企业官网建设流程全解析

简介：Seedance 2.0提示词指南是一份面向短视频创作者和AI视频爱好者的实操资源，围绕字节跳动即梦平台核心视频模型，系统讲解从基础参数到高阶导演控制的方法。内容以五要素导演法为主线，涵盖主体/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，并给出稳公式模板与@参考标签的使用方式，可解决多参考文件整合、运镜精细控制与物理真实感呈现等痛点。压缩包共3个文件，以HTML页面、Inscode配置及Git忽略规则为主，整体仅14KB，其中HTML承载指南内容，Inscode配置对应可直接运行源码工程。已有960人学习，适合希望从生成废片转向精准控场的AI创作者。通过该包可获得80+可直接复制的提示词模板、基础参数设置建议、高阶玩法与负面提示必加内容，同时借助避坑和进阶心法减少试错，快速提升视频创作质量。

1. Seedance 2.0提示词指南：先看懂「可运行源码」到底在解决什么问题

如果你用过几款文生视频模型，大概会有同感：模型能力越来越强，但出片质量的天花板往往不在模型，而在你给的那段话。Seedance 2.0也不例外。它的底层能力足以支撑10秒、多镜头、带交互动作的高质量视频，但前提是你得把提示词写成它能“读懂”的结构——主体、动作、运镜、风格、环境、光影各归各位，而不是一句华丽的散文。这篇文章要讲的，是一套我能稳定复现的Seedance 2.0提示词写法，以及配套的可运行源码。它适合已经在视频生成工具链上花过时间、想系统提升出片率的从业者，也适合做AI视频工具集成的开发者。你会看到提示词怎么拆、代码怎么调、参数怎么配，以及哪些地方最容易让你翻车。先把提示词这件事当成工程来做，后面出片质量才能谈。

2. 先拆提示词：Seedance 2.0的八段式结构与最小可用模板

2.1 八段式结构：从“一句话”到“分镜脚本”

Seedance 2.0对提示词的解析方式，和Midjourney那类“短词堆叠”不同。它对长句、复合句的语义解析更强，但也不是“越长越好”。我经手过大量出片案例后，总结出一个能覆盖大部分视频诉求的八段式结构：主体、主体动作、动作细节、环境场景、镜头语言、光线氛围、风格材质、画质与帧率约束。八段在提示词里按顺序排列，用逗号或分号隔开，模型对段位顺序的敏感度比你想象的高，尤其是镜头语言，放在动作前面和放在动作后面，出片结果可能是两个方向。

举个例子，一段“女孩在雨中跳舞”的提示词，我一般会写成：一个穿红色雨衣的年轻女孩，在空旷的城市广场上旋转跳舞，雨滴落在雨衣上溅起水花，镜头缓慢推近到她的脸部，阴天冷色调，柔和的环境光，电影感画面。

这里“镜头缓慢推近”放在动作之后，模型会按“先动作后运镜”去理解。如果你把它放在最前面，模型可能把这句当成画面主体描述，导致运镜失效。所以八段式不只是内容清单，更是语序规范。新手最容易犯的错，是把所有修饰词堆在一起，模型不得不自行取舍，结果每个元素都“沾一点”但谁都不完整。

2.2 可运行源码：用Python SDK把提示词变成视频

以下是我在本地跑通的一段最小可运行代码，基于常见的火山引擎方舟SDK，用OpenAI兼容接口调用Seedance 2.0的文生视频能力。先把依赖装好：

pip install volcengine-python-sdk openai

然后写一个生成视频的函数。这里的关键不是SDK本身，而是把八段式提示词作为结构化字段传进去的方式：

import json import time from openai import OpenAI client = OpenAI( api_key="<YOUR_API_KEY>", base_url="https://ark.cn-beijing.volces.com/api/v3" ) def seedance_generate(prompt: str, duration: int = 5, resolution: str = "1280x720", cfg_weight: float = 0.8, skill_type: str = ""): """ 调用 Seedance 2.0 文生视频接口 prompt: 八段式结构提示词 skill_type: 可选导演运镜技能，例如 horizontal_move / push / pull """ request_body = { "model": "doubao-seedance-2-0", "content": [ { "type": "text", "text": prompt } ], "duration": duration, # 生成视频时长，可选 4/8/10 "resolution": resolution, # 分辨率，横屏竖屏均可 "cfg_weight": cfg_weight, # 语义跟随强度，0.5~1.0 "watermark": False } if skill_type: request_body["skill_type"] = skill_type response = client.videos.generations.create( **request_body ) return response.id # 返回任务ID，用于轮询结果 task_id = seedance_generate( prompt="一个穿红色雨衣的年轻女孩，在空旷的城市广场上旋转跳舞，" "雨滴落在雨衣上溅起水花，镜头缓慢推近到她的脸部，" "阴天冷色调，柔和的环境光，电影感画面", duration=8, skill_type="push" ) print("任务ID:", task_id)

