简介Seedance 2.0提示词指南是一份面向AI视频创作者、提示词工程师及即梦平台用户的实操源码包聚焦多参考文件整合、运镜控制与物理真实感等难题帮助使用者从基础参数设置走向精准控场。资源共3个文件含HTML提示词展示页面、inscode可运行环境配置及gitignore辅助文件压缩包仅14KB轻量却覆盖模板、执行与版本管理环节。目前已有868人学习适合希望系统掌握提示词结构设计的开发者与短视频创作者。内容以“五要素导演法”为骨架分别梳理主体/角色、动作/剧情、镜头/运镜、场景/氛围/光影、风格/特效/音频的组织逻辑同时给出稳公式模板与参考标签的用法并随包附送80多个可直接复制的提示词模板。此外指南补充了新手必备的生成参数建议、高阶玩法及负面提示清单配合避坑与进阶心法帮助读者大幅减少废片率快速生成更具电影感的视频作品。 Seedance 2.0出来之后我身边搞视频创作的朋友几乎都在问同一个问题提示词到底怎么写才不翻车说实话这个问题问得特别准。视频生成模型的提示词和文生图完全是两个物种Midjourney那种一句话风格化描述在这里基本行不通随便写“一个女孩在夕阳下跑步”出来的画面大概率是五官稳定但动作诡异。这篇指南就是基于我实际调Seedance 2.0的经验整理出来的会给出可直接照抄的提示词配方、不同场景的完整例子以及一组能帮你批量管理提示词的可运行Python源码。无论你是做短视频、广告分镜还是个人短片认真读完都能少走弯路。1. 先别急着写词吃透Seedance 2.0的生成逻辑1.1 视频生成和文生图的本质差异我最早犯过一个特别典型的错误把Stable Diffusion时代养成的那套“画面描述”习惯直接搬过来结果生成的画面单看每一帧都很精致但一连起来就露馅了——人物转头时脖子拉长、手臂挥动时手指乱飞、风吹衣摆的布料走向完全反物理。后来我才意识到问题不在模型能力而在于我给的提示词是“一张照片”的写法不是“一段连续时空”的写法。文生图模型只需要你提供一个瞬间的状态它负责把静态构图、光影和材质渲染到位。视频生成模型则完全不同它必须额外推断下一秒发生什么手臂从哪个角度抬起来头发被风带动时是先飘还是先乱脚踩到地面时裤子褶皱怎么变化这些物理信息不会凭空出现全要靠提示词把“变化过程”喂给模型。所以给Seedance 2.0写提示词最基本的思维切换是不要只写“有什么”要写“怎么变”。比如“一个人坐在窗边”只是一个状态“一个人缓缓抬起头手指无意识地敲击桌面眼神从窗外收回到茶杯上”才有明确的运动线索。模型能跑出更自然的视频靠的就是这些动词和动作顺序。1.2 模型更吃“结构化描述”还是“华丽辞藻”我在好几个AI视频群里观察过新手最爱写“绝美、震撼、电影感、氛围感”这类形容词老手反而会写“35mm镜头、侧逆光、烟雾弥漫、背景虚化、肩部以上中景”。Seedance 2.0这类模型经过大量视频数据训练它对“镜头语言”和“物理属性”的响应比对情绪形容词的响应稳定得多。这不是说情绪词没用而是它得建立在结构之上。你写“压抑、悲伤”模型只能猜一个大概的表情模板你写“眉心微蹙、嘴角下垂、呼吸起伏明显、眼眶泛红但不眨眼”模型才能组合出一个可信的失落感。把一个抽象情绪拆成可观测的“肌肉动作、视线方向、呼吸节奏”是Seedance 2.0提示词最核心的技能。我目前用的策略是“三层金字塔”最下面是基础结构景别、主体、环境、光线中间是动态过程动作顺序、运动幅度、镜头运动最上面才是风格氛围色调、颗粒、情绪。写提示词时从下往上填而不是一上来就堆风格词。这样生成结果更可控后期也容易定位问题。1.3 中文提示词还是英文提示词Seedance 2.0对中英文都支持但从我的实测经验看英文提示词在“镜头语言”“材质细节”“动作动词”上的唤醒更稳定。比如你写“镜头缓慢推进”模型能理解但如果你写“slow push-in, focus on the eyes”模型对焦位置和推进速度的判断会更明确。中文描述适合表达复杂关系和抽象情绪英文描述适合锁定视觉参数。我的习惯是混合写主体动作和环境氛围用中文先理清逻辑镜头语言和风格修饰用英文补充关键参数。比如“一位身穿灰色毛衣的女性坐在旧书店角落手指翻动泛黄的纸张”加在后面“medium shot, 50mm lens, soft window light from left, shallow depth of field, slow dolly in”。另外如果某个关键词很重要可以在提示词里重复两三次而不是依赖权重语法。视频模型对权重语法的支持参差不齐重复关键词是更稳妥的做法。2. 一套能直接套用的提示词配方五段式模板2.1 五段式结构速览我在测试Seedance 2.0时把大量稳定出片的提示词拆开对比最后沉淀出一套五段式模板基本能覆盖90%以上的视频生成需求段落核心内容示例关键词镜头语言景别、焦段、镜头运动方式medium shot, 35mm, handheld, slow push-in主体描述人物/物体身份、外观、位置身穿深蓝色夹克的男子站在修理厂门口动态过程动作顺序、速度、受力关系他低头看扳手缓缓抬头眼神逐渐坚定环境氛围场景、时间、天气、主光源方向傍晚白炽灯从头顶照下地面有油渍反光风格后期色调、画质、颗粒感、帧率感cinematic, teal and orange, film grain这套模板的好处是各段职责清晰参数可以独立调整。你想保留同一个环境但换动作只需要改“动态过程”段想从白天改夜晚只需要改“环境氛围”段。提示词本身不需要是一个通顺的长句写成用逗号连接的片段完全没问题模型反而更容易抓取关键信息。写的时候还有个小技巧把最重要的信息放在每段的最前面。视频模型的注意力机制更重视段落开头的内容所以如果你想突出“慢动作”就把它放进“动态过程”开头而不是放在整句提示词的末尾。