--- name: sd25-pe description: Use when a user asks an Agent to optimize text, stories, or optional multimodal references for Seedance 2.5 text-to-video, multi-reference generation, keyframes, storyboards, blockouts, video editing, audio editing, or extension. metadata: skill_version: 0.1.0 owner: seedance tags: - seedance - prompt-optimization - multimodal-video supported_runtimes: [] required_capabilities: filesystem_read: false filesystem_write: false tool_use: false network: false binary_outputs: false io_contract: output_kind: text primary_outputs: - optimized_prompt exports: [] --- # Seedance 2.5 Prompt Optimizer ## 目的 把用户的原始文字、小说片段和可选的图片、视频、音频参考，编译为一条可直接提交给 Seedance 2.5 的干净 Prompt。保留用户核心意图，明确素材职责、主体映射、事件状态和需要保持的关系。 本 Skill 的职责止于理解输入并输出 Prompt，任何情况下都不自行调用生成接口。用户明确要求生成视频时，先由本 Skill 产出干净 Prompt，再由独立的生成工具或流程提交。本 Skill 始终保持素材只读，不修改原素材，也不自动制作辅助素材。 ## 适用场景 在以下情况加载本 Skill： - 用户要求优化、改写或补全 Seedance 2.5 Prompt。 - 用户给出简略想法、长篇剧情、小说片段或未经整理的复杂 Prompt。 - 用户给出图片、视频、音频、文件路径或多模态请求，需要建立素材职责。 - 用户要做多素材生成、长视频、关键帧控制、宫格分镜、白模渲染、视频编辑、声音编辑或视频延长。 - 用户希望改善情绪表演、运镜、声音、台词语言或产品流程表达。 不要在以下情况自动执行本 Skill： - 用户只询问接口参数、价格、配额、报错或模型能力，不需要生成 Prompt。 - 用户只要求评价成片，不要求重写 Prompt。 用户明确要求直接生成视频时，仍先用本 Skill 把原始输入编译为干净 Prompt，再交给后续生成流程。本 Skill 本身不提交任务。 ## 不可违反的原则 1. **意图优先**：不得改变人物身份与数量、关键道具、场景、事件因果、空间关系、编辑对象、延长方向和故事结果。 2. **模板优先**：无论原 Prompt 是否完整，都要进入当前任务对应的模板重新组织，不能只做同义改写。 3. **素材逐份负责**：每份实际使用的素材说明采用什么；实际可用但未分配职责的素材必须逐个列入 `【未采用素材】`，阻止后续 PE 重新激活。 4. **用户映射优先**：用户明确指定的素材职责、主体名称和关系不得被自动判断覆盖。已覆盖对应槽位时，不得为了增强同一职责再添加未点名素材。 5. **最少澄清**：能从文字、素材和上下文合理判断的内容直接完成，只对会改变核心结果且存在多个等价解释的问题合并询问一次。 6. **只写可提交内容**：Prompt 内不得出现分析过程、评测说明、实验分组、模型版本、运行标记、接口密钥或修改理由。 7. **参数分离**：画幅、总时长、分辨率、帧率和声音开关不写进 Prompt。普通生成任务由页面或接口设置这些参数；视频编辑、首帧或首尾帧生成、视频延长先遵循各自的自动锁定规则。用户原本写出的事件时间段属于创作内容；不得仅根据页面或接口的目标时长反向生成新的数字时间段。 8. **不滥加约束**：不得自动添加用户未要求的画质包、稳定包、水印、Logo、字幕、分身或其他通用负向约束。 9. **单一最佳版本**：默认只输出一个判断后最合适的 Prompt。用户明确要求对比版本时才输出多个。 10. **事实与观察分离**：人物身份、年龄、关系、事件和结果以用户文字为准；素材只补充直接可见或可听见的属性，不把视觉猜测升级为剧情事实。 11. **主体基数匹配**：单人设定图不得同时定义两个会同时出场的命名人物。多个可用单人候选必须先一人分配一图；多个可用群体候选必须先一组分配一图。只有同一主体的多视角，或素材画面本身明确包含同一故事群体时，才允许合并参考。 ## 输入状态 先判断输入属于哪一种状态，再处理内容。 ### 纯文生视频 用户没有素材，文字也没有表达参考某个人物、商品、场景、动作、运镜或声音的需求。直接提取主体、事件、场景、视觉、镜头和声音并套用视频生成模板。不得虚构素材编号，也不得建议用户补充素材。 ### 需要参考但未提供素材 用户明确提到“参考这个人物”“沿用原视频”“替换成这个商品”等需求，但当前输入中没有相应素材或位置。仍根据文字输出最佳 Prompt，不因素材缺失阻塞；在 Prompt 外最多补充一条建议，说明提供对应素材后可以进一步明确映射。 先逐一比对 Prompt 中的每个素材编号与实际可用素材清单。只要某个明确引用不存在，即使其他素材已经提供，缺失素材仍按“需要参考但未提供素材”处理：继续使用其余有效素材完成整条 Prompt，不声称看过缺失素材，不猜测其外观、音色或内容，也不得在 Prompt 中继续引用不存在的素材编号。缺失素材原本承担的人物、事件或台词职责仍根据用户文字保留；只有该素材才能确定的外观、音色、动作或场景细节不作补写。 ### 素材可读取 主动读取用户提供的图片、视频和音频。先盘点全部素材，再结合 Prompt 建立映射。不要只根据文件名猜测，也不要把所有素材强制写进 Prompt。 ### 当前 Agent 无法读取 用户给出了附件、路径或 URL，但当前运行环境无法访问。不得假装已经查看素材。继续优化能够从文字确认的部分，并说明哪些素材无法读取。只有不可访问内容是唯一核心主体、唯一编辑母版或唯一延长源视频时，才请求用户提供访问方式或确认。 损坏或不可读取的非核心素材直接跳过并列出编号；其他内容继续处理。 ### 素材规格预检 先区分硬输入范围和稳定性建议： - 图片最多 30 张，单张不超过 4K。 - 视频最多 10 段，全部视频总时长不超过 30 秒。 - 音频最多 10 段，全部音频总时长不超过 30 秒。 - 图片、视频和音频合计最多 50 份参考素材。 推荐范围不是硬上限。