agentleFS
XAzer-RXAzer-R/azer-zhulong-director-pro/.claude/skills/seedance-kling-capabilities/SKILL.md

seedance-kling-capabilities

Skill1 starsChanged 2 months agoMITView on GitHub

视频提示词写法手册(极速版·模型无关)。覆盖平台能力基线、参考图上传策略、四种驱动技术(首帧/首尾帧/延长续写/多元参考)、提示词格式模板、已知翻车点。导演产出 production 的执行层依赖。适配任意题材的影视短片 / 微短剧。

1 other project uses a version of this, 1 of them edited.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

Copyright (c) 2026 阿泽。依据仓库根目录 LICENSE(MIT)使用。

视频提示词写法手册(极速版 · 模型无关)

定位:本 skill 是导演产出 production 的执行层——定义"视频提示词具体怎么写、参考图怎么上传"。

极速版说明:当前主流视频模型(Seedance / 可灵 等)底层能力已趋于一致。本手册不区分模型、不做模型选择、不写线稿——提示词以统一写法产出,由用户在任意 i2v 平台生成。

⚠ 卡片最终格式以模板为准:见 director-skill/templates/director-analysis-template.md——分镜动作链(- [C01]…·按事件顺序·不写秒级时间戳·台词内嵌)· 无 avoid · 无风格前缀/模型/线稿。本手册提供平台能力/驱动模式/参考图策略等方法论(仍有效);下方示例里出现的 avoid … 行已作废。分镜用 C01/C02/C03 按事件顺序标识、不标秒(官方:模型对精确时间如 0–3 秒支持不稳定、强行限时长可能致生成异常)。

上游:导演标注的"驱动模式"(首帧 / 首尾帧 / 续写 / 多元参考)。


§1 平台能力基线(i2v 通用)

维度基线
生成方式i2v(图生视频)——上传参考图 + 提示词驱动
最短时长4 秒(低于 4s 不支持)
单条最长约 10-15 秒(超长拆多条续写拼接)
甜区单条 4-12 秒,生成质量最稳定
参考图多图分开上传(人物/场景/道具各自独立)
画面风格从输入参考图继承(风格前缀块在生图阶段由服化道烧进参考图)

因为画面风格从参考图继承,视频提示词不写风格前缀(不写 Shot on ARRI…),只写运动与表演。


§2 参考图上传策略

核心原则:参考图分开上传。人物设定图、场景图、道具图各自独立上传,不合成为一张图(合成会同时降低场景和人物的 identity 精度)。

参考图类型用途上传方式
角色设定图(三视图)identity 锚·跨帧一致用到角色的镜头必传·分开上传
场景图(主视角)空间环境锚定分开上传
场景图(角度变体)首尾帧的起始/终止角度分开上传·@图N-A / @图N-B
道具参考图特定物件外观道具交互时传·分开上传

与提示词的配合:

  • 参考图提供视觉锚定(角色外貌/场景空间/道具外形)+ 画面风格
  • 提示词提供动作指令 + 构图/运镜控制 + 必要的光影补充
  • 提示词用 {{@图N}} 引用上传的参考图
  • 提示词不重复参考图已锁定的信息(角色外貌/服装/发型已在设定图中)

§3 四种驱动模式(导演标注)

① 首帧模式(start-only)

  • 场景:机位静止 / 角色静态 + 局部动作(嘴唇动、手指动)/ 无视角变化
  • 必传:场景图 @图N(主视角)+ 角色设定图 @图N(按需道具图)
  • 提示词要点:运动描述(动作链 + 表情并入)+ 运镜翻译 + 台词(如有)

② 首尾帧模式(start+end)

  • 场景:焦点切换 / 角色动作变化 / 镜头运动(推拉摇移)/ 视角明确改变
  • 必传:场景图·起始 @图N-A + 场景图·终止 @图N-B + 角色设定图 @图N
  • 提示词要点:描述起始→终止之间的"过渡过程"(不是终点状态·AI 通过终止图知道终点);运镜翻译尤其重要