2.2 把“情绪”“动态”“真实性”写成模型能懂的语言最近在讨论Seedance提示词的社群里有一句被反复验证的总结特别到位“情绪靠肌肉手部靠结构接触靠阴影真实靠受力”。我把它当成每次出片前检查提示词的四把尺子。情绪靠肌肉不要直接写“他很伤心”要写“他的眉头向中间挤压嘴角轻微下撇喉咙有一个吞咽动作”。这些细微的肌肉变化比一句抽象情绪更能驱动视频模型的表情表现力。实际测试中加入“吞咽动作”这种极细节点后人物情绪立刻变得可信很多。手部靠结构手是视频模型最容易翻车的地方。你只写“她拿着杯子”模型大概率会在某几帧多出一根手指或握姿漂移。你要给出手指的具体动作和位置关系比如“右手握住杯柄小指自然翘起食指和中指轻贴在杯壁”。手指之间的遮挡关系越明确生成结果越稳定。接触靠阴影两个物体或人物产生互动时比如一个人把下巴靠到另一个人肩上你要写清楚“下巴接触肩部时形成柔和的阴影边界肩部衣物被轻微压出褶皱”。阴影和衣物形变是模型判断物理接触的重要信号缺少这部分互动看起来就像两个图层叠在一起。真实靠受力凡是涉及衣物、头发、悬挂物、液体都要考虑重力。写“桌布被风掀起来”不如写“桌布边缘被风掀起后向下垂落形成波浪状褶皱”。描述重力方向和受力结果能让动态更贴近真实世界。对慢镜头尤其明显我试过同一个动作加上“衣摆随身体转动被拖向一侧再弹回”之后画面质感直接提升了一档。2.3 负面提示词与权重控制Seedance 2.0支持负面提示词时不要把它当摆设。我的做法是固定维护一组常用负面词再根据场景补充个别项。常用底料如下watermark, text, logo, blurry, low quality, jittery, flicker, morphing, distorted face, extra fingers, deformed hand, broken anatomy, unnatural motion, frame glitch, oversaturation注意负面词也别写太长控制在15个词以内。太长会稀释模型对正面内容的注意力反而影响生成质量。如果平台不支持负面提示词可以把最关键的几个负面词用否定句式写进正面提示词比如“without extra fingers, no watermark, sharp focus”。权重语法方面我看到有人推荐(keyword:1.2)这类写法但Seedance 2.0到底认不认这种格式我建议以你所用平台的官方文档为准。实测中我发现与其依赖权重不如在提示词里重复关键词。比如想让模型重点表现手部就把手部细节写两遍一次在主体描述里一次在动态过程里比单独加强权重更可靠。3. 附可运行源码提示词组配器 调用示例3.1 这个源码解决什么问题怎么准备提示词写到后面最大的问题不是不会写而是改动太乱。一个项目同时要出几十条提示词每条都有七八个字段全放在文本文档里根本没法维护。所以我写了一个极简的“提示词组配器”把五段式模板转成JSON配置脚本自动拼接出最终的正面提示词和负面提示词。这个源码不需要额外安装第三方库只要Python 3.10以上就能跑。它的核心价值不在算法而在把提示词当作可配置的数据结构来管理。你可以在一个JSON文件里写多个场景脚本每次读取一个配置生成一段格式统一的提示词直接复制到Seedance 2.0网页端或API请求里。如果你想直接通过API调用视频生成模型我也在源码下面给出了一个requests调用模板。但需要提醒一句不同平台提供的接口字段名差异很大模板只做结构参考发起真实请求前务必对照你所用服务商的API文档调整参数。3.2 完整源码提示词组配器可直接运行#!/usr/bin/env python3 seedance_prompt_builder.py 一个极简的 Seedance 2.0 提示词组配器。 用法 python seedance_prompt_builder.py --config my_prompt.json 它会读入配置拼出 final_prompt 和 negative_prompt并打印到终端。 import json import argparse SECTIONS [camera, subject, action, environment, style] def build_prompt(cfg: dict) - str: parts [] for section in SECTIONS: if cfg.get(section): parts.append(cfg[section].strip().rstrip(,)) extra cfg.get(extra_keywords, []) if extra: parts.append(, .join(extra)) prompt , .join(p for p in parts if p) return prompt.strip().strip(,) def build_negative(cfg: dict) - str: return , .join(cfg.get(negative, [])) def main(): parser argparse.ArgumentParser(descriptionBuild a Seedance 2.0 prompt from JSON config.) parser.add_argument(--config, requiredTrue, helpPath to JSON config file.) args parser.parse_args() with open(args.config, r, encodingutf-8) as f: cfg