主体图片通常以 1 至 8 个主体为宜；主体音视频通常以 1 至 5 个主体、单段 5 至 10 秒为宜；视频编辑通常优先使用 20 秒以内的原视频和 1 至 5 张参考图。超过推荐范围但仍在硬输入范围内时继续优化，不因素材较多而阻塞；通过逐份职责、主体映射和按场景激活降低相互污染。 超过硬输入范围时，优先保留用户明确指定的素材、覆盖必需实体的素材、唯一编辑母版或延长源视频，以及关键动作、声音和边界帧素材。其余素材不写入 Prompt，并在正文后用一条 `素材提示：` 说明需要在提交前缩减素材。不得声称仅靠 Prompt 能绕过输入上限。 ## 核心工作流 ### 1. 解析用户目标 先从用户文字建立“故事合同”，再查看素材。提取并锁定： - 主体及数量。 - 动作、事件和因果顺序。 - 场景、时间、天气和空间关系。 - 道具归属、交接和最终状态。 - 视觉风格、镜头、声音、台词和字幕需求。 - 用户明确要求保持或排除的内容。 - 任务是生成、编辑还是延长；生成任务是否采用关键帧、宫格分镜或白模，编辑任务是否只修改声音。 故事合同是后续改写的事实边界。不得因为素材里出现更醒目的人物、服装、道具或场景，就替换、合并或删除故事合同中的角色和事件。 保留用户记号的语义。`镜头45`、`镜头 45`、`Shot 45` 等写法默认是镜头编号，不是 `45 度机位`；只有用户明确写出“45 度”“四十五度”或等价摄影角度时，才把数字解释为机位角度。不得把镜头编号、素材编号、章节编号或步骤编号改写成摄影参数。 只要输入包含说话、对白、旁白或音频职责，就为每个时间段建立内部“对白账本”，逐项记录说话人、是否发声、台词原文、音频职责、语言和画内或画外位置。不得把已指定说话或音频职责的片段改成静默，也不得交换说话人与音频。用户明确要求某角色说话并绑定音频、但没有提供台词文字或当前环境无法可靠听写时，保留该角色使用对应音频说话的职责，不编造具体台词。 用户只给出带引号的台词片段、关键词或短句时，只把该片段作为可说出的原文；可以补充说话人的表情、动作和语气，但不得补写片段前后不存在的完整句子。用户只描述“用身份压人”“继续争吵”等说话意图、没有给出任何原文时，不自行编造对白，改用可观察的口型、停顿、姿态和对方反应表达该意图。 例如，输入只说明她说“你一个外人”时要有身份压迫感，最终对白只能写成 `{你一个外人}`；不得把“母子关系”“身份压迫”等叙事说明拼进台词，也不得改写成“你一个外人，有什么资格……”或其他完整句子。 为故事合同建立“必需实体清单”，把每个明确出现的人物、群体、关键道具和场景分别列为一个槽位。这个清单只用于内部核对，不输出给用户。后续为每个槽位记录剧情职责、采用素材和可观察特征；输出前确认每个槽位均已进入 Prompt。 把内心活动转成可见动作、表情、台词或旁白，但不得增加改变故事的事件。 遇到“出现原因后人物才改变表情或动作”的因果揭示镜头，先清楚呈现触发原因，再呈现人物反应。原因和反应距离较远时，用一次明确的视线或镜头转移建立关系；能够同框时，在同一构图内同时保留原因与反应。不得在触发原因被观众看清之前过早推成纯面部特写，也不得只给反应特写而遗漏触发原因。 剧情明确为假装受伤、模拟受伤或险些受伤时，在发生歧义的镜头中明确保持未受伤的可观察状态，例如皮肤、服装和道具保持完整。不得把表演或未发生事件改写成真实伤口、流血或破损。 ### 2. 编译小说和长文本 先把文本转换成可拍摄事件： - 用户要求预告、概览或群像时，选择能概括主题的蒙太奇结构。 - 用户要求一个场景时，保留该场景内连续发生的核心事件。 - 用户没有指定范围时，选择一条因果完整、在目标视频中可成立的主事件，并在 Prompt 外简短说明取舍。 - 只有多条互斥主线同等重要且选择会改变核心故事时，才合并询问一次。 压缩重复描写和无法画面化的信息，保留人物关系、关键台词、触发事件和结局状态。 ### 3. 盘点和理解素材 素材较多时使用两遍理解： 1. 第一遍轻量盘点全部素材，识别人物、商品、道具、场景、动作、运镜、节奏、声音和风格候选。 2. 第二遍只深度查看与剧情匹配、存在冲突、作为关键帧或当前场景会调用的素材。 检查视频时至少确认主体、主要动作、镜头变化、开头状态和结尾状态；检查音频时至少确认声音类型、音色、语言、台词内容或环境声用途。 区分两类信息： - **故事分配**：人物叫什么、年龄和关系是什么、承担哪个事件、道具归谁、结局如何。这些来自用户文字。 - **素材观察**：五官、发型、服装、材质、颜色、空间布局、动作、运镜、音色等能够直接观察或听见的特征。 素材只补充能够直接观察到的特征。不得从素材外观反推或改写文字中的身份、年龄、关系和剧情；无法从素材确认的品牌、颜色、职业、性格和道具功能也不得擅自补写。 用户只称为“人物”或“主体”时，继续使用该中性称谓；不得根据动作、姿态或服装擅自改称为舞者、演员、工人或其他身份。用户已经给出角色名或身份时再沿用该称谓。 称谓、排行、职业和关系只定义剧情槽位，不得自动转成幼年、年长、柔弱、强势等外观或性格。只有用户文字明确说明，或素材中存在可直接观察的对应表现时，才写入这些属性。 人物素材默认只写五官、发型、服装、配饰和可直接观察的姿态，不用“少女感”“成熟感”“柔弱气质”“强势气质”等总结性标签代替可见特征。用户明确要求这些表演方向时，再把它们改写成表情、姿态和动作。 映射优先级固定为： ```text 用户明确指定 > Prompt 中的描述 > 素材内容 > 文件名和元数据 > 上传顺序 ``` 用户明确映射已经覆盖全部必需实体时，未被用户点名的其他可用素材默认不激活。不得仅因内容相似就补成第二人物、第二场景或辅助参考，也不得为了增强同一职责再添加未点名素材。泛称的背景宾客、家具、装饰或环境元素不构成素材缺口，由已指定场景素材和文字描述承担。只有用户明确要求从全部素材中选择、要求组合多份参考，或一个被用户明确要求的核心人物、道具、场景、动作或声音仍无职责来源时，才评估未点名素材。默认不激活的编号仍写入 Prompt 的 `【未采用素材】`。 上传顺序不是身份或职责的语义证据，通常只用于生成稳定编号。只有用户要求直接输出且候选同等合理、槽位数量与候选数量一致时，可以把上传顺序作为最终稳定平局规则：按故事槽位首次出现顺序与候选素材顺序做一对一分配。该顺序只解决分配稳定性，不证明真实身份，也不得据此添加年龄、关系或性格。 如果输入是 JSON 或含 Asset ID 的长文本，按各媒体在输入中的出现顺序建立 `@图片N`、`@视频N`、`@音频N` 映射，再把文字中的 Asset ID 替换成对应引用。最终 Prompt 不得裸露 Asset ID。 如果只有本地路径而没有引用标签，按用户提供顺序、按媒体类型分别建立稳定别名，并在“素材理解”中列出路径与别名。最终 Prompt 使用这些别名，同时提醒后续上传时保持相同顺序。 ### 4. 建立素材职责和主体映射 每个被使用的素材只承担明确职责： - 图片：人物外貌与服装、商品结构与材质、道具、场景布局、光线或关键帧。 - 视频：动作、运镜、节奏、时间线，或作为唯一编辑母版、延长源视频。 - 音频：指定说话人的音色与台词、环境声、音效或音乐。 建立映射前，逐项核对故事要求的人物、道具和场景；建立映射时按以下顺序执行： 1. 从必需实体清单中逐个取出尚未分配的角色、群体、道具和场景。 2. 浏览全部素材候选，比较人数、服装层级、轮廓、结构、道具和场景职责；不得在找到第一份可用素材后停止检索。 3. 为当前槽位选择最匹配素材，再处理下一个槽位。不同已命名角色或群体默认使用不同的最佳候选。 4. 完成后做一次遗漏审计：每个必需实体在 Prompt 中恰好承担一个明确角色，每份被激活素材只承担已声明职责。 5. 把完整可用素材清单减去已分配素材，得到未采用集合。只要集合非空，就在 Prompt 的素材职责之后增加 `【未采用素材】`，按媒体类型逐个列出未采用编号，并明确它们不用于人物、场景、道具、动作、镜头或声音。不得只在 Prompt 外说明，也不得用“其他素材”代替具体编号。 不得把两个已命名角色合并为一个主体，也不得因为某份素材不够醒目而漏掉对应角色。有可区分候选素材时，不得复用同一素材覆盖多个已命名角色或群体；只有该素材画面本身同时包含这些角色，并且没有更合适的独立候选时，才允许复用。多份素材共同定义同一实体时必须显式说明，未被故事调用的素材可以不使用。 最终素材职责中，一行只定义一个主体、群体、道具或场景及其主参考素材。禁止把多个主体和多个素材压缩在同一句范围映射中，例如“人物A和人物B参考@图片1、@图片2”；应拆成“人物A参考@图片1”和“人物B参考@图片2”。 如果两个核心身份在文字中没有外观线索、候选素材也同样合理，不得假装能从画面知道隐藏答案。按“处理映射置信度”合并询问一次；用户要求直接按合理假设输出时，按上面的稳定平局规则采用一对一保守映射，并避免添加年龄、性格等无法确认的区别。 同一主体有多份参考时，分别说明每份素材补充的视角或属性，并声明它们共同定义同一实体，不生成多个副本。 不同主体必须逐条绑定，例如： ```text <人物A>对应@图片1，只采用五官、发型和服装。 <人物B>对应@图片2，只采用五官、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。 【未采用素材】 @图片5、@图片6未参与本任务，不用于人物、场景、道具、动作或镜头。 @音频2未参与本任务，不用于台词、音色、环境声、音效或音乐。 ``` 不要用一个范围句代替多名角色的一一映射。 参考视频没有说明职责时，从动作、运镜、节奏、场景和声音中选择与任务有关的维度。生成任务不得默认继承参考视频中的人物身份、服装或完整场景。参考视频已经准确给出动作、运镜和顺序时，只说明继承哪些维度，不必逐动作复述；重复改写可能与素材本身冲突。 文字台词与参考音频内容冲突时，以用户文字决定台词内容，音频默认只提供音色、口音、语速和情绪。用户明确要求复用音频台词时例外。 同一主体的多份参考互相冲突时，先服从用户指定；用户未指定时，根据清晰度和剧情匹配度把外貌、服装、结构或材质分配给最合适的素材。只有核心身份仍无法判断时才澄清。 ### 5. 处理映射置信度 - **高置信度**：自动映射并继续。 - **中置信度**：采用最合理映射，在 Prompt 外的“素材理解”中披露关键假设。 - **低置信度但不影响核心结果**：不使用该素材，不询问用户。 - **低置信度且影响核心身份、数量、道具归属、前后左右或朝向、编辑对象、唯一母版、延长方向或关键帧职责**：把相关歧义合并成一个简短问题。 发现用户明确映射与素材内容明显冲突时，仍以用户映射为准；只有该冲突几乎必然导致错误结果时才确认一次。 风格、光线、普通运镜、画质和其他可由上下文保守决定的缺失项不得用于打断用户。 需要澄清时，只提出一个整合后的问题并停止等待，不同时输出可能误导后续提交的临时 Prompt。用户回答后从映射和任务路由处继续。用户明确要求先按合理假设给出版本时，才可以采用假设并在 Prompt 外披露。 如果用户只提供素材而没有任何生成、编辑或延长目标，只询问一次最小创作目标；不要根据素材内容自行编造故事。 ### 6. 选择唯一主任务 三类主任务只能选择一个。先判断是否修改已有视频，再判断是否在已有视频前后新增内容，其他情况才进入生成： 1. **视频编辑**：以一条原视频为唯一母版，只修改其中指定对象、区域或声音。 2. **视频延长**：在原视频之前或之后生成新的连续片段，不改写原片段。 3. **视频生成**：从文字和可选参考素材生成新视频。 多素材、长视频、时间段、关键帧、宫格分镜、白模、声音、情绪和摄影表达是可叠加模块，不是新的主任务。白模视频作为动作、空间或完整结构参考进行重渲染时属于视频生成，不因为输入中存在视频就自动路由成视频编辑。 用户同时要求编辑原视频和延长时，不得丢弃任一操作，也不要强行合并为一条 Prompt： - 如果替换内容需要从原视频延续到新片段，先编辑原视频得到新母版，再延长编辑后的新母版。 - 如果新增主体只出现在延长片段，不修改原视频，则只做延长，并把新增素材写成延长片段的参考职责。 - 操作顺序仍有多个等价解释时，合并确认一次。 明确需要两个顺序操作时，输出两步执行 Prompt。它们是同一任务的连续步骤，不是备选版本。 ### 7. 应用任务参数规则 这些规则只用于规划和提示，不写进最终 Prompt： - **普通视频生成**：画幅比例和总时长由页面或接口设置，可以用于规划构图和事件密度。 - **视频编辑**：视频编辑会自动锁定输入视频的画幅比例和基本时长，两者不支持另行设置；输出时长受输入帧处理影响，可能与原视频存在最大约 0.3 秒的差异。 - **首帧或首尾帧生成**：首帧或首尾帧生成会以首帧图片的画幅比例锁定输出比例，时长可以设置。首帧与尾帧应使用相同画幅；当前 Agent 能读取图片时主动核对，不能读取时不得假装已经核对。 - **视频延长**：视频延长会自动锁定输入视频的画幅比例，延长时长可以设置。 用户要求设置被任务自动锁定的参数时，不询问，也不把该要求写入 Prompt 或用于错误规划；仍先输出最佳 Prompt，再在正文后最多追加一条 `参数提示：`。首尾帧画幅不一致时同样使用一条参数提示，说明提交前应调整为相同画幅，避免尾帧拉伸。没有冲突时不输出参数提示。 ### 8. 套用模板并净化 选择下文对应模板，只保留当前任务需要的段落。所有 `<占位符>` 必须替换为具体内容，不得把模板说明留在最终 Prompt。 完成后执行“最终自检”，再按“输出合同”交付。 ## 视频生成模板 ### 基础生成 适合纯文字或少量参考、事件简单的文本生成任务： ```text <主体>在<场景与环境>中<主要动作或事件>。 画面呈现<视觉风格或情绪>。 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>。 ``` 不需要的视觉、镜头或声音行可以删除，但主体和主要动作或事件必须明确。 填写示例： ```text 一名年轻陶艺师在清晨的工作室里拉坯，双手稳定托住旋转的陶土，最终形成一只窄口花瓶。 柔和晨光从左侧窗户照入，木桌和陶土保持自然暖色。 镜头先以中景观察双手动作，再缓慢推近花瓶口部。 声音保留转盘低鸣、手掌摩擦湿陶土的声音和窗外远处鸟鸣。 ``` ### 带参考素材的生成 ```text 【生成目标】 生成<视频类型或核心事件>，核心主体是<主体>，主要事件是<概要>。 【参考素材职责】 @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>，不采用<容易误带的身份、服装或场景>。 @音频1用于<角色或声音类型>的<音色、台词、环境声或音乐>。 【未采用素材】 @图片2、@视频2、@音频2未参与本任务，不用于人物、场景、道具、动作、镜头或声音。 【主体与关系】 <主体A>对应@图片1，始终保持<固定特征>。 <主体A>与<主体B>的空间、道具或身份关系是<关系>。 【事件脚本】 开始时：<人物、道具和场景状态>。 主要事件：<连续动作或事件>。 结束时：<人物位置、道具归属或最终画面状态>。 【保持一致】 保持<人物身份与数量、服装、道具归属、空间方向和声音关系>稳定。 ``` 不要为了填满模板编造用户没有要求的视觉风格、运镜或声音。简单任务可以合并相邻段落，但不得省略实际使用素材的职责。 填写示例： ```text 【生成目标】 生成一段修复旧木椅的视频。木工先检查松动椅背，再涂抹木胶并固定接缝，结束时木椅恢复稳固。 【参考素材职责】 @图片1用于木工的五官、短发和深蓝色工作围裙，不采用图片背景。 @图片2用于旧木椅的弧形椅背、深色木纹和磨损位置，不采用图中人物。 @视频1用于涂胶和压紧接缝的手部动作，不采用视频中的人物身份、服装和工作台。 【主体与关系】 木工始终穿@图片1定义的深蓝色围裙。全程只有@图片2定义的一把旧木椅，工具始终放在木桌右侧。 【事件脚本】 开始时木椅位于木桌中央，椅背接缝松动。木工检查接缝后涂抹木胶，用双手把椅背压回原位并固定。结束时木工松开双手，椅背保持稳固，木椅数量和外观不变。 【保持一致】 保持木工身份与服装、木椅结构与数量、工具位置和工作室方向稳定。 ``` ## 多素材组织 多素材按以下顺序组织： ```text 逐份素材职责 → 主体映射 → 按类型分组 → 主体设定 → 分场景调用 ``` 素材数量多不代表全部素材都要进入 Prompt。只使用与当前故事和场景相关的素材；把实际可用但未分配职责的素材放进 Prompt 内的 `【未采用素材】`，逐个列出未采用编号并禁止激活。未采用素材可以按图片、视频、音频分别合并成紧凑的一行，但不能省略编号，也不能写成主体范围映射。 Seedance 2.5 可接收最多 50 份参考素材。接近上限时仍按人物、道具、场景、动作和声音逐份归类，并按场景激活；不要用一个总括句让模型自行分配，也不要为了体现数量而让所有素材同时出现。 ### 类型分组 ```text 【人物】 <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。 两人的外貌、服装、动作、站位和台词不互相交换。 【道具】 <道具A>对应@图片3，只属于<人物A>。 <道具B>对应@图片4，只属于<人物B>。 【场景】 <场景A>参考@图片5，只采用空间、材质和光线。 <场景B>参考@图片6，只采用空间、材质和光线。 【动作与声音】 @视频1用于<人物A>的<动作或运镜>，不采用视频中的人物和场景。 @音频1用于<人物B>的<音色和指定台词>。 ``` ### 主体设定和分场景调用 ```text 【主体设定：人物A】 外貌与服装：@图片1。 固定道具：@图片3中的<道具A>。 允许场景：<场景A>和<场景B>。 动作参考：@视频1的<动作>。 不采用：<其他主体的服装、道具或声音>。 场景一｜<场景名称> 使用：<本场景激活的主体、道具、场景、动作和声音>。 事件：<一个主要事件>。 结束时：<可观察状态>。 场景二｜<场景名称> 使用：<本场景激活的主体、道具、场景、动作和声音>。 事件：<一个主要事件>。 结束时：<可观察状态>。 ``` 同一主体的多视角参考应写成逐图职责，例如正面、左侧、右侧和背面共同定义同一个实体，并明确成片中的实体数量。 ### 空间与站位 围绕门、桌子、车辆、柜台、道路等稳定物体描述内外、前后、朝向、距离和隔挡关系，不要只写屏幕左侧或右侧。例如： ```text <店员>始终站在玻璃柜台内侧，身体朝向柜台外。<顾客A>和<顾客B>并排站在柜台外侧，隔着柜台与<店员>交谈。 ``` 用户提供干净站位图时，把它用于构图、人物位置、朝向和空间关系；不要把图中的箭头、标注框或说明文字当作成片内容。 多素材填写示例： ```text 【人物】 巡检员对应@图片1，只采用五官、短发和橙色防风外套。 档案员对应@图片2，只采用五官、眼镜和灰色针织开衫。 两人的外貌、服装、动作和台词不互相交换。 【道具】 便携记录仪对应@图片3，只属于巡检员，全程只有一台。 【场景】 山顶观测站参考@图片4，只采用建筑结构、金属平台和阴天光线。 资料室参考@图片5，只采用书架布局、木桌和室内暖光。 【动作与声音】 @视频1用于巡检员打开设备舱并取出存储卡的动作，不采用视频中的人物和场景。 @音频1用于巡检员的音色和台词。 【事件脚本】 阶段一：巡检员独自站在山顶观测站的设备舱前，便携记录仪挂在腰间；他打开设备舱并取出唯一一张存储卡；结束时存储卡只在巡检员右手。 阶段二：巡检员在观测站内把存储卡插入便携记录仪；结束时记录仪屏幕显示数据读取完成，存储卡仍在设备内。 阶段三：画面切到资料室，档案员站在木桌内侧，巡检员站在桌外侧；巡检员把记录仪放到桌面中央并用自然的普通话说：{本周的观测数据已经导出。} 阶段四：档案员拿起记录仪检查数据，巡检员自然闭口等待；结束时记录仪只在档案员手中。 阶段五：档案员把记录仪放回桌面，两人共同看向屏幕上的完成状态，以人物身份、道具数量和站位清楚的中景收束。 【保持一致】 保持两人身份与服装、记录仪数量与归属、两个场景的空间方向和说话人关系稳定。 ``` ## 长视频与时间段 Seedance 2.5 支持最长 30 秒视频。总时长由生成参数设置；Prompt 只负责把事件组织在这段时长内。 用户明确写出的事件时间段属于创作内容，需要保留；参数分离只移除“生成 N 秒视频”“输出画幅为 16:9”等接口设置。若用户原有数字时间段与页面或 API 的目标总时长冲突，优先保持事件顺序、相对节奏和故事结果，并改用不带数字的“阶段”组织；只有用户明确说明原时间段是硬约束时，才保留数字并请用户解决参数冲突。 长视频优先使用“阶段”，每个阶段只安排一个主要状态变化，并写清结束状态： ```text 【阶段一】 开始时：<初始状态>。 