这段代码的逻辑是：先构造一个符合OpenAI视频接口规范的结构化请求，其中content数组里放文本提示词；duration控制视频长度；skill_type单独传给模型作为导演运镜控制，不混在提示词里。这样做的原因是，Seedance 2.0把“镜头语言”拆成了两个通道——提示词里的文字描述，以及接口层面的技能参数。两者可以配合，但不能互相替代。

参数说明里最值得注意的两个值是cfg_weight和skill_type。cfg_weight控制模型对提示词的忠实程度，调太高（接近1.0）会让画面显得僵硬，每个词都被死死框住；调太低（低于0.6）则模型开始自由发挥，主体可能跑偏。我一般取0.7到0.9之间，偏写实的场景用0.85，偏创意的用0.7。skill_type是Seedance 2.0区别于很多其他模型的特色能力，下一章展开讲。

2.3 参数表：duration、resolution、cfg_weight、skill_type怎么配

一个小经验：如果你生成的是带文字的画面（比如招牌、海报），resolution最好选1280x720以上，同时cfg_weight不要低于0.85，否则模型会把文字糊成乱码。文字类内容对语义跟随强度非常敏感，这是参数组合里最容易被忽略的一组。

3. 镜头语言与导演skill：让提示词具备“运镜控制权”

3.1 skill_type运镜控制：水平移动、推拉、环绕怎么选

Seedance 2.0在接口层面提供了一组导演技能参数，官方把它叫做“导演台”能力。简单说，你可以通过skill_type直接告诉模型“镜头怎么动”，而不需要在提示词里用大段文字描述。我常用的是以下几个：horizontal_move（水平横移，适合展示环境全景）、push（推近，强化主体情绪）、pull（拉远，交代环境关系）、rotate（环绕拍摄，适合产品展示或角色登场）。

选型的逻辑不是“哪个看起来炫”，而是跟你的主体动作匹配。比如主体在做奔跑动作，你选push，镜头追着主体正面推近，观众能看到表情变化；选horizontal_move，镜头跟主体平行移动，适合展示速度感。反过来，主体原地站立转身，你选rotate，出来的效果就像时尚大片；选horizontal_move，画面会显得空。我通常会先定主体动作，再反推镜头怎么配合，而不是先定镜头再想动作。

3.2 把镜头指令写进提示词：模板与组合规则

skill_type和提示词里的镜头文字可以叠加，但要用对方式。如果你的场景需要“先推近再拉远”这样复杂的镜头组合，单靠skill_type一个参数不够，需要在提示词里写成“镜头先缓慢推近到主体面部，再快速拉远展示全景”，同时skill_type留空。反过来，如果你的镜头需求是单一且明确的，比如“缓慢推近”，那么用skill_type="push"更可靠，因为接口级参数对镜头的控制力度比提示词文字强。

我见过不少人把skill_type和提示词里的镜头描述写成互相矛盾的内容，比如skill_type="push"但提示词里写“镜头固定不动”，结果模型输出要么是推近，要么是固定，甚至出现画面抖动。正确的组合方式是二选一，或者让文字描述服务于技能参数：skill_type负责镜头运动方向，提示词里的镜头句负责补充细节，比如“镜头缓慢推近到她的脸部，背景虚化”。这样分工明确，模型不会打架。

3.3 中文提示词的镜头表达：Seedance 2.0对这类词的处理边界

关于中文提示词，Seedance 2.0的中文理解能力在同类模型里算靠前的，类似Flux系列那样能原生理解中文描述，不需要先翻译成英文再生成。但这不代表你可以随意写。它对人称代词和空间关系词的理解仍有边界。比如“镜头从她身后绕到身前”，模型有可能把“身后”理解成画面里的空间位置，导致镜头路径变成“从画面右侧绕到左侧”，而不是三维空间里的环绕。

我一般会把这类空间感较强的镜头描述，拆成“时间顺序 + 画面结果”的两段式写法：“先展示她的背影，然后镜头环绕到正面，能看到她的表情”。用画面结果去引导模型的空间理解，比直接描述镜头轨迹更可靠。如果你需要精确的环绕效果，直接用skill_type="rotate"，别在提示词里写“绕到正面”这种模糊表述。

4. 鹈鹕骑自行车测试：文生视频提示词的“压测样例”怎么写

4.1 为什么是鹈鹕骑自行车：动作、姿态、交互与重力的一锅端

“鹈鹕骑自行车”在视频生成圈里已经成了一个经典压测提示词，热度一直没降过。原因是它把文生视频最难解决的几个问题一次全占了：鸟类不是人类，怎么用翅膀控制车把；两条腿怎么踩踏板；喙那么长，会不会戳到车把；整体动作是否符合重力规律；以及最难的——鹈鹕骑车的画面还能不能让人一眼认出是鹈鹕。很多模型在这个提示词上翻车：要么鹈鹕变成鸵鸟，要么自行车变成独轮车，要么翅膀穿模，要么骑两秒就变成人骑车。Seedance 2.0对这类复杂动作的支持比第一代明显更好，但提示词写不好一样会崩。