json.load(f) prompt build_prompt(cfg) negative build_negative(cfg) print( Positive Prompt ) print(prompt) print() print( Negative Prompt ) print(negative) if __name__ __main__: main()把上面的代码保存为seedance_prompt_builder.py再创建一个my_prompt.json配置文件内容如下{ camera: Medium shot, 35mm, shallow depth of field, handheld, slight push-in, subject: 一位四十岁左右的男性主角身穿深蓝色工装夹克站在昏暗的修理厂门口右手握着扳手指关节有油污, action: 他低头看着手中扳手呼吸沉重抬起头时眼神逐渐变坚定衣料随动作微微绷紧, environment: 傍晚修车厂内一盏白炽灯亮着周围有零散工具箱、液压千斤顶地面倒影带着油渍反光, style: cinematic, teal and orange color grading, film grain, realistic texture, 24fps, cinematic look, extra_keywords: [slow motion, subtle dust particles, lens focus on eyes], negative: [watermark, text, blurry, extra fingers, deformed hands, distorted face, low quality, jittery motion, morphing artifacts] }然后在命令行执行python seedance_prompt_builder.py --config my_prompt.json终端会输出一段结构清晰的正面提示词和负面提示词。这就是脚本的价值你想生成另一个变体只需要复制JSON改掉action字段重新跑一次即可不需要在长文本里来回删改。3.3 接API的调用模板以实际文档为准组配器生成提示词后如果你想直接接入Seedance 2.0的服务端可以参考下面这个通用请求模板。这里采用“先创建任务、再轮询结果”的异步模式因为视频生成普遍比图像生成耗时同步等待容易触发网关超时。import requests import time API_URL https://your-seedance-service.example.com/api/v1/video # 替换为真实地址 API_KEY your-api-key headers { Authorization: fBearer {API_KEY}, Content-Type: application/json } # 这里直接使用组配器输出的 prompt 和 negative payload { model: seedance-2.0, prompt: prompt, negative_prompt: negative, duration_seconds: 5, resolution: 1280x720, seed: 42, cfg_scale: 7.0 } # 创建生成任务 # resp requests.post(API_URL, jsonpayload, headersheaders, timeout30) # task_id resp.json().get(task_id) # 轮询任务状态 # while True: # status_resp requests.get(f{API_URL}/{task_id}, headersheaders, timeout30) # status status_resp.json().get(status) # if status succeeded: # video_url status_resp.json()[output][video_url] # print(video_url) # break # elif status failed: # raise RuntimeError(status_resp.json()) # time.sleep(5)这段代码不是为了让你直接跑通而是展示大致的请求字段和异步轮询流程。实际项目中平台可能会用task_id、request_id、video_url等不同字段名一定要按文档调整。4. 实战拆解三个高频场景的提示词完整方案4.1 场景一压抑情绪人像 慢动作这个场景非常吃演员的微表情但你没有真实演员只能靠模型演。参考提示词如下Medium shot, 50mm, shallow depth of field, slow push-in, 一位二十多岁的女性坐在公交末排靠窗位置身穿米色针织衫围巾松散搭在肩头 她缓缓将头靠在车窗上眉心轻微收紧嘴唇抿住眼眶慢慢变红但始终没有眨眼 车窗外的路灯依次划过光线在她的脸上形成明暗变化车窗玻璃上有淡淡的雾气 阴天色调低饱和胶片颗粒cinematic, realistic skin texture, slow motion, subtle breath movement, focus on her eyes这段提示词能稳定出片的关键在于把“压抑”拆成了“眉心收紧、嘴唇抿住、眼眶变红、不眨眼”把“慢动作”放进了动态段开头同时在环境里加入了“路灯划过、玻璃雾气”来给主体提供光影参照。测试时你会发现描述“没有眨眼”比写“眼神悲伤”更能让模型生成出有克制感的情绪。