主要事件：<一个主要动作或事件>。 结束时：<可观察状态>。 【阶段二】 承接上一阶段：<必须保持的状态>。 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>。 ``` 阶段数量由事件数量决定，可以增加或减少，不强制固定为三段。Prompt 较长时优先保留主体映射、素材职责、事件和结束状态，压缩重复风格词、重复约束和未激活素材，不设置固定字数上限。 ### 目标时长覆盖 当生成页面或 API 上下文给出的目标时长长于用户原有事件时间线时，先保持人物、事件顺序、因果关系和故事结果，再重新分配已有事件的节奏。仅由页面或 API 提供目标时长时，使用不带数字的阶段组织，让各阶段共同覆盖目标时长的叙事容量；不得为了对齐该参数而在 Prompt 中新建 `0-8 秒`、`8-18 秒` 等数字时间段。 只能延长动作过程、反应、停顿或场景过渡，例如让视线转移、呼吸变化、拿取过程和进入后的反应自然展开。不得新增人物、主线事件或故事结果，也不得用重复动作或空镜机械填满时间。目标总时长仍不作为一句接口参数写进 Prompt。 交接、抓取和放置任务要说明唯一物体的归属变化，例如交出后原持有人不再持有，结束时只在接收者手中。 只有用户已经提供数字时间段，或明确要求按时间段控制交接、进出场或节拍时，才使用连续的整数时间段。事件更少时不要为了凑段数拆分，事件更多时先合并次要事件： ```text 0-5秒：<开始状态>；<主要事件>；结束时<可观察状态>。 5-10秒：承接上一段的<状态>；<主要事件>；结束时<可观察状态>。 10-15秒：<收束事件>；结束时<最终状态>。 ``` 用户要求数字时间段时，时间段应连续且不重叠。它们表示事件预算，不是帧级剪辑点；不要声称能精确到 0.5 秒，也不要给出未经验证的最大时间段数量。事件过密时减少阶段，而不是继续细分。 总体输出时长仍由生成参数设置，不要另写“生成一段 N 秒视频”。 ## 视频编辑模板 编辑任务必须把一条原视频定义为唯一编辑母版，不能只描述目标画面而退化成重新生成。 画面编辑先逐一盘点原视频中所有可见主体类别，包括用户点名和未点名的人物、真人、模型、动物、道具、前景物体与背景主体；为每一类明确写出替换、删除或保持原样。不得漏掉未被用户点名的真人、模型、道具或背景主体。用户没有要求处理的对象默认保持原样；只有用户明确要求整组替换或目标画面只保留指定对象时，才把对应整组纳入删除或替换范围。 如果当前 Agent 无法完整查看原视频或只有稀疏预览，不得声称已经穷举所有对象。在明确写完用户指定的替换、删除和保持对象后，增加兜底句：`除以上明确修改对象外，@视频1中其他可见人物、道具和背景元素保持原样，不参与替换或删除。` 如果用户明确要求目标画面只保留指定对象，则把这条兜底改为按用户要求删除其余对象。 每条视频编辑 Prompt 都必须包含以下两种范围闭环之一，不能省略范围闭环： - 局部修改：`除以上明确修改对象外，@视频1中其他可见人物、道具和背景元素保持原样，不参与替换或删除。` - 用户明确要求只保留目标对象：`除以上明确保留对象外，删除@视频1中的其他可见主体；不新增未指定对象。` 原视频主体盘点只决定哪些对象替换、删除或保持，不能借此改变用户已经指定的目标素材集合。用户已经明确某个编辑对象采用@图片3时，即使其他图片更清晰或内容相似，也不得把未点名图片追加为该对象的外观、服装、群体或辅助参考；这些素材继续列入 `【未采用素材】`。 ```text 【编辑目标】 编辑@视频1，只把<原对象或区域>修改为<目标内容>。 【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<目标主体、背景或商品>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>。 除以上明确修改对象外，@视频1中其他可见人物、道具和背景元素保持原样，不参与替换或删除。 【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。 其他人物动作、镜头运动、镜头切换和事件顺序保持@视频1。 ``` 主体替换时说明原对象和目标对象；背景替换时明确只修改主体轮廓之外的背景；局部编辑时明确区域、属性和保持内容；增加或删除对象时说明数量、位置、出现时机和受影响范围。 动态主体替换填写示例： ```text 【编辑目标】 编辑@视频1，只把经过长椅前方的红色自行车和骑行者替换为@图片1中的深灰色电动巡逻车。 【原视频职责】 @视频1是唯一编辑母版，负责公园道路、长椅上的两个人、机位、镜头运动、原骑行者的运动槽位、遮挡关系和事件顺序。 【目标素材职责】 @图片1只用于深灰色电动巡逻车的车身结构、颜色和透明挡风板，不采用图片背景或驾驶员。 【编辑对象与范围】 删除原视频中的红色自行车和骑行者，全片始终只有一辆电动巡逻车。长椅上的两个人、树木、道路和背景保持@视频1。 【时间线继承】 电动巡逻车在完全相同的出现时机、运动路径、速度和遮挡位置覆盖原骑行者的运动槽位。成片中不再出现红色自行车或骑行者；其他人物动作、镜头运动、镜头切换和事件顺序保持@视频1。 ``` 跨类别动态主体替换优先使用“运动槽位覆盖”：明确删除原主体，让目标主体继承原主体完全相同的出现时机、运动路径、速度和遮挡位置，并声明成片中原主体不再出现。保持清单只写与目标邻接、确实不能变化的区域，避免过长清单稀释编辑目标。 ```text 删除@视频1中经过<前景主体>前方的<原动态主体>，在完全相同的出现时机、运动路径、速度和遮挡位置替换为@图片1定义的<目标动态主体>。成片中不再出现<原动态主体>。 ``` 默认先使用全局母版继承要求。只有原视频中的抓取、交接、放置或进出场能够准确观察时，才增加少量可观察事件条件： ```text 只有当<事件A的可观察完成状态>出现后，才发生<事件B>。 只有当<事件B的可观察完成状态>出现后，才发生<事件C>。 ``` 不要凭印象把原视频改写成时间段，也不要根据不完整抽帧补写事件条件。Prompt 可以提高关键事件沿用原时间线的概率，但不能承诺编辑后逐帧重合。 ### 声音编辑 只修改对白、语言、音色、背景音乐、环境声或动作音效时，仍把原视频定义为唯一编辑母版。分别写清需要修改的说话人或声音类别、目标变化、时间范围，以及其他声音和全部画面是否保持。不得因为声音编辑重新设计人物动作、口型时点、镜头或剪辑节奏。 ```text 【编辑目标】 编辑@视频1，只对<全片或明确时间段>中的<说话人或声音类别>进行<移除、替换或调整>。 【原视频职责】 @视频1是唯一编辑母版，负责原始画面、人物动作、口型时点、镜头、剪辑节奏、其他声音和事件顺序。 【目标音频职责】 @音频1用于<目标说话人或声音类别>的<音色、台词、环境声、音效或音乐>，不采用<无关声音>。 【声音编辑范围】 只修改<明确的说话人、声音类别或时间段>。 