这个测试的价值在于：你的提示词结构如果能在“鹈鹕骑自行车”这种高难度场景下稳定出片，那常规的商业视频需求基本都能覆盖。我建议每个刚接触Seedance 2.0的人，都先用这个提示词跑一遍，它能暴露你对动作细节描述、姿态约束和语义负责任的把握程度。

4.2 失败写法 vs 能稳定出片的写法（可直接抄的提示词模板）

先把一个失败写法摆出来：“一只鹈鹕在乡村小路上骑自行车。”这种写法模型大概率会生成出各种离谱画面，因为模型不知道鹈鹕用什么部位骑车、车把怎么控制、视角在哪。它只能靠训练数据里关于“骑车”的强先验，最终很可能画成一只鹈鹕站在自行车旁边，或者鹈鹕被绑在自行车上。

能稳定出片的写法，是把动作细节和姿态约束写清楚：

一只白色的大鹈鹕，站在一辆老式黑色自行车上，两只翅膀向前伸展握住车把， 长长的喙伸向前方，两条腿交替踩动踏板，自行车在乡间柏油路上向前行驶， 路两边是绿色的田野，阳光明媚，镜头从侧面跟随拍摄，写实风格，画面平稳，动作流畅

对比一下就能看出差别：失败写法里“主体+动作+环境”三段式太粗糙，模型缺少动作细节的锚点。稳定写法里，我加了三组关键信息：第一组是“翅膀握住车把”“腿踩踏板”，把鹈鹕的肢体和自行车的部件绑定；第二组是“喙伸向前方”，把鹈鹕特有的长喙处理成姿态的一部分，而不是障碍；第三组是“镜头从侧面跟随拍摄”，避免模型在正面视角下处理不好喙和车把的空间关系。侧面视角是所有视角里对长喙动物最友好的。

4.3 用帧率与时长反推动作密度

选4秒还是8秒，在鹈鹕骑自行车这类场景里是有讲究的。4秒视频约120帧，适合表现“骑过来”这一组动作；8秒视频约240帧，模型会不得不补很多中间帧，如果动作密度不够，画面就会出现原地踏步式的“假骑行”。我一般会在提示词里加上“动作流畅”“持续前进”这类节奏词，同时用duration=4来降低动作崩坏概率。如果你确实需要8秒，建议在提示词里增加一个转折动作，比如“骑行过程中鹈鹕稍微转头看向镜头”，给模型一个可发挥的动作节点，而不是让它硬拉长同一组动作。

这也是Seedance 2.0一个很有意思的特点：它生成的视频时长越长，对提示词里动作信息的数量要求就越高。你给4秒视频写80字提示词可能够了，给10秒视频就得写到150字以上，否则画面内容撑不满时长。动作密度的估算方法很简单：一个提示词里描述的动作事件数量，乘以1.5秒每个事件，就是你能撑满的画面时长。三个动作事件大概撑到4到5秒，六个动作事件可以试试8到10秒。把握这个节奏，你就不会生成出“一个动作拖10秒”的尴尬画面。

5. 提示词工程避坑：Seedance 2.0里最容易翻车的5个细节

5.1 提示词超过200字：主体漂移与元素丢失

现象：提示词写得非常详细，从主体到道具到背景到光线都铺满，结果生成出来主体角色变了样，次要道具直接消失。

原因：Seedance 2.0对长提示词的解析虽然先进，但它也存在注意力分配的天花板。超过200字后，后面写的内容被模型“选择性遗忘”的概率急剧上升。尤其是放在后面的光线氛围、环境细节，往往是最先被丢掉的。

解决：把八段式结构当成裁剪原则。超过200字就删，优先保留主体动作段和镜头段，环境段压缩成不超过10个字。我自己的标准是：一段成片提示词控制在120到180字，超过就往画面质感上做减法。

5.2 中文提示词里写“镜头特写”：被当成画面内容

现象：提示词里写“镜头特写”，生成结果不是特写，而是画面里出现了一个镜头、一台摄像机，甚至一个人的眼睛占据整个屏幕。

原因：Seedance 2.0的中文解析虽然能理解“镜头”在影视语境里的意思，但如果你把“镜头特写”和主体的距离拉太开，模型会把它当作画面里的独立物件去生成。

解决：改用接口参数skill_type，或者把“特写”描述成画面结果，比如“画面中只有她的脸部，背景完全虚化”。用画面内容去描述镜头效果，比用影视术语更安全。这条同样适用于“推近”“拉远”“俯拍”这类词，能避就避，不能避就用画面结果写。