③ 延长续写模式

  • 场景:连贯动作的时间延长 / 伪一镜到底 / 同一机位持续
  • 必传:上一条生成视频(或尾帧截图)+ 角色设定图 @图N
  • 提示词要点:从"上一条视频尾"继续描述接下来发生什么,不重复已发生内容,光线/运镜连续

④ 多元参考模式(multimodal)

  • 场景:大场景建立镜头 / 无强构图要求 / 环境主导镜头
  • 必传:角色设定图 @图N + 场景设定图 @图N(+ 参考音频可选)·全部分开上传
  • 提示词要点:完整描述画面组成(多素材混合·AI 自由度高)

§3.5 片段间动作衔接(无缝缝合技巧·剪起来不"怪"的关键)

AI 视频剪在一起"怪怪的",根因常在衔接不在模型。一段连续动作拆成两条 clip(续写/首尾帧)时,光靠首尾帧对齐还不够,按下面三招缝才看不出剪辑点。与 director-skill [剪辑原则] 原则 4「动作中切」、long-take-skill 跨片段缝合配套用。

  • ① 保留重叠动作(动作叠合):相邻两条 clip 保留一段重叠的同一动作——上一条结尾的动作和下一条开头的动作是同一个动作的连续段(上镜"举起咖啡杯到嘴边",下镜从"杯在嘴边"继续"喝一口放下")。靠重叠动作把两条焊在一起,而不是各演各的。
  • ② 剪辑点放在动作中途(不在动作起止):真正剪开的那一帧选在动作进行到一半时(手抬到中途、转身转到一半),用运动本身遮掩剪辑痕迹;切在动作完全静止的起点/终点反而会"顿"一下、暴露接缝。
  • ③ 利用视觉暂留(0.1–0.2s 重叠余量):人眼有约 0.1–0.2s 视觉暂留,剪辑时让两条在接缝处重叠极短一截(后期对齐时留 0.1–0.2s 余量),观众的眼睛会自动把它脑补成连续动作。

落地:拆条时在 production 标注衔接方式——上一条尾画面字段写清"动作进行到 X 中途"的状态,下一条首帧承接同一动作的后半段;最终接缝的 0.1–0.2s 重叠靠后期剪辑对齐(生成不保证精确到帧·见 §5.1bis 硬约束 #3/#8)。


§4 提示词格式(统一·无风格前缀·无模型)

⚠️ 现行卡片格式=分镜动作链(- [C0N·景别·运镜] 动作·按事件顺序·不写秒级时间戳·见 director-skill/templates/director-analysis-template.md)。下方示例为早期散文式、仅示意"驱动模式/参考图怎么配",实际产出按模板的分镜格式(官方:精确秒数支持不稳定,多镜头用 C01/C02/C03 按事件顺序)。

基础格式(首帧·场景图+角色图+动作描述):

无BGM无字幕。[全局修饰(按需)]。角色为{{@图1}}。场景为{{@图2}}。
[运动描述·动作链与表情并入·物理化·污染词已替换]。[光影补充(按需)]。

首尾帧格式(起始+终止场景角度·运镜过渡):

无BGM无字幕。角色为{{@图1}}。场景起始为{{@图2-A}},场景终止为{{@图2-B}}。
[起始→终止之间的过渡过程描述·运镜翻译]。

多 clip 格式(一卡内运镜切换·复杂动作拆分):

无BGM无字幕。[全局修饰]。角色为{{@图1}}。场景为{{@图2}}。
[C01: 运镜] 动作1。
[C02: 运镜] 动作2。
[C03: 运镜] 动作3。