【保持内容】 保持@视频1中的<其他对白、口型时点、环境声、动作音效、画面、镜头和剪辑节奏>不变。 ``` 用户只要求移除原背景音乐时，不需要虚构目标音频素材；直接写明移除背景音乐并保留人物对白、口型、环境声、动作音效和全部画面。修改台词语言或音色时，台词内容和说话时点默认保持原视频，除非用户明确要求同时改写。 ## 视频延长模板 如果用户只说“延长”且无法从上下文判断方向，方向属于高影响信息，需要合并确认一次。 延长 Prompt 对边界主体使用用户已经确认的名称。用户只写“人物”或“主体”时保持中性称谓，不从原视频中的动作、姿态或服装推断职业、表演类型或剧情身份。 延长过程中，同一主体始终只有一个连续实例，不得复制、分裂或生成第二个相同主体。保持身体结构、部件数量和拓扑关系与边界帧一致；主体发生转身、遮挡或出画再入画时，仍视为同一个连续对象，不能用新实例替代。 最终 Prompt 必须明确写出上述单一实例和拓扑要求，不能只在内部分析中检查后省略。 ### 向后延长 向后延长是在原视频结束之后继续生成。新片段的第一个画面承接原视频尾帧。 ```text @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，<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。 ``` 带额外素材的填写示例： ```text @视频1是需要向后延长的原视频。 @图片1用于园丁的五官、短发和浅绿色工作围裙，不采用图片背景。 @图片2用于藤编花篮的结构和材质，不采用图片中的花园与人物。 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：保持温室工作台、园丁的位置与朝向、木架位置、固定中景机位和午后侧光连续，其他参考素材不替代这个边界画面。 随后，园丁从工作台下方拿起@图片2定义的藤编花篮，用双手把花篮放到身后木架的中层。结束时花篮只在木架中层，园丁松开双手并后退半步。 延长过程中保持园丁面部与围裙、温室布局、木架位置、镜头方向和温室环境声连续。 园丁和花篮始终分别保持为同一个连续对象，不重复、不分裂，身体结构和花篮部件数量保持稳定。 ``` ### 向前延长 向前延长是在原视频开始之前生成内容。新片段的最后一个画面衔接原视频首帧。 先描述原视频开始之前发生的内容，再把原视频首帧写成延长片段的明确结束状态。只写“随后承接原视频”可能使模型提前引入后续人物、道具或特效，或者到达目标状态后再次改变画面。 ```text @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，<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的首帧：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>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。 只属于原视频后续的角色、道具或特效不得提前出现。 ``` 有额外参考素材时，先逐份说明人物、服装、道具或声音职责，再声明原视频控制延长边界。新增素材不能覆盖原视频尾帧或首帧对边界画面的控制。 延长只创作边界之外的新片段，不要同时编辑原视频内容。边界目标是画面与声音自然连续，不承诺像素级完全相同；延长片段音量可能与原视频存在轻微差异。 ## 关键帧锚点 关键帧图片仍作为普通参考图输入，只在 Prompt 中逐张指定职责。不要把首帧和尾帧合并成一个范围句。 固定首帧时必须单独写出 `@图片N作为首帧。`；固定尾帧时必须单独写出 `@图片N作为尾帧。`。不得弱化为“仅作为首帧参考”“参考开场构图”或“首帧构图参考”，也不要把角色句和后续动作压缩在同一句中。精确角色句必须原样保留在最终 Prompt 中，再另起一句补充该帧定义的构图、主体位置、姿态、道具状态、场景和镜头方向。 首帧会锁定输出画幅比例。首帧与尾帧应使用相同画幅，避免尾帧拉伸；时长仍由生成页面或接口设置。该规则只用于输入预检，不要写成 Prompt 内的输出参数。 ### 首帧加其他参考 ```text @图片1作为首帧。 该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用于<主体>的<外貌、服装、结构或材质>，不改变@图片1定义的首帧构图。 @图片3用于<场景、道具或光线>，不改变@图片1定义的首帧构图。 画面从@图片1定义的首帧自然开始，随后<连续动作或事件>。 保持<人物身份、道具归属、空间关系和视觉风格>连续。 ``` ### 首帧、尾帧加其他参考 ```text @图片1作为首帧。 该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。 该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的首帧构图和@图片2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的首帧构图和@图片2的尾帧构图。 <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。 ``` 填写示例： ```text @图片1作为首帧。 该首帧定义烘焙台、裱花师位置、未装饰蛋糕、工具摆放和正面中景机位。 @图片2作为尾帧。 该尾帧定义完成装饰的蛋糕位于转台中央、裱花师双手离开蛋糕和相同正面中景机位。 @图片3用于裱花师的五官、盘发和白色工作服，不改变@图片1的首帧构图和@图片2的尾帧构图。 @图片4用于蛋糕的双层结构、白色糖霜材质和蓝莓装饰，不改变@图片1的首帧构图和@图片2的尾帧构图。 画面从@图片1定义的首帧自然开始。裱花师转动蛋糕转台，在两层蛋糕边缘连续挤出均匀奶油纹路，再逐颗放上蓝莓，最后双手离开蛋糕并自然到达@图片2定义的尾帧。 首尾之间保持裱花师身份与服装、蛋糕数量与双层结构、工具位置、烘焙台布局和镜头方向连续。 ``` 用户明确要求中间关键状态时，可以增加一张图片定义该时刻必须出现的人物、动作、道具和空间关系，并描述在某个时间附近自然到达该状态。它是语义锚点，不是静态停留或逐像素固定帧。首尾边界优先时，减少与当前事件无关的其他素材。 ### 多关键帧顺序控制 多张独立图片分别定义过程阶段时，第一句先声明关键帧顺序，再逐张写明每个关键状态。关键帧控制阶段顺序和可见状态，不承诺逐帧复刻，也不要求在某个关键状态静态停留。 ```text 以@图片1至@图片N的顺序作为关键帧。 @图片1作为首帧。 该首帧定义<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。 该尾帧定义<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。 ``` ### 宫格分镜与故事板 宫格分镜用于定义整体故事、镜头顺序和大致构图，不用于要求每格细节严格复刻。优先使用 15 格以内、画面干净且文字标注较少的故事板。必须说明读取顺序、采用的镜头结构，以及不采用的线稿画风、标注或占位人物。 ```text @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>。 ``` ### 白模参考与渲染 先判断白模视频提供的是运动骨架还是完整结构： - **粗粒度白模**：简单几何体主要提供动作路径、运动方向、主体站位、进出场、机位、运镜、切镜、光影变化、声音节奏或空间关系。每个几何体必须单独映射到最终主体或道具。 - **细粒度白模**：主体、道具或场景结构已经完整，主要用于更换人物形象、材质、颜色、场景或视觉风格。保持原有结构、动作、空间和镜头。 白模视频作为生成参考，不因为它是视频就自动成为编辑母版。白模画面包含轨迹线、坐标轴、控制器、相机锥体或文字标记时，明确不采用这些制作标记。 #### 粗粒度白模 ```text @视频1是粗粒度白模参考，仅提供<动作路径、主体站位、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>。 ``` #### 细粒度白模 ```text @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、空白背景和制作标记。 @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>。 ``` ## 情绪、摄影与声音 ### 情绪与可观察表现 只写紧张、温馨、压抑等方向时，允许模型发挥具体表演。用户需要控制演技时，使用： ```text 情绪或氛围方向 + 触发事件 + 人物可观察表现 + 镜头、光线或声音的可观察变化 ``` 选择少量最清楚的眼神、眉头、嘴角、呼吸、视线、手部动作和身体姿态，不要堆满所有微表情。多次情绪转折才按触发事件分阶段。 ```text 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<外在表现>表达<目标情绪>。 ``` 填写示例： ```text 整体情绪从克制的期待转为失落后的强装平静。 看到服务员把一封退回的信放到桌面后，女人摩挲杯沿的手指突然停住，视线落在信封上的退回标记。 她的眉头轻轻收紧，嘴角原有的微笑逐渐消失，缓慢吸气后把信封翻面扣在桌上。 最终她抬眼看向对面的空椅，肩膀保持挺直，用平静但略微发紧的声音说：{我知道了。} ``` ### 专业摄影表达 基础镜头语言和热门运镜方式可以直接写进 Prompt。画面中有多个主体时，仍要说明镜头围绕谁、从哪里开始、到哪里结束，不能只写一个脱离主体的术语。 ```text 热门运镜方式 + 作用主体 + 起始位置或状态 + 运动方向 + 到达位置或状态 ``` 热门运镜方式包括一镜到底、希区柯克变焦、航拍视角、FPV、子弹时间、手持镜头和回弹变速。使用一镜到底时写清镜头连续经过的主体、空间和事件顺序；使用手持镜头时写清跟拍对象和晃动程度；使用回弹变速时写清动作在哪个节点加速、减速或回弹，以及最终停留状态。 过于小众的摄影术语、行业含义不统一的术语，或需要精确控制画面变化的术语，保留术语名称并展开为可观察结果： ```text 摄影术语 + 作用主体 + 画面变化 + 前景/背景关系 + 方向或速度 ``` 例如浅景深要说明主体保持清晰、背景如何虚化；追随摄影要说明镜头与主体同速、背景拖影方向；移焦要说明焦点从哪个对象转移到哪个对象，以及两者清晰度如何变化；暗角要说明四角渐暗且中心亮度正常。焦距、光圈和快门数值只能补充，不能代替最终可见结果。 ### 声音、台词和文字 需要区分内容类型时使用： | 内容 | 符号 | 示例 | |---|---|---| | 音乐 | `()` | `(背景播放舒缓的钢琴乐)` | | 音效 | `<>` | `<远处传来钟声>` | | 台词 | `{}` | `{你好，欢迎回来}` | | 字幕 | `【】` | `【第一章：启程】` | 台词语言使用：`语言 + 可选的地区变体或口音 + 表达方式 + 说话人 + {台词}`。多名说话人分别标注，不要只在开头统一声明。英语台词容易被说成中文时，至少明确写“使用英语”；用户明确指定地区变体、口音，或明确要求进一步强化时，再写“自然、口语化的美式英语”“地道洛杉矶英语”等完整指令。用户只给出英语台词时，不得擅自增加美式、英式或地区口音；用户没有指定台词语言时，也不得根据文字形态擅自补“普通话”、方言或地区口音。不需要字幕时同时写明画面不显示字幕。 多人对话要逐阶段绑定说话人与音频，并写明其他人物自然闭口聆听。环境音、音效和音乐分别说明来源，避免无关音频被误作背景配乐。 如果最终 Prompt 使用 `<>` 标记音效，主体名称不要再使用尖括号，改用普通角色名，避免同一符号承担两种职责。 无对白任务同时限定说话、口型、声音来源和文字载体，例如人物自然闭口、没有旁白，只保留指定环境声，画面不显示字幕或标牌。 ### 产品与实体流程 把高效、智能、可靠等抽象卖点改成“初始状态 → 具体操作 → 可观察结果”。每个阶段只展示一个操作或功能结果，并持续保持产品外观、部件位置、操作主体和场景关系。 ```text 阶段一：开始时<产品与部件的初始状态>；<操作员完成一个具体操作>；结束时<可直接看到的状态>。 阶段二：承接上一阶段的<状态>；<产品执行一个功能>；结束时<可直接看到的结果>。 阶段三：<操作员完成收束操作>；结束时<产品、部件和成品的最终状态>。 ``` 填写示例： ```text 阶段一：开始时桌面加湿器关闭，水箱为空且上盖放在机身右侧；操作员取下水箱并注入清水；结束时水位低于最高刻度线。 阶段二：操作员把水箱装回机身并合上上盖，按下一次电源键；结束时操作员的手离开按键，加湿器保持固定位置。 阶段三：出雾口连续喷出细密白雾，雾气垂直上升且桌面没有积水；结束时机身、水箱和上盖外观完整。 ``` 不要只写“展示产品安装、运行和完成全过程”。精确屏幕文字、公式和产品参数仍按输出合同中的能力边界处理。 ## 输出合同 输出语言跟随用户。保留用户现有素材引用形式，例如 `@图片1`、`@Image 1` 或运行环境中的等价标签，不擅自翻译或重新编号已明确的引用。 ### 默认交付 默认只输出优化后的 Prompt 正文。不得添加 Markdown 标题、代码围栏或前后说明，也不得输出“优化后提示词”“素材理解”“优化说明”等外层包装。不得要求模型使用代码围栏包裹最终结果。 Prompt 自身需要结构化时，可以保留 `【生成目标】`、`【参考素材职责】`、`【事件脚本】`、`【保持一致】` 等任务内标签；这些标签属于可直接提交的 Prompt 正文，不是回答包装。 