5.3 skill_type与prompt镜头指令冲突：运镜互相打架

现象：skill_type="push"，提示词里又写“镜头固定不动，远处拍摄”，生成结果出现画面先推近后跳切，或者镜头抖动明显。

原因：接口参数运镜和文字运镜走了不同的控制通路，模型对两边的指令都采信了，但没有把它们当作一条连续运动来融合。

解决：单一运镜用skill_type，复杂运镜留空skill_type只写文字。永远不要让两个通道做同一件事，也不要让它们互相矛盾。这个坑我踩过不下十次，后来养成习惯：先想清楚这条片子是靠“参数运镜”还是“文字运镜”，再动手写提示词。

5.4 没有负面提示词：用“规避词”反向约束

现象：Seedance 2.0没有独立的负面提示词参数，你没法像做图模型那样写“no extra fingers, no blurry face”这类负面描述。很多人不知道这一点，把负面描述写进正向提示词里，结果越描越黑。

原因：当你写“不要模糊”，模型仍然会去解析“模糊”这个视觉概念，然后生成出带模糊的画面——这就是典型的“否定词陷阱”。

解决：用“规避词”代替“否定词”。想避免模糊，就写“画面锐利清晰”；想避免多手指，就写“正常的五根手指，动作自然”。把你想规避的东西，用正面描述写出来。我在提示词工程里一直在用正向描述做约束，效果比负面写法稳定得多。

5.5 图生视频的提示词：别把参考图内容再写一遍

现象：图生视频模式下，提示词把参考图里已经存在的内容又仔细描述了一遍，结果生成出来的视频主体虽然和图一致，但动作几乎没有，或者画面和原图差距过大。

原因：图生视频的输入图本身就是最强的主体约束，提示词再重复一遍主体，相当于模型同时接收了图片和文字两个来源，当两者有细微不一致时，模型不知道该听谁的，结果反而破坏了原图的稳定性。

解决：图生视频的提示词只写“动态信息”——主体要做什么动作、镜头怎么动、环境里有什么变化。比如参考图是一只坐在窗台上的猫，提示词应该写“猫转头看向窗外，耳朵轻微抖动，阳光从窗外照进来，镜头缓慢推近”，而不是“一只橘色的猫坐在窗台上”。动态信息才是图生视频提示词的价值所在。

6. 用权重语法与批量验证：把提示词调出“可复用”的颗粒度

如果你已经能稳定出片，下一步是把单个提示词沉淀成一套模板。我推荐两个进阶技巧，成本不高但收益明显。第一个是权重语法。Seedance 2.0支持在提示词里用(词:权重)的方式对某个元素做加权或降权，比如(红色雨衣:1.2)表示提高雨衣元素的权重，(背景路人:0.5)表示降低路人的存在感。这个语法在做多元素场景时特别好用，它能解决“提示词里写了但模型没生成出来”的痛点——不是靠加字数，而是靠权重去拉模型的注意力分配。

第二个技巧是批量验证。手动一条条改成片效率太低，我通常把提示词模板化，跑一个脚本批量生成多个变体，对比效果后再定稿：

import itertools def build_prompt(subject, action, camera, style): return f"{subject}，{action}，{camera}，{style}，画面平稳，动作流畅" subjects = ["一只白色的大鹈鹕", "一只褐色的鹈鹕"] actions = ["翅膀握住车把骑行在乡间小路", "站在自行车上滑行"] cameras = ["镜头从侧面跟随拍摄", "镜头固定正面拍摄"] styles = ["写实风格，阳光明媚", "电影感，黄昏暖色调"] # 生成4组组合，批量提交生成任务 for combo in itertools.product(subjects, actions, cameras, styles): prompt = build_prompt(*combo) task_id = seedance_generate( prompt=prompt, duration=4, cfg_weight=0.85, skill_type="horizontal_move" if "侧面" in combo[2] else "" ) print(f"提示词: {prompt}\n任务ID: {task_id}\n")

这个脚本的核心思路是：把提示词模板里的变量拆出来，用穷举组合的方式跑多个变体，然后只挑效果最好的那组沉淀到项目模板里。代码里的seedance_generate复用了第2章的函数，组合逻辑用itertools.product实现，按变量数量自动生成全部组合。我用这个方式调过“鹈鹕骑自行车”的提示词，从4组变体里筛出了最稳出片的一组，之后直接复用。用批量验证替代玄学调参，是我调Seedance 2.0以来的最大习惯转变。单条出片有运气成分，但批量出片率的分布不会骗人，多跑几组对比，你会对自己写的提示词结构有更客观的判断。希望这些方法和踩过的坑能帮到你。

本文还有配套的精品资源，点击获取