实际使用中我会把slow motion放在最后一条extra_keywords里偶尔会去掉避免影响整体节奏。如果你需要更慢的节奏可以同时调整生成平台的帧率参数而不是只靠提示词。4.2 场景二超燃战斗打斗动作场景的核心是“动作顺序”和“受力反馈”。只写“两个人打架”肯定不行要给出先、再、最后的时间线同时用慢镜头和颗粒感增强冲击力。Dynamic low-angle shot, 24mm, handheld, fast whip pan, 一个身穿黑色紧身战服的青年在雨夜巷道内急速奔跑脚步踩踏积水溅起水花 他猛地转身左手挡住对手挥来的拳击拳面碰撞瞬间空气似乎扭曲外套后摆被气流甩起 紧接着他右膝提起撞击对方腹部对方身体弓起退后半步踩碎地砖 雨水顺着他的下颌滴落周围霓虹灯光在湿漉漉的地面上拉出长条倒影 cinematic action, speed lines, motion blur, high contrast, 24fps, film grain, impact shockwave, intense physical contact这里的技巧是给每一个动作加“受力结果”挥拳要写“空气似乎扭曲”踢击要写“对方身体弓起退后踩碎地砖”。模型对动作碰撞的推断高度依赖这类反作用力描述。试过几次后我发现加入“外套后摆被气流甩起”这种小细节能明显减少人物在快速移动时的黏连感。另外不要把动作写得太满。一个镜头只表达一两个主要动作超过三个动作会让模型在时间维度上分配不清。如果场景需要连续打斗我会分多条镜头分别生成再用剪辑软件拼接比一次生成复杂打斗的成功率高很多。4.3 场景三产品特写与自然风光产品广告类视频的关键是“材质反光”和“运动轨迹”。比如一个智能手表广告参考提示词Extreme close-up, 100mm macro, shallow depth of field, slow orbital rotation, 一块银色金属智能手表悬浮在深色石台上表盘玻璃表面有细腻的划痕和反光 镜头围绕手表缓慢旋转表带内侧的纹理随光线移动而显现 背景是流动的水波纹光影投射在表壳侧面上形成高光条带 快门速度模拟高速摄影水滴从表盘边缘滑落拉出细长水线 premium commercial look, high dynamic range, crisp edges, subtle reflection, dark studio background, cinematic lighting注意产品特写不要只描述产品静止的外观要给出光的方向、反射物和材质细节。写“表盘玻璃表面有细腻的划痕和反光”比“高级手表”有用得多。还有一个小技巧用“水滴滑落”这种慢速物理元素让静态产品产生明显的运动参照模型生成视频时不容易偷懒成大图漂移。如果是自然风光可以把“环境氛围”段展开得更细。写“晨雾从山谷间缓慢涌出被阳光从侧面照亮”比“风景秀丽”能带来更多有效画面信息。我通常会把天气和光线放在环境段最前面让模型尽早锁定氛围。5. 常见问题与排查技巧实录5.1 人物手指崩坏与结构扭曲这个问题在Seedance 2.0上已经比第一代好很多但遇到快速动作或手部遮挡时仍会出现。我的排查顺序是先看负面提示词有没有deformed hands、extra fingers这些词再看正文里手部描述是否足够具体最后尝试把cfg_scale调低0.5到1。过高的CFG会强迫模型贴近文本反而更容易把细节画“过火”。如果你发现某条提示词跑三次两次手指都崩最有效的办法是给手部动作加一个“因果描述”例如“手从桌上抬起后拇指和食指捏住眼镜腿”。模型在手部从静止到运动的过程中会比直接生成某一个复杂手形更稳定。5.2 运动僵硬、画面闪烁画面闪最典型的来源是主体在帧间变化太大比如背景人物突然出现又消失、衣领边缘跳动。解决思路是给环境加上“稳定”标签比如static background, consistent lighting。另外把提示词里的动作改成“幅度更小、时间更慢”的描述比如把“他跳起来踢腿”改成“他屈膝蓄力后向上跃起双腿在空中打开”能有效减少抖动。移动镜头也会加剧闪烁尤其是快速推拉。如果当前设备或平台算力有限我建议先尝试固定机位加主体运动等稳定后再加镜头运动。5.3 API超时与异步任务处理调用API时最常遇到的坑就是等不到结果。视频生成时间通常以分钟计用普通HTTP同步请求大概率会超时。后面我统一改成“创建任务后返回task_id再循环查询状态”的模式把超时时间设置到300秒以上问题基本就解决了。如果状态一直停在“pending”优先检查是不是并发任务数超限我的经验是同时跑3个以上生成任务时部分平台会排队。还有一个小细节不要把seed写成相同值不同请求间固定种子并不总能保证完全一致但至少可以让复现时偏差小一些。5.4 本地部署的诱惑与陷阱社区里一直有人讨论本地部署Seedance或等2.5版本我也试过在本机跑视频生成模型但必须泼盆冷水视频模型的显存占用和推理速度远比文生图高一张RTX 4090跑短片段都很勉强更别说长镜头和复杂交互。对绝大多数人来说调用云端API是性价比最高的选择本地部署更适合团队做二次开发或数据敏感场景。至于2.5版本提示词思路大概率会延续2.0这套结构化逻辑。你现在练熟五段式模板和四点检查法则等新版本出来很容易迁移。最后说一个我自己的习惯每次拿到一组满意的提示词我会立刻存成JSON配置并写清楚当时用的镜头、光照、动作字段。视频模型的随机性比图像模型大得多同一个提示词换一天跑可能就不同但只要你把字段组合沉淀下来再微调时就能快速锁定变量。希望这份Seedance 2.0提示词指南和附带源码能帮你把调参时间省下来多花在真正有趣的创意上。本文还有配套的精品资源点击获取 Seedance 2.0视频生成提示词实战指南：从五段式模板到Python源码
