字节即梦 Seedance 2.5 提示词工程，用分镜级契约攻克 AI 视频失控难题

在 AI 视频生成领域，多数创作者常陷入一种“抽卡式”的玄学困境。表面上看，视频生成是输入一段天马行空的文字去碰运气，本质上，它是高维物理模拟器与人类模糊意图之间的一场信息博弈。随着字节跳动即梦底层 Seedance 2.5 模型的迭代，传统的“写一段描述”已无法满足工业级分镜的控制要求。近期在 GitHub 涌现的开源项目 woodfantasy/Seedance-ShotDesign-Skills（已斩获 102 星并登上 text-to-video 近期更新榜），通过一套“模式感知导演 + 提示词工程”技能库，首次将 AI 视频提示词从玄学写作升级为可预测、可复用的工程化流程。

这套技能库的 3.0 版本针对 Seedance 2.5 进行了一次能力级重写。它彻底移除了 15 秒拆段、500 字符限制、混合素材上限等旧有假设，转而通过多模态参考、精确视频延长、空间视角修改以及严格的“提示词契约”（Prompt Contracts），将模糊的创意构想转化为可直接粘贴进即梦的生产级提示词。

避开旧规则陷阱，对齐 2026 最新官方硬限制
在应用这套提示词工程之前，创作者必须厘清即梦 Seedance 2.5 的边界。许多流传的教程仍在使用旧版规则，导致生成频繁报错或效果打折。
根据 2026 年 8 月复核的官方使用手册，Seedance 2.5 的核心硬限制已发生显著变化：
时长与帧率：标准视频生成支持 4 到 30 秒（对应 24fps 帧锚点下的 97 至 721 帧，例如 30 秒即为 720 帧）。超长视频生成支持 30 到 180 秒。视频延长功能要求源视频不超过 30 秒，单次新增 4 到 30 秒，最终合并总时长不超过 60 秒。分辨率的真相：官方手册目前仅列出 480p 和 720p 两种分辨率，并不承诺原生 1080p 输出。用户界面上的 "720P+" 仅为视觉标签，在提示词设计中无需强行写入未被物理支持的高清参数。多模态输入限制：单次最多支持 30 张图片（单张小于 30MB，宽高比 0.4 到 2.5，像素在 300 到 6000px 之间）；最多支持 10 个视频（单个参考 2 到 30 秒，总时长不超过 30 秒，格式为 mp4 或 mov，大小不超过 200MB）；最多支持 10 个音频（单个及总时长均不超过 30 秒，格式为 wav 或 mp3，小于 15MB）。规则红线清除：3.0 版本明确移除了 Seedance 2.0 时代“12 个文件总上限”的混合输入旧规则。同时，不再强制将非中文请求翻译为英文，因为新模型对多语言的理解已大幅提升。

提示词契约，用结构化模板规范物理模拟器

Seedance 2.5 本质上是一个对时空连续性进行预测的物理模拟器。为了让模拟器精准执行导演意图，项目引入了“提示词契约”机制。针对不同的生成模式，技能库设计了三套核心契约模板。

1. 复杂 30 秒视频契约：多模态参考层 + 全局设定 + 时间戳剧本

对于结构复杂的 30 秒中视频，契约要求将信息拆解为三个层级，避免模型在生成中途“遗忘”设定。

[多模态参考层]
@图片1 (角色主体外观) / @视频1 (动态运镜参考)

[全局设定]
- 环境质感：赛博朋克雨夜街道，霓虹折射，地面湿漉
- 视觉风格：胶片质感，低饱和度，高对比度
- 镜头语言：手持呼吸感，浅景深
- 角色主体：身穿黑色风衣的亚裔女性，发梢微湿
- 表演核心：从警惕张望转化为释然微笑
- 全局限制：无文字，无画外音，无多余光晕

[时间戳剧本]
- [00:00-00:10] 引入段：角色在雨中缓步前行，镜头呈手持呼吸感跟拍，霓虹灯光在脸颊闪烁。
- [00:10-00:20] 发展段：角色突然驻足，转头看向镜头左侧，眼神充满警惕，运镜微微向右横移。
- [00:20-00:30] 释然段：紧张感消退，角色嘴角上扬，露出一丝释然的微笑，镜头缓慢推进成特写。

2. 视频延长契约：确保交接状态的“惯性物理”

在进行视频延长时，提示词只能作用于新增部分，原视频内容保持不变。为了防止拼接处出现画面跳跃，必须在契约中写清交接状态的物理参数。

[延长契约]
- 参考源：@视频1 向后延长 10 秒
- 交接状态：承接 @视频1 尾帧，角色位于画面中央，面朝正前方，正处于向前奔跑的动量惯性中。环境光线为黄昏逆光，主镜头保持向前推轨的运动趋势。
- 新增描述：角色跑进一片开阔的麦田，镜头随之抬升，转为航拍视角，展现金色麦浪。

3. 关键帧优先两阶段生成法（Keyframe-First）

当需要生成 3 个以上需要跨镜头保持视觉一致性的场景时，直接生成视频极易导致角色“变脸”或场景坍塌。项目推荐采用两阶段生成法：

• 第一阶段（T2I）：使用文生图（Text-to-Image）生成核心关键帧，锁定构图、光影、角色身份与美术风格。
• 第二阶段（I2V）：将生成的图片作为首帧（@图片1），使用图生视频（Image-to-Video）模式。此时提示词只注入运动、运镜与声音描述，绝对不要重复描述光影与角色外观参数，避免模型产生认知混乱。