Agent 自动推断素材映射时，不单独输出推理表。把最终采用的映射直接写入 Prompt 的素材职责段，每份实际使用的素材逐条说明采用范围。Agent 能读取完整素材清单时，必须在 Prompt 内追加 `【未采用素材】`，逐个列出所有实际可用但未分配职责的编号；不得只在 Prompt 外说明。当前环境无法取得完整素材清单时，不得编造未采用编号。 ### 部分素材缺失 存在部分缺失素材时，先输出不再引用缺失编号的完整 Prompt 正文；随后最多追加一条以 `补充建议：` 开头的单行建议，指出缺失编号及原定职责。该建议不是 Prompt 内容，必须另起一行，不能接在 Prompt 正文最后一句之后；不得拆成多条，也不得声称看过缺失素材。 例如：`补充建议：未提供@音频3，当前 Prompt 已保留对应角色和台词但不指定参考音色；提供该音频后可进一步绑定音色。` ### 输入与参数提示 输入素材超过硬上限时，先输出基于已选素材的完整 Prompt，再追加一条 `素材提示：`，列出需要在提交前缩减的素材类型或编号。推荐范围不是硬上限，不触发素材提示。 用户要求设置编辑、首帧或首尾帧、延长任务已经自动锁定的参数，或首尾帧画幅不一致时，先输出完整 Prompt，再追加一条 `参数提示：`。参数提示只说明冲突规则和提交前动作，不重复 Prompt，不扩展成接口说明，也不把参数写回 Prompt。 例如：`参数提示：视频编辑会自动保持输入视频的画幅比例和基本时长，不能另行设置为 16:9 和 20 秒；以上 Prompt 已按原视频时间线编写。` ### 必须说明的能力边界 精确字幕、公式、标牌、产品参数或帧级时间点无法仅靠 Prompt 完全保证。仍先输出最佳 Prompt；确有必要时，在正文后最多追加一行 `补充说明：`，指出需要结合准备好的素材或后期处理。没有必要时不输出任何说明。 两个顺序操作的混合任务分别输出 `步骤一：` 和 `步骤二：` 的可提交 Prompt，并说明第二步引用第一步输出作为新母版。除此之外，默认只输出一个 Prompt。 普通生成任务中，用户提供的时长、画幅或其他生成参数可以用于规划事件密度和构图，但不要写进 Prompt。视频编辑、首帧或首尾帧生成、视频延长先应用任务自动锁定规则，不得使用冲突参数规划 Prompt。只有用户要求调用示例时才在 Prompt 外另列可设置参数。 ### 完整输入到输出示例 用户输入：`让参考图片里的咖啡师在参考咖啡馆里完成手冲，动作参考上传的视频，最后把咖啡递给顾客。` Agent 查看三份素材后直接输出以下 Prompt 正文： 【生成目标】 生成咖啡师完成手冲并把咖啡递给顾客的连续视频。 【参考素材职责】 @图片1用于咖啡师的五官、短发和棕色围裙，不采用图片背景。 @图片2用于咖啡馆的木质吧台、玻璃窗和午后暖光，不采用图中人物。 @视频1用于手冲注水的节奏和手腕动作，不采用视频中的人物身份、服装和场景。 【事件脚本】 开始时咖啡师站在吧台内侧，顾客站在吧台外侧，滤杯和分享壶位于两人之间。咖啡师按@视频1的动作节奏缓慢注水，结束注水后把滤杯放回托架，再用双手把唯一一杯咖啡递给顾客。结束时咖啡只在顾客手中，咖啡师双手离开杯子。 【保持一致】 保持咖啡师身份与围裙、咖啡馆布局、吧台内外站位和咖啡杯数量稳定。 ## 最终自检 输出前逐项确认： - 单个 Prompt 的主任务是生成、编辑或延长中的唯一一种；明确的混合任务已经拆成两个顺序 Prompt，每一步各自只有一个主任务。 - 主体、数量、身份、场景、道具归属、空间关系和故事结果没有改变。 - 故事合同中的每个必需人物、道具和场景均已覆盖，没有合并两个已命名角色，也没有把素材猜测写成身份、年龄、关系或剧情事实。 - 每份实际使用的素材都有唯一而明确的职责。 - Prompt 正文不存在用户未提供的素材编号或裸露 Asset ID；部分素材缺失时，正文后的唯一单行 `补充建议：` 可以指出该缺失编号。 - 已逐一比对 Prompt 中的素材编号与实际可用素材清单；部分缺失素材没有被伪装成已读取，且最多只有一条单行补充建议。 - 不强迫无关素材出场；能够取得完整素材清单时，实际可用但未分配职责的素材已逐个列入 `【未采用素材】`。 - 不可访问素材没有被假装理解。 - 不同人物、商品和道具逐条映射，没有用范围句代替。 - 单人设定图没有同时定义两个出场人物；存在多个单人或群体候选时，已先按一人一图、一组一图完成分配。 - 长视频每阶段只有一个主要状态变化，并有清楚结束状态。 - 用户明确要求的事件时间段未被擅自删除；仅存在外部目标时长时，已有事件使用无数字阶段重新分配，没有把参数反写成新时间段。 - 编辑任务包含唯一母版、修改范围、目标数量、保持内容和时间线继承；声音编辑还明确了修改声音、保留声音、口型时点和全部画面。 - 已遵循当前任务自动锁定的画幅比例和时长规则；存在冲突时只在 Prompt 外输出一条参数提示。 - 延长方向与边界帧职责正确，且没有同时改写原视频；边界画面、声音状态、运动趋势和连续主体均已覆盖。 - 首帧、尾帧和其他参考图逐张定义，没有互相覆盖职责；固定帧使用独立的 `@图片N作为首帧。` 或 `@图片N作为尾帧。` 精确角色句，没有弱化为构图参考；首尾帧画幅已经核对或按不可读取边界处理。 - 多关键帧按顺序逐张定义关键状态，没有承诺逐帧复刻或静态停留。 - 宫格分镜写清读取顺序、每格镜头职责和不采用的线稿、标注或占位内容。 - 白模已经识别为粗粒度或细粒度白模，并分别写清主体映射、继承信息和不采用内容。 - 抽象情绪和摄影术语在需要控制时配有可观察结果。 - 每个说话阶段的说话人、发声状态、台词、音频职责、语言和画内外位置均与输入一致，没有把说话改成静默，也没有擅自增加普通话、方言或地区口音。 - 镜头编号、素材编号、章节编号和步骤编号仍是编号，没有被误写成机位角度或其他摄影参数。 - Prompt 内没有输出参数、内部分析、评测元信息、密钥、Endpoint 或修改理由。 - 没有自动添加与用户需求无关的负向约束。 - 所有占位符已替换，默认只输出一个完整 Prompt 正文，不带 Markdown 标题、代码围栏或前后说明。 ## Compatibility And Runtime Notes - **Text-only Agent**：处理文字和已明确的引用标签；不得声称看过附件或路径内容。 - **Multimodal Agent**：在运行时允许的范围内读取图片、视频和音频，执行两遍素材理解和自动映射。 - **No filesystem access**：保留用户已有标签；对不可访问路径使用“当前 Agent 无法读取”的降级流程。 - **No network access**：不要尝试解析远程 URL 内容，也不要根据 URL 名称推断素材。 - **Output only**：本 Skill 输出文本，不要求文件写入、网络、工具调用或二进制输出能力。