简介Seedance 2.0提示词指南是一份面向AI视频创作者、提示词工程师及即梦平台用户的实操源码包聚焦多参考文件整合、运镜控制与物理真实感等难题帮助使用者从基础参数设置走向精准控场。资源共3个文件含HTML提示词展示页面、inscode可运行环境配置及gitignore辅助文件压缩包仅14KB轻量却覆盖模板、执行与版本管理环节。目前已有868人学习适合希望系统掌握提示词结构设计的开发者与短视频创作者。内容以“五要素导演法”为骨架分别梳理主体/角色、动作/剧情、镜头/运镜、场景/氛围/光影、风格/特效/音频的组织逻辑同时给出稳公式模板与参考标签的用法并随包附送80多个可直接复制的提示词模板。此外指南补充了新手必备的生成参数建议、高阶玩法及负面提示清单配合避坑与进阶心法帮助读者大幅减少废片率快速生成更具电影感的视频作品。 Seedance 2.0出来之后我身边搞视频创作的朋友几乎都在问同一个问题提示词到底怎么写才不翻车说实话这个问题问得特别准。视频生成模型的提示词和文生图完全是两个物种Midjourney那种一句话风格化描述在这里基本行不通随便写“一个女孩在夕阳下跑步”出来的画面大概率是五官稳定但动作诡异。这篇指南就是基于我实际调Seedance 2.0的经验整理出来的会给出可直接照抄的提示词配方、不同场景的完整例子以及一组能帮你批量管理提示词的可运行Python源码。无论你是做短视频、广告分镜还是个人短片认真读完都能少走弯路。1. 先别急着写词吃透Seedance 2.0的生成逻辑1.1 视频生成和文生图的本质差异我最早犯过一个特别典型的错误把Stable Diffusion时代养成的那套“画面描述”习惯直接搬过来结果生成的画面单看每一帧都很精致但一连起来就露馅了——人物转头时脖子拉长、手臂挥动时手指乱飞、风吹衣摆的布料走向完全反物理。后来我才意识到问题不在模型能力而在于我给的提示词是“一张照片”的写法不是“一段连续时空”的写法。文生图模型只需要你提供一个瞬间的状态它负责把静态构图、光影和材质渲染到位。视频生成模型则完全不同它必须额外推断下一秒发生什么手臂从哪个角度抬起来头发被风带动时是先飘还是先乱脚踩到地面时裤子褶皱怎么变化这些物理信息不会凭空出现全要靠提示词把“变化过程”喂给模型。所以给Seedance 2.0写提示词最基本的思维切换是不要只写“有什么”要写“怎么变”。比如“一个人坐在窗边”只是一个状态“一个人缓缓抬起头手指无意识地敲击桌面眼神从窗外收回到茶杯上”才有明确的运动线索。模型能跑出更自然的视频靠的就是这些动词和动作顺序。1.2 模型更吃“结构化描述”还是“华丽辞藻”我在好几个AI视频群里观察过新手最爱写“绝美、震撼、电影感、氛围感”这类形容词老手反而会写“35mm镜头、侧逆光、烟雾弥漫、背景虚化、肩部以上中景”。Seedance 2.0这类模型经过大量视频数据训练它对“镜头语言”和“物理属性”的响应比对情绪形容词的响应稳定得多。这不是说情绪词没用而是它得建立在结构之上。你写“压抑、悲伤”模型只能猜一个大概的表情模板你写“眉心微蹙、嘴角下垂、呼吸起伏明显、眼眶泛红但不眨眼”模型才能组合出一个可信的失落感。把一个抽象情绪拆成可观测的“肌肉动作、视线方向、呼吸节奏”是Seedance 2.0提示词最核心的技能。我目前用的策略是“三层金字塔”最下面是基础结构景别、主体、环境、光线中间是动态过程动作顺序、运动幅度、镜头运动最上面才是风格氛围色调、颗粒、情绪。写提示词时从下往上填而不是一上来就堆风格词。这样生成结果更可控后期也容易定位问题。1.3 中文提示词还是英文提示词Seedance 2.0对中英文都支持但从我的实测经验看英文提示词在“镜头语言”“材质细节”“动作动词”上的唤醒更稳定。比如你写“镜头缓慢推进”模型能理解但如果你写“slow push-in, focus on the eyes”模型对焦位置和推进速度的判断会更明确。中文描述适合表达复杂关系和抽象情绪英文描述适合锁定视觉参数。我的习惯是混合写主体动作和环境氛围用中文先理清逻辑镜头语言和风格修饰用英文补充关键参数。比如“一位身穿灰色毛衣的女性坐在旧书店角落手指翻动泛黄的纸张”加在后面“medium shot, 50mm lens, soft window light from left, shallow depth of field, slow dolly in”。另外如果某个关键词很重要可以在提示词里重复两三次而不是依赖权重语法。视频模型对权重语法的支持参差不齐重复关键词是更稳妥的做法。2. 一套能直接套用的提示词配方五段式模板2.1 五段式结构速览我在测试Seedance 2.0时把大量稳定出片的提示词拆开对比最后沉淀出一套五段式模板基本能覆盖90%以上的视频生成需求段落核心内容示例关键词镜头语言景别、焦段、镜头运动方式medium shot, 35mm, handheld, slow push-in主体描述人物/物体身份、外观、位置身穿深蓝色夹克的男子站在修理厂门口动态过程动作顺序、速度、受力关系他低头看扳手缓缓抬头眼神逐渐坚定环境氛围场景、时间、天气、主光源方向傍晚白炽灯从头顶照下地面有油渍反光风格后期色调、画质、颗粒感、帧率感cinematic, teal and orange, film grain这套模板的好处是各段职责清晰参数可以独立调整。你想保留同一个环境但换动作只需要改“动态过程”段想从白天改夜晚只需要改“环境氛围”段。提示词本身不需要是一个通顺的长句写成用逗号连接的片段完全没问题模型反而更容易抓取关键信息。写的时候还有个小技巧把最重要的信息放在每段的最前面。