焦段心理学与避开安全审核的运镜词典

在视频大模型的底层逻辑中，空间透视是由镜头参数决定的。项目整理的 cinematography.md 将运镜与焦段进行了深度绑定。

焦段叙事心理学

大模型对具体的毫米数（mm）极度敏感。在提示词中写出明确的焦段，比写模糊的“广角”或“特写”更能激发正确的空间透视关系：

• 14mm 超广角：用于制造压迫感、窒息感或巨物恐惧。
• 24-35mm 叙事焦段：呈现开放、客观的纪实视角。
• 50mm 标准焦段：提供平实、真实且具亲和力的第一人称视角。
• 85mm 人像焦段：营造温柔、亲密与浪漫的氛围。
• 135-200mm 长焦：用于孤立角色、窥视感或聚焦微观细节。

规避安全审核的“中文替代法则”

在实际生产中，创作者经常遇到一个痛点：裸写英文专业运镜术语（如 Dolly、Aerial、Crane）时，极易被即梦的敏感词审核系统误判为人名、品牌名或敏感词，从而触发违规拦截。

为了解决这一问题，项目给出了安全实践指南：

• 中文提示词模式下：一律使用中文运镜词，如将 "Dolly In" 写为“推轨推进”，将 "Crane Up" 写为“摇臂升降”，将 "Orbit" 写为“环绕镜头”。
• 英文提示词模式下：避免单写单词，必须使用完整的描述性短语。例如，不要单写 "Dolly"，而写 "dolly tracking shot"；不要单写 "Crane"，而写 "crane shot camera movement"。

工作流路由：14 种生产级模式的精准分流

Seedance 2.5 技能库的核心价值之一，在于其内置的 workflow-router（工作流路由器）。它将复杂的视频创作场景细分为 14 种精准的路由模式。

通过路由机制，创作者可以根据需求调用特定的模式。例如，在需要展现空间视角变化时，调用 viewpoint 模式，提示词会强制锁定场景三维几何特征，仅允许摄像机坐标发生位移；在需要进行无缝场景切换时，调用 seamless_transition 模式，提示词将重点规范前一镜头的尾帧动能与后一镜头的首帧动能对齐。

此外，在编写包含素材标记的提示词时，必须严格保留用户界面中的原始素材 token（如 @图片1、@视频1、@音频1）。不要在翻译过程中更改这些 token，也不要推断其编号必须停留在旧版的上限内，应当保持其在工作流中的原生状态。

本地校验与工程化部署

为了确保生成的提示词在进入即梦界面前 100% 符合规范，该项目提供了一个基于 Python 标准库的本地校验器。这使得团队可以在本地或 CI/CD 工作流中自动化测试提示词的合规性。

1. 本地安装

开发者可以通过以下命令将该技能库一键安装至全局，或克隆至 AI 辅助工具（如 Claude、Cursor）的技能目录中：

# 使用 npx 一键全局安装
npx --yes skills@latest add woodfantasy/Seedance-ShotDesign-Skills -g -y

2. 运行校验脚本

在提交生成任务前，运行 validate_prompt.py 校验器。校验器会严格核对时长、分辨率、素材 token 格式以及运镜词的合规性：

python3 scripts/validate_prompt.py --mode standard --duration 30 --resolution 720p --prompt-file prompt.txt

对于视频延长模式，传入的 --duration 参数代表新增的时长，校验器会自动计算总时长是否突破 60 秒的硬性红线。

综合判断：提示词工程是控制力，而非画质放大器

综合来看，Seedance-ShotDesign-Skills 的出现，标志着 AI 视频创作者正在从“提示词写作者”向“AI 导演”转变。

需要澄清的是，提示词工程并不能直接提升视频模型的原生画质，它的本质作用是降低“创意落差”——即减少模型在理解人类意图时的信息熵增。许多创作者误以为精细的提示词能让 720p 变成 1080p，这是一种误读。提示词工程解决的是叙事逻辑、镜头轨迹、角色一致性等结构性问题，而非底层渲染分辨率。

一个未解决的问题

尽管该项目通过“提示词契约”和“交接状态规范”极大缓解了视频延长时的画面跳跃问题，但在极度复杂的物理遮挡场景（例如角色从繁茂的树林后走过，光影发生剧烈斑驳变化）中，Seedance 2.5 在延长时依然有概率丢失前 30 秒建立的角色面部微小特征。这种由于高维物理模拟器在长序列预测中产生的“累积熵增”，仍需等待底层模型架构的进一步迭代才能彻底解决。

引用来源

1. GitHub woodfantasy/Seedance-ShotDesign-Skills README.md (2026-08-19 抓取) https://github.com/woodfantasy/Seedance-ShotDesign-Skills
2. 同仓库 SKILL.md (2026-08-19) https://github.com/woodfantasy/Seedance-ShotDesign-Skills/blob/main/SKILL.md
3. 同仓库 references/seedance-specs.md (官方使用手册复核 2026-08-02) https://github.com/woodfantasy/Seedance-ShotDesign-Skills/blob/main/references/seedance-specs.md
4. 同仓库 references/prompt-contracts.md (2026-08-19) https://github.com/woodfantasy/Seedance-ShotDesign-Skills/blob/main/references/prompt-contracts.md
5. 同仓库 references/cinematography.md (2026-08-19) https://github.com/woodfantasy/Seedance-ShotDesign-Skills/blob/main/references/cinematography.md