不写风格前缀块(Shot on ARRI… 归服化道参考图)。固定句 无BGM无字幕。。

全局修饰词

修饰词效果
手持模拟手持摄影晃动感
延时摄影时间加速·昼夜循环
一镜到底无切镜连续无剪辑
主体追踪镜头跟随主体运动

提示词 不写 / 写

不写写
风格前缀块(归服化道)运动描述(动作链+表情·物理化)
模型字段(无模型概念)运镜翻译(按运镜词汇)
线稿(极速版无)人物行动(情绪核心物理描写)
角色外观/服装/发型(设定图已锁)台词(角色说话时写入)
音效 / BGM光影补充(参考图不够时)
运动速度具体数值(只写极缓/慢/中/快·不写"X m/s")· 秒级时间戳([0-3s] 这类·官方称不稳定)分镜动作链 - [C0N·景别·运镜](现行格式·按事件顺序·见 director 模板)/ 氛围粒子(按场景绑定)
生图 avoid(text/HUD/手指·归服化道)—(视频不写 avoid)
—全局修饰词 / 多 clip C01/C02

§5 时长硬约束 + 演时换算法(估时单一事实源)

§5.1 容器硬约束

  • 单条 clip 4–15 秒连续可选(无固定档位·<4s 不支持·>15s 拆多条续写拼接)。按内容实际需要定时长,不迁就固定档、也不凑满 15s。

§5.1bis 硬约束清单(单一事实源·时长只是其一·重抽无效·必须结构方案)

核心区分(贯穿全系统):

  • 硬约束 = 物理/结构限制:重抽一万次也突破不了(如时长上限),必须靠结构性方案绕过(拆条/参考图/首尾帧/后期/道具特写)。这才是该"特殊处理"的。
  • 软约束 = 抽卡/不稳定:模型这次没做出来 ≠ 做不到,换种子/改措辞/重抽可能就成。不预设"做不出"、不擅自降级替换,把镜头照给用户、提示"多抽几次",换不换由用户定。

下面是硬约束全清单——产出时一眼分清"哪些必须结构绕过、哪些只是抽卡":

#硬约束为什么是硬的(重抽不解决)结构性解法归属 skill
1单条时长上限 ~15s模型容器就这么长拆条 + 续写/首尾帧/转场缝合本节 §5.1 + §5.2 演时换算
2跨条一致性漂移每条独立生成·无法跨条记住同一张脸/道具/场景参考图锚定 + 首尾帧 handoff + seed 锁 + @引用consistency-skill
3跨片段帧对不齐两条之间无逐帧无缝衔接创意转场(遮挡/甩镜/入暗)缝合("不可能穿越镜""精确 match-cut"本质都是这个)long-take-skill
4精确文字渲染指定招牌字/UI/书法/数字/品牌名 → 必乱码后期叠字 / 留空 / 关键可读文字靠图层(字幕片名一律后期)后期·非生成
5口型对白同步嘴型对不上指定台词(中文尤甚)后期配音 + 提示词只写"开口说话"概略 + 侧脸/画外/不露正脸规避director(表演写法)
6精确数量 / 计数指定"恰好三道痕/五个人"常给错数关键计数物用道具特写单独控制 / 叙事不死依赖精确数量director(道具特写锁)
7精确物理因果链多米诺/精确碰撞/液体飞溅轨迹/绳索缠绕·物理控不准简化动作 / 拆关键帧 / 不依赖精确物理director(动作设计)
8精确到帧的时长 & 卡点要 4s 给 3.7s·动作命中点不落在指定帧节奏卡点一律靠后期剪辑对齐,不靠生成后期(卡点)·sound-design
9画面外 / 不可见信息声音、画外、心理活动无法直接生成物理化暗示 + 后期声音director(抽象概念视觉化禁令)
10(半硬)精确运镜参数精确速度/距离/角度数值控不了·只能"慢/快"概略自然语言概略 + 多抽选接近storyboard / 轨B

用法:导演/服化道产出时,命中 1–9 的先想结构方案(别指望重抽);其余难度问题(复杂运镜如 dolly zoom/360/子弹时间等)属软约束 → 照给 + 多抽,不预设做不出。轨 B 招牌镜头库的 🔴 标记 = 命中本清单的真硬约束;⚠️ = 软难度。