视频模型的注意力机制更重视段落开头的内容所以如果你想突出“慢动作”就把它放进“动态过程”开头而不是放在整句提示词的末尾。2.2 把“情绪”“动态”“真实性”写成模型能懂的语言最近在讨论Seedance提示词的社群里有一句被反复验证的总结特别到位“情绪靠肌肉手部靠结构接触靠阴影真实靠受力”。我把它当成每次出片前检查提示词的四把尺子。情绪靠肌肉不要直接写“他很伤心”要写“他的眉头向中间挤压嘴角轻微下撇喉咙有一个吞咽动作”。这些细微的肌肉变化比一句抽象情绪更能驱动视频模型的表情表现力。实际测试中加入“吞咽动作”这种极细节点后人物情绪立刻变得可信很多。手部靠结构手是视频模型最容易翻车的地方。你只写“她拿着杯子”模型大概率会在某几帧多出一根手指或握姿漂移。你要给出手指的具体动作和位置关系比如“右手握住杯柄小指自然翘起食指和中指轻贴在杯壁”。手指之间的遮挡关系越明确生成结果越稳定。接触靠阴影两个物体或人物产生互动时比如一个人把下巴靠到另一个人肩上你要写清楚“下巴接触肩部时形成柔和的阴影边界肩部衣物被轻微压出褶皱”。阴影和衣物形变是模型判断物理接触的重要信号缺少这部分互动看起来就像两个图层叠在一起。真实靠受力凡是涉及衣物、头发、悬挂物、液体都要考虑重力。写“桌布被风掀起来”不如写“桌布边缘被风掀起后向下垂落形成波浪状褶皱”。描述重力方向和受力结果能让动态更贴近真实世界。对慢镜头尤其明显我试过同一个动作加上“衣摆随身体转动被拖向一侧再弹回”之后画面质感直接提升了一档。2.3 负面提示词与权重控制Seedance 2.0支持负面提示词时不要把它当摆设。我的做法是固定维护一组常用负面词再根据场景补充个别项。常用底料如下watermark, text, logo, blurry, low quality, jittery, flicker, morphing, distorted face, extra fingers, deformed hand, broken anatomy, unnatural motion, frame glitch, oversaturation注意负面词也别写太长控制在15个词以内。太长会稀释模型对正面内容的注意力反而影响生成质量。如果平台不支持负面提示词可以把最关键的几个负面词用否定句式写进正面提示词比如“without extra fingers, no watermark, sharp focus”。权重语法方面我看到有人推荐(keyword:1.2)这类写法但Seedance 2.0到底认不认这种格式我建议以你所用平台的官方文档为准。实测中我发现与其依赖权重不如在提示词里重复关键词。比如想让模型重点表现手部就把手部细节写两遍一次在主体描述里一次在动态过程里比单独加强权重更可靠。3. 附可运行源码提示词组配器 调用示例3.1 这个源码解决什么问题怎么准备提示词写到后面最大的问题不是不会写而是改动太乱。一个项目同时要出几十条提示词每条都有七八个字段全放在文本文档里根本没法维护。所以我写了一个极简的“提示词组配器”把五段式模板转成JSON配置脚本自动拼接出最终的正面提示词和负面提示词。这个源码不需要额外安装第三方库只要Python 3.10以上就能跑。它的核心价值不在算法而在把提示词当作可配置的数据结构来管理。你可以在一个JSON文件里写多个场景脚本每次读取一个配置生成一段格式统一的提示词直接复制到Seedance 2.0网页端或API请求里。如果你想直接通过API调用视频生成模型我也在源码下面给出了一个requests调用模板。但需要提醒一句不同平台提供的接口字段名差异很大模板只做结构参考发起真实请求前务必对照你所用服务商的API文档调整参数。3.2 完整源码提示词组配器可直接运行#!/usr/bin/env python3 seedance_prompt_builder.py 一个极简的 Seedance 2.0 提示词组配器。 用法 python seedance_prompt_builder.py --config my_prompt.json 它会读入配置拼出 final_prompt 和 negative_prompt并打印到终端。 import json import argparse SECTIONS [camera, subject, action, environment, style] def build_prompt(cfg: dict) - str: parts [] for section in SECTIONS: if cfg.get(section): parts.append(cfg[section].strip().rstrip(,)) extra cfg.get(extra_keywords, []) if extra: parts.append(, .join(extra)) prompt , .join(p for p in parts if p) return prompt.strip().strip(,) def build_negative(cfg: dict) - str: return , .join(cfg.get(negative, [])) def main(): parser argparse.ArgumentParser(descriptionBuild a Seedance 2.0 prompt from JSON config.) parser.add_argument(--config, requiredTrue, helpPath to JSON config file.) args parser.parse_args() with open(args.config, r, encodingutf-8) as