本文作者：波妞PONYO（@ponyodong）。版权归作者所有，未经授权禁止转载。
Seedance 2.5 真正改变的，不是时长，而是创作者开始承担导演的责任。
这是一篇技术分析帖，觉得看了头晕的，可以直接复制粘贴下面的提示词骨架。只要照着这个骨架来写提示词，你的视频质量会有大大的飞跃
下面开始进入教程的正文:
有一句提示词，看起来什么都有：
一个女孩在雨中奔跑，电影感，紧张，手持摄影，超写实，8K。
拿去生成5秒到8秒，也许真能得到一段漂亮画面。
但当它要撑满30秒，麻烦立刻出现。
女孩为什么跑？她在逃，还是在找人？第8秒发生什么？第18秒为什么还值得继续看？最后三秒是给答案，还是留下一个更大的问题？
原来的提示词一句也没说。
很多人第一次写30秒提示词，会把5秒提示词写长六倍。多加一点环境，多堆几个镜头，再补一串“电影感、史诗感、高级感”。
字更多了，控制反而更少。
因为他仍然在描述一张画面，却期待模型交出一段戏。
30秒不是长度升级，是职责升级
5秒里，模型可以靠主体、氛围和一个动作完成任务。
30秒里，它必须同时处理人物目标、动作顺序、空间方向、镜头节奏、声音、对白和结尾。
你不决定的部分，模型就会替你决定。
而模型临时替你做出的决定，往往正是换脸、跳空间、动作错序和剧情失控的来源。
所以30秒提示词不是一篇形容画面有多美的作文。
它更像一份微型导演通告。
30秒提示词 = 输出规格 + 参考素材分工 + 一句话故事 + 连续性锁定 + 分秒时间轴 + 摄影与表演 + 声音与对白 + 禁止事项
这八项不一定每次都要写得很长。
但你至少要做出决定。
写镜头之前，先把故事压成一句话
真正应该先写的，不是“00—03秒大雨，03—06秒特写”。
而是：
谁，为了什么采取行动，却发现什么异常，最后面对什么结果。
例如：
一名女救援员进入废弃地铁寻找失踪的弟弟，却发现弟弟的声音正从她捡到的书包里传出来。
这句话已经包含了主角、目标、地点、异常和结果方向。
如果一句话里挤进三名主角、两个地点、四个目标和三次反转，30秒大概率装不下。
一个稳妥的起点是：一个主要人物、一个主要地点、一个清晰目标、一件核心道具、一次主要反转、一到三句短对白。
做减法不是因为模型弱。
是因为观众也需要时间看懂。
30秒最怕的不是慢，而是没有变化
有些视频剪得很快，看完却什么也没发生。
有些镜头很慢，你却不敢移开眼睛。
区别不在剪辑速度，而在观众是否不断获得新信息。
30秒里，每一段至少要完成一件事：
让观众比上一秒多知道一点，或者让他原来相信的东西失效。
00—03秒：钩子
不要急着交代世界观。先给一个异常、欲望、问题或危险。
可以是一只本不该震动的书包，也可以是一句不该出现的声音。第三秒以前，观众最好已经在问：发生了什么？
03—08秒：建立
让观众迅速看懂：谁、在哪里、想做什么。
这不是背景介绍大会，只给理解下一步行动所必需的信息。
08—16秒：行动
主角必须做出具体动作，而且动作要带来新信息。
“她走过去”不是戏。
“她走过去，发现书包内部正在起伏”才是。
16—24秒：升级
让障碍靠近，让原来的办法失效，或者让一次误判被打破。
观众要意识到：事情比刚才以为的更糟，或者更复杂。
24—30秒：回报或尾钩
最后不是单纯停机。
它应该给出结果、逼人物做选择、改变观众理解，或者留下一个更具体的新问题。
好尾钩不是突然蹦出一只怪物。
它是前面所有信息共同推开的一扇门。
每个时间段，只写四件事
人物动作 + 新信息 + 摄影机反应 + 声音变化
弱写法：
10—15秒：她很害怕。
“害怕”是结论，不是可以被拍到的动作。
更有效的写法是：
10—15秒：她蹲下捡起书包，发现书包仍在轻微震动。摄影机从中景缓慢推到她握住拉链的手部近景。远处金属摩擦声突然停止，只剩她压低的呼吸。
这里没有写“非常恐怖”。
但手停住、声音消失、镜头靠近，恐怖已经发生了。
一个时间段也只安排一个主事件。五秒里塞进开门、下楼、找人、怪物出现和建筑爆炸，模型只能随机挑几件做。
动作越清楚，结果越有力。
参考素材不是附件，是控制器
支持上传大量参考素材，最容易诱发的错误，就是把素材库一股脑扔进去。
一张图是短发，另一张图是长发；一个场景出口在左边，另一个出口在右边；一段视频想控制动作，却又带来一张不同的脸。
模型不是没看见。
它是看见了太多互相打架的决定。
一个更稳的起步配置，是3—8个各司其职的素材：
- 人物身份图：锁定五官、发型和年龄感；
- 服装全身图：锁定服装、体型和装备；
- 场景图：锁定空间结构、方向和主光；
- 核心道具图：锁定颜色、尺寸和磨损；
- 动作参考视频：只控制路径、速度和节奏；
- 音色参考：只控制音色与年龄感；
- 风格参考：只控制色彩、颗粒和质感。
