视 的金色粒子特效，让 中的人物吹笛子的同时，身边环绕一样的粒子特效。 营销 中马的奔跑形态，生成一匹金色的骏马在草原上奔跑，随即定格其奔跑的华丽姿态，变成一个马形的金吊坠。 多宫格分镜图参考 参考图片中的分镜图，生成打斗激烈的打斗场面。图片中的各个分镜构图要按照顺序出现，之后二人激烈打斗。 在 的台面上添加炸鸡、披萨等小吃。 当多个素材中的对象指向同一主体时，应统一绑定： 定义为** @图片 1：红衣女主 @图片 2：黑衣刺客（对手） @图片 3：悬崖竹林场景图 @视频 1：武打对决运镜参考 @音频 1：紧凑的鼓点或打斗音效 @图片 1 的红衣女子作为女主，@图片 2 的黑衣女子作为对手，场景参考 @图片 3 的悬崖竹林环境，整体运镜和动作节奏参考 @视频 1，背景音效与 @音频 1 同步。 ：傍晚，镜头从 红衣女子 @图片 1 侧面中景缓慢推进，她站在悬崖边拿起酒壶喝酒，衣袂在山风中轻轻摆动，镜头环绕她半圈，从正面推到背影，远处隐约可见竹林中的黑衣人影。 ：镜头变焦渐隐到远景，无人机视角俯瞰整片悬崖和竹林，两人分立山崖两端，山风卷起衣摆和尘土，节奏随鼓点略微加快。 ：镜头切回地面近景，二人缓慢拔剑对峙， 红衣女子@图片 1 神情从漫不经心转为冷冽， 黑衣女子@图片 2 目光坚毅，剑尖微微颤动，镜头平稳跟随两人绕圈移动，最后定格在两剑相交前一瞬间的特写。 整体画面烟雨江湖电影感，冷调低饱和，电影胶片质感，光影层次丰富；人物面部和身体比例稳定不变形，动作连贯自然，不僵硬，无穿模无卡顿。 分镜图参考 中的分镜构图，女孩正在等爸爸做好饭，她说：“아빠， 배고파요！ 밥 다 됐어요？”，女孩形象参考 。接着镜头向右横摇，切换至 图片4 的画面和构图，爸爸形象参考 ，爸爸回答她：“거의 다 됐어， 조금만 기다려！“，接着镜头切换回女儿略显失落的面部表情特写，她说：“아직 멀었어요？ 맛있는 냄새 나는데。。。”，接着切换成爸爸的面部特写，他说：“이제 진짜 금방이야。 ＂빨리빨리＂ 하지 말고 손부터 씻고 와！”。 玩法特效 的特效，让 中的女生长出相同的翅膀，翅膀生成轨迹一致。 场景设定在 中的餐厅内，店内人来人往。 里的女孩身着 中的服装，正在整理柜台上的物品。 中的男孩是一位顾客，他走上前，想要向女孩索要联系方式。 图片5 中的标识始终显示在画面的右下角。 画面底部出现字幕，字幕内容为“……”，字幕需与音频节奏完全同步。 生成带有画外音的视频。一个深沉、平静的男声说：“在宏大的宇宙中，我们的世界不过是一个短暂的瞬间。然而，在其中，生命不顾一切地繁荣。”场景应从夜晚缓慢过渡到黎明，星星逐渐消失，太阳从山后升起。画面底部按照台词出现字幕。 的运镜，做一个科技园区的概念视频，以 中的高楼为视觉中心，同为第一视角俯冲，体现出 中园区的科技感。 的人物动作和镜头语言，生成 和 的打斗场面， 是左边人物， 是右边人物。有激烈的背景音乐。 中的两人穿着运动服在学校的操场跑步，女孩看向男孩，自信地笑着说：“We can definitely do it! ”镜头切到男孩的近景，他犹豫地回答：“Are you sure? ”镜头切回女孩的中近景，她语气轻快地说：“Yes! ”情绪明亮而坚定。说话的角色周边出现气泡，气泡里是对应台词。 [主体核心特征] 定义为 核心特征要求 ：使用 2–3 个清晰、稳定的静态特征（如服饰、发型、外观、类别）进行描述，确保唯一可识别性 中穿红色连衣裙、戴草帽的女人定义为 主体1 张红 图片中的两人在办公室聊天，女性先说话，她说道：“你每次卡点到，是不是很享受这种刚刚好的感觉？”男性笑着回应：“我有我的节奏”角色说话时，对话随意自然，画面底部出现对应台词字幕。 音乐 （背景中播放着快节奏的摇滚乐） 提示词中增加音色特征描述后，音色匹配度明显提升 “使用@音频1低厚温润带细碎颗粒感中年男声的音色说” 音色与输入音频不匹配 输入的音频 优化前 优化后 低头、肩膀微微颤抖、眼眶泛红、手指无意识地攥紧衣角、泪水在眼眶里打转但没有落下 悲伤 画面第8秒出现“双胞胎” 外化为动作与细节 抽象情绪 输入 8 个参考角色，输出视频有 9 人 将 8 个角色生成 2 张图后，再使用图生视频 保持 3D 国漫 CG 仙侠风格 仙侠风格漂移成真人风格 视频中人物中途“换脸”，撞脸明星 人脸与参考图全程保持一致 台词 {你好，世界}。如果台词为小语种（非中英文），需标注语种，如：用日语说道{こんにちは}。 频繁地看手表、手指不停敲击桌面、呼吸急促、眼神闪躲、无意识地啃咬指甲 紧张 / 焦虑 【第一章：启程】 信息类型 符号 音效 \<远处传来狗叫声\> 长长地舒了一口气、紧绷的肩膀完全放松下来、脸上露出久违的、淡淡的微笑、抬头望向远方 释然 嘴角抑制不住地上扬、眉眼舒展、脚步变得轻快、下意识地哼起小曲、忍不住原地转个圈 喜悦 衔接处更加平滑 在衔接处（第 5s，第20s）出现 画面瞬间跳动 或 内容回退 结尾有噪音 结尾无噪音 直接对模型产物进行续写 将模型产物转化为白模视频后再进行续写 改成“吃龙山”后发音正确 双拳紧握、下颌线紧绷、胸口剧烈起伏、眼神如刀般锐利、从牙缝里挤出话语 愤怒 增加正确的数字滚动特效视频后，特效结果符合预期 特效动画 数字滚动特效有明显的无序跳变感 清除 桌面上的其他零件和工具，保持桌面整洁干净，桌面上只有他俩手里的。