f: cfg json.load(f) prompt build_prompt(cfg) negative build_negative(cfg) print( Positive Prompt ) print(prompt) print() print( Negative Prompt ) print(negative) if __name__ __main__: main()把上面的代码保存为seedance_prompt_builder.py再创建一个my_prompt.json配置文件内容如下{ camera: Medium shot, 35mm, shallow depth of field, handheld, slight push-in, subject: 一位四十岁左右的男性主角身穿深蓝色工装夹克站在昏暗的修理厂门口右手握着扳手指关节有油污, action: 他低头看着手中扳手呼吸沉重抬起头时眼神逐渐变坚定衣料随动作微微绷紧, environment: 傍晚修车厂内一盏白炽灯亮着周围有零散工具箱、液压千斤顶地面倒影带着油渍反光, style: cinematic, teal and orange color grading, film grain, realistic texture, 24fps, cinematic look, extra_keywords: [slow motion, subtle dust particles, lens focus on eyes], negative: [watermark, text, blurry, extra fingers, deformed hands, distorted face, low quality, jittery motion, morphing artifacts] }然后在命令行执行python seedance_prompt_builder.py --config my_prompt.json终端会输出一段结构清晰的正面提示词和负面提示词。这就是脚本的价值你想生成另一个变体只需要复制JSON改掉action字段重新跑一次即可不需要在长文本里来回删改。3.3 接API的调用模板以实际文档为准组配器生成提示词后如果你想直接接入Seedance 2.0的服务端可以参考下面这个通用请求模板。这里采用“先创建任务、再轮询结果”的异步模式因为视频生成普遍比图像生成耗时同步等待容易触发网关超时。import requests import time API_URL https://your-seedance-service.example.com/api/v1/video # 替换为真实地址 API_KEY your-api-key headers { Authorization: fBearer {API_KEY}, Content-Type: application/json } # 这里直接使用组配器输出的 prompt 和 negative payload { model: seedance-2.0, prompt: prompt, negative_prompt: negative, duration_seconds: 5, resolution: 1280x720, seed: 42, cfg_scale: 7.0 } # 创建生成任务 # resp requests.post(API_URL, jsonpayload, headersheaders, timeout30) # task_id resp.json().get(task_id) # 轮询任务状态 # while True: # status_resp requests.get(f{API_URL}/{task_id}, headersheaders, timeout30) # status status_resp.json().get(status) # if status succeeded: # video_url status_resp.json()[output][video_url] # print(video_url) # break # elif status failed: # raise RuntimeError(status_resp.json()) # time.sleep(5)这段代码不是为了让你直接跑通而是展示大致的请求字段和异步轮询流程。实际项目中平台可能会用task_id、request_id、video_url等不同字段名一定要按文档调整。4. 实战拆解三个高频场景的提示词完整方案4.1 场景一压抑情绪人像 慢动作这个场景非常吃演员的微表情但你没有真实演员只能靠模型演。参考提示词如下Medium shot, 50mm, shallow depth of field, slow push-in, 一位二十多岁的女性坐在公交末排靠窗位置身穿米色针织衫围巾松散搭在肩头 她缓缓将头靠在车窗上眉心轻微收紧嘴唇抿住眼眶慢慢变红但始终没有眨眼 车窗外的路灯依次划过光线在她的脸上形成明暗变化车窗玻璃上有淡淡的雾气 阴天色调低饱和胶片颗粒cinematic, realistic skin texture, slow motion, subtle breath movement, focus on her eyes这段提示词能稳定出片的关键在于把“压抑”拆成了“眉心收紧、嘴唇抿住、眼眶变红、不眨眼”把“慢动作”放进了动态段开头同时在环境里加入了“路灯划过、玻璃雾气”来给主体提供光影参照。测试时你会发现描述“没有眨眼”比写“眼神悲伤”更能让模型生成出有克制感的情绪。