每份素材都回答两句话：
参考什么？
不参考什么？
“@图片1只参考女主的面部和发型，不参考背景”，比“参考图片1”强得多。
连续性锁，决定这条视频能不能用
镜头可以变化，事实不能随便变化。
人物的脸、服装、道具、空间、光线和风格，都应该有明确的锁定对象。
一段可以直接使用的写法是：
全片始终为同一名女救援员、同一套深蓝色救援服、同一只红色旧书包和同一座地铁站。站台出口始终位于画面深处左侧。冷白应急灯是唯一主光源。人物面部、发型、服装、道具比例、移动方向和空间结构在所有镜头中保持一致。
这段话不漂亮，却很值钱。
因为它把模型最容易自由发挥的地方，提前收了回来。
镜头不是越专业越好
航拍、环绕、推拉摇移、希区柯克变焦、子弹时间、手持、长焦、鱼眼——词都认识，堆在一起却不等于导演。
镜头只需要回答一个问题：
观众现在最应该看什么？
大全景负责交代人与环境；中景看动作和关系；近景看反应与决定；特写强调线索；主观镜头让观众和角色看到同一件事。
缓慢推进意味着真相靠近；手持跟随制造身体感；横移用来显露被遮挡的信息；固定机位让异常在画面内部发生。
如果换掉一个镜头运动，剧情理解毫无变化，它大概率只是装饰。
声音不能等画面做完再补
在30秒里，声音完全可以承担一次反转。
灯熄灭后，环境声突然被抽空；原本来自隧道深处的声音，下一次却从人物手中的对讲机响起；音乐停止，有时比音乐变响更让人紧张。
声音可以分成三层：
- 环境层：风、水滴、电流、空房间混响；
- 动作层：脚步、衣物、门、拉链、呼吸；
- 叙事层：对白、广播、无线电、音乐进入或停止。
对白则写清四件事：谁说、从哪里说、怎么说、准确说什么。
例如：
BOY（无线电画外音，很远，带轻微失真）：“Mara?”
BOY（从她手中的对讲机传出，清晰、非常靠近、平静）：“Don’t turn around.”
同一句声音，位置一变，剧情就变了。
一份可以直接复制的30秒骨架
【输出规格】
30秒、16:9、写实电影质感，开启原生音频。
不要自动字幕、屏幕文字、标志或水印。
【参考素材分工】
@图片1：只锁定主角身份、面部和发型，不参考背景。
@图片2：只锁定主角服装、体型和装备。
@图片3：只锁定场景结构、空间方向和主光源，不参考人物。
@视频1：只参考动作路径、速度和节奏，不参考演员外貌。
@音频1：只参考主角音色，不照搬原内容。
【一句话故事】
[主角]为了[目标]进入[地点]，却发现[异常]，最终[结果或尾钩]。
【连续性锁定】
全片始终保持同一名主角、同一套服装、同一件核心道具和同一个连续空间。
人物身份、服装细节、光线方向与移动方向保持一致。
【时间轴】
00—03秒｜立即可见或可听见的异常。
03—08秒｜建立人物、地点与目标。
08—16秒｜主角行动，并发现新信息。
16—24秒｜障碍靠近、误判失效或危险升级。
24—30秒｜不可逆动作、结果或强尾钩。
每一段都补充：
人物动作 + 新信息 + 摄影机反应 + 声音变化。
【对白】
CHARACTER（声音位置，表演方式）：“Exact dialogue.”
【表演与摄影】
表演克制、自然，用眼神、呼吸和手部停顿表现情绪。
动作符合物理规律。
【声音】
环境层：[环境声]
动作层：[脚步、衣物、道具、呼吸]
叙事层：[对白、广播、音乐进入或停止]
【禁止事项】
不要变脸、改变年龄、复制人物或增加无关路人。
不要改变服装与道具颜色，不要破坏空间方向。
不要出现漂浮物、错误手指、穿模、随机字幕、标志或水印。别再用“太AI了”评价失败
“太AI了”不是能帮助下一轮修改的意见。
你得指出，到底哪里出了问题。
- 人物换脸：身份参考不明确，或多张脸互相冲突；
- 动作错序：同一时间段塞入太多动作；
- 人物瞬移：场景结构和移动方向没有锁定；
- 对白说错人：没有写说话者和声音位置；
- 前三秒无聊：先解释背景，后发生事件；
- 结尾像断电：没有设计最后画面、最后声音和观众的新问题。
“这一版不够高级”没有下一步。
“第12秒人物右手拿起书包，第15秒书包却跳到左手；请锁定书包始终由右手持有，并保留原机位、光线和人物身份”，才有。
具体，才有下一轮。
把形容词擦掉，留下决定
回到开头那句：
一个女孩在雨中奔跑，电影感，紧张，手持摄影，超写实，8K。
它不是不能用。
它只是应该出现在最后，而不是最前面。
先决定女孩是谁，为什么跑，跑向哪里，中途发现什么，最后做出什么选择。
再决定镜头、光线和质感。
写30秒提示词时，先别问模型能不能做。
先问自己：
这一秒发生了什么？
观众新知道了什么？
为什么还要继续看？
当这三个问题清楚以后，提示词不会只是变长。
它会开始像一段戏。
关注波妞，了解更多 AIGC 视频知识