§5.2 演时换算法——把"一拍演几秒"从【猜】变成【算】

设计动机:AI / 主 Agent 对"表演时长"没有可靠内部时钟,凭感觉估会在同一段戏上反复横跳(14↔28↔48s)。本法把估时拆成可数的离散单元 × 固定常数,消除随意性:同一拍任何人算、每次算,结果一致;且可被你实拍校准。

主公式

一拍时长 ≈ Σ(开口前铺垫动作) + max(台词朗读时长, 说话时并行的动作) 算出 <4s → 补到 4s 或与邻拍合并|4–15s → 一条·时长=算出值|>15s → 在该拍内按"开口前 / 说话中 / 说话后"就近拆条(每条 4–15s·首尾帧承接·不切场景)

表1 · 台词朗读时长(确定性·可复算)

  • 基准 4 字/秒(中文影视对白·含字间停顿·约 240 字/分)
  • 标点加成:句末 。!? 各 +0.4s |逗号 +0.2s |破折号/省略号拖腔 +0.6s
  • 公式:台词秒 = 字数 ÷ 4 + 标点加成

表2 · 动作 beat 时长(确定性)

类型例秒/beat
微动作喉结滚、抿唇、眨眼、手指动、眼神移1s
中动作转头、抬手、递物、俯身、起身、走 1-2 步2s
大动作/位移扑、追两步、转身离去、蹲起、跌坐3s

表3 · 串行还是并行(横跳真凶)

  • 开口前为说话做铺垫的动作 = 串行(计入)
  • 说话同时进行的动作(手抖 / 走动 / 站立 / 落泪)= 并行(取 max·不叠加)
  • 说话后的反应动作 = 串行(计入)

演算范例(辩白拍·一看就会)

老黄:喉结滚→扑身→抓豆→抓渣→举到脸前→(举着手抖)"我这作坊开了三代!一粒豆子都是挑过的!我往里掺这玩意儿干啥?" 铺垫 = 喉结1+扑3+抓豆2+抓渣2+举2 = 10s(串行) 台词 = 28字÷4 + !!?×0.4 = 7+1.2 = 8.2s(手抖 8.2s 并行·不另加) 一拍 = 10 + max(8.2, 8.2) = 18.2s → >15s·拆 2 条

校准机制:表 1/2 的常数为工程经验初值,绝对真值靠实拍校准——你实测后只改这里几个常数,全平台口径一起更新。本 §5.2 是估时单一事实源,调参在此处。

派活铁律:导演产出每一拍前,必须对该拍套主公式算出秒数,并把"换算式"写进 production(如 10s铺垫 + 8.2s台词 = 18.2s → 拆2)。禁止采信剧本"约Ns"标注(只算画面骨架、系统性低估对白与表演)。


§6 avoid 负面约束(极速版:不写)

极速版视频提示词不写 avoid 负面约束——卡片只保留 卡片头 + 图片行(含"无字幕,无bgm")+ 分镜动作链,整段直接复制粘贴。 (生图专属 avoid 如需要由服化道写进参考图提示词;视频提示词侧不写。)


§7 提示词通用规范

铁律映射(详见本 skill 同目录的 seedance-prompt-methodology.md)

  • 铁律 1(污染词):禁用事件名/抽象概念 → 改具体动作
  • 铁律 2(视觉元素替抽象):背对/望向/注视 → 身体朝向+头部方向+眼睛焦点
  • 铁律 3(前景营造):按场景类型选择性使用(太空/闪回/多人需要·极简/情绪峰值不需要)
  • 铁律 4(氛围粒子):按场景绑定的粒子类型写入提示词

token 预算

驱动词约 10-30 中文字。核心:一句话动作描述 + 全局修饰。精度靠图片数量提升,不靠文字长度。


§8 更新规则

  • 本 skill 是视频提示词写法的单一事实源。平台能力更新时在本文件记录。
  • 用户实战发现实际与本手册不符 → 优先信实测,反馈修订。翻车点清单随实战追加。

覆盖范围

平台能力基线 / 参考图分开上传策略 / 四驱动模式 / 统一提示词格式(无风格前缀·无模型·无线稿)/ 时长约束 / 翻车点

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.