实际使用中我会把slow motion放在最后一条extra_keywords里偶尔会去掉避免影响整体节奏。如果你需要更慢的节奏可以同时调整生成平台的帧率参数而不是只靠提示词。4.2 场景二超燃战斗打斗动作场景的核心是“动作顺序”和“受力反馈”。只写“两个人打架”肯定不行要给出先、再、最后的时间线同时用慢镜头和颗粒感增强冲击力。Dynamic low-angle shot, 24mm, handheld, fast whip pan, 一个身穿黑色紧身战服的青年在雨夜巷道内急速奔跑脚步踩踏积水溅起水花 他猛地转身左手挡住对手挥来的拳击拳面碰撞瞬间空气似乎扭曲外套后摆被气流甩起 紧接着他右膝提起撞击对方腹部对方身体弓起退后半步踩碎地砖 雨水顺着他的下颌滴落周围霓虹灯光在湿漉漉的地面上拉出长条倒影 cinematic action, speed lines, motion blur, high contrast, 24fps, film grain, impact shockwave, intense physical contact这里的技巧是给每一个动作加“受力结果”挥拳要写“空气似乎扭曲”踢击要写“对方身体弓起退后踩碎地砖”。模型对动作碰撞的推断高度依赖这类反作用力描述。试过几次后我发现加入“外套后摆被气流甩起”这种小细节能明显减少人物在快速移动时的黏连感。另外不要把动作写得太满。一个镜头只表达一两个主要动作超过三个动作会让模型在时间维度上分配不清。如果场景需要连续打斗我会分多条镜头分别生成再用剪辑软件拼接比一次生成复杂打斗的成功率高很多。4.3 场景三产品特写与自然风光产品广告类视频的关键是“材质反光”和“运动轨迹”。比如一个智能手表广告参考提示词Extreme close-up, 100mm macro, shallow depth of field, slow orbital rotation, 一块银色金属智能手表悬浮在深色石台上表盘玻璃表面有细腻的划痕和反光 镜头围绕手表缓慢旋转表带内侧的纹理随光线移动而显现 背景是流动的水波纹光影投射在表壳侧面上形成高光条带 快门速度模拟高速摄影水滴从表盘边缘滑落拉出细长水线 premium commercial look, high dynamic range, crisp edges, subtle reflection, dark studio background, cinematic lighting注意产品特写不要只描述产品静止的外观要给出光的方向、反射物和材质细节。写“表盘玻璃表面有细腻的划痕和反光”比“高级手表”有用得多。还有一个小技巧用“水滴滑落”这种慢速物理元素让静态产品产生明显的运动参照模型生成视频时不容易偷懒成大图漂移。如果是自然风光可以把“环境氛围”段展开得更细。写“晨雾从山谷间缓慢涌出被阳光从侧面照亮”比“风景秀丽”能带来更多有效画面信息。我通常会把天气和光线放在环境段最前面让模型尽早锁定氛围。5. 常见问题与排查技巧实录5.1 人物手指崩坏与结构扭曲这个问题在Seedance 2.0上已经比第一代好很多但遇到快速动作或手部遮挡时仍会出现。我的排查顺序是先看负面提示词有没有deformed hands、extra fingers这些词再看正文里手部描述是否足够具体最后尝试把cfg_scale调低0.5到1。过高的CFG会强迫模型贴近文本反而更容易把细节画“过火”。如果你发现某条提示词跑三次两次手指都崩最有效的办法是给手部动作加一个“因果描述”例如“手从桌上抬起后拇指和食指捏住眼镜腿”。模型在手部从静止到运动的过程中会比直接生成某一个复杂手形更稳定。5.2 运动僵硬、画面闪烁画面闪最典型的来源是主体在帧间变化太大比如背景人物突然出现又消失、衣领边缘跳动。解决思路是给环境加上“稳定”标签比如static background, consistent lighting。另外把提示词里的动作改成“幅度更小、时间更慢”的描述比如把“他跳起来踢腿”改成“他屈膝蓄力后向上跃起双腿在空中打开”能有效减少抖动。移动镜头也会加剧闪烁尤其是快速推拉。如果当前设备或平台算力有限我建议先尝试固定机位加主体运动等稳定后再加镜头运动。5.3 API超时与异步任务处理调用API时最常遇到的坑就是等不到结果。视频生成时间通常以分钟计用普通HTTP同步请求大概率会超时。后面我统一改成“创建任务后返回task_id再循环查询状态”的模式把超时时间设置到300秒以上问题基本就解决了。如果状态一直停在“pending”优先检查是不是并发任务数超限我的经验是同时跑3个以上生成任务时部分平台会排队。还有一个小细节不要把seed写成相同值不同请求间固定种子并不总能保证完全一致但至少可以让复现时偏差小一些。5.4 本地部署的诱惑与陷阱社区里一直有人讨论本地部署Seedance或等2.5版本我也试过在本机跑视频生成模型但必须泼盆冷水视频模型的显存占用和推理速度远比文生图高一张RTX 4090跑短片段都很勉强更别说长镜头和复杂交互。对绝大多数人来说调用云端API是性价比最高的选择本地部署更适合团队做二次开发或数据敏感场景。至于2.5版本提示词思路大概率会延续2.0这套结构化逻辑。你现在练熟五段式模板和四点检查法则等新版本出来很容易迁移。最后说一个我自己的习惯每次拿到一组满意的提示词我会立刻存成JSON配置并写清楚当时用的镜头、光照、动作字段。视频模型的随机性比图像模型大得多同一个提示词换一天跑可能就不同但只要你把字段组合沉淀下来再微调时就能快速锁定变量。希望这份Seedance 2.0提示词指南和附带源码能帮你把调参时间省下来多花在真正有趣的创意上。本文还有配套的精品资源点击获取