mcn-short-video/project/短视频提示词生成/references/制作流程/分镜提示词制作流程.md

# 分镜提示词制作流程

> 来源：ShotDesign 5步工作流 + seedance2.0-prompt-skill 路径分流/极简优先铁律 + seedance-specs 官方公式 + seedance25-timed-prompter 精准时间测算体系
> 适用：F3（生成图片）、F4（生成分镜）单镜头提示词的标准制作路径

## 一、总流程（6步）

```
①剧本分析 → ②需求分析 → ③路径分流 → ④提示词构建 → ⑤强制校验 → ⑥交付
```

### Step 1 剧本分析（生成提示词前必做）

> 产出仅在上下文中驱动下游，不单独落盘。**未完成此步骤不得进入提示词构建。**

**1a 剧本类型判定（先做）：**

| 类型 | 特征 | 典型场景 |
|------|------|---------|
| A 叙事剧情 | 有角色+对白+情节弧线 | 短剧/情景喜剧/故事短片 |
| B 单人出镜 | 单人+口播/Vlog | 探店/美食/旅行/亲子Vlog |
| C 旁白知识 | 画外音驱动+无角色对白 | 科普/教程/纪录片/解说 |
| D 产品展示 | 产品为主体+人物为辅或无 | 产品广告/开箱/展示 |
| E 纯氛围 | 无人物无对白+纯视觉流 | 风景空镜/概念片/MV |

**1b 维度拆解（①全类型必做，②-⑤按类型选做）：**

| 维度 | 拆解项 | 适用类型 | 产出 → 驱动下游 |
|------|--------|---------|----------------|
| ① 节奏·叙事逻辑 | 故事线/视觉节奏一句话概括 / 叙事结构（线性·倒叙·插叙·环形）/ 节奏图（铺陈→蓄力→爆发→余韵，标注时间区间）/ 叙事驱动类型（事件·对白·旁白·混合·视觉流）/ **台词风格**（方言·口语·书面·旁白语气——剧本未写但角色身份暗示的方言语气需在此提取） | 全类型 | → 路径分流 + 段落时长 + 台词语气修饰 |
| ② 爆点·情绪痛点 | 爆点定位（时间戳+触发事件+预期反应）/ 情绪痛点（观众共情触发点，非角色情绪）/ 视觉高潮点（非叙事类的画面冲击峰） | A/B/C | → 景别递进策略 + 运镜设计 |
| ③ 反转情节 | 反转类型（身份·认知·关系·命运）/ 反转锚点（铺垫在哪→引爆在哪）/ 前后对比（情绪·认知·关系变化） | A | → 镜头逻辑（一镜到底vs多段切换）+ 首末帧设计 |
| ④ 人物关系 | 关系图谱（主要角色+关系类型）/ 权力结构（谁主导·被动·被揭示）/ 关系变化弧线（反转前后） | A（多角色必做）/B（单人省略） | → 场景调度（站位·朝向·视线焦点）+ 景别选择 |
| ⑤ 情绪弱点 | 角色情绪弱点（内心最脆弱点=驱动力来源）/ 观众情绪弱点（什么击中观众=共鸣触发器）/ 弱点→爆点对应关系 | A/B | → 微表情弧线设计 + 动作时间常数选取 |

> D/E类：②-⑤均不适用，只做①（节奏+视觉流），驱动④层格式的镜头层（产品展示流程/氛围流变描述）

**分析 → 下游驱动关系：**

```
剧本分析
  ├─ 类型判定 → 4层格式适配（哪些层省略/变形，见3.2.2类型适配表）
  ├─①节奏+台词风格 → 路径分流 + 段落时长 + 台词语气修饰
  ├─②爆点/视觉高潮 → 景别递进 + 运镜设计（A/B/C类）
  ├─③反转 → 镜头逻辑 + 首末帧（A类）
  ├─④关系 → 场景调度 + 站位（A类多角色）
  └─⑤弱点 → 微表情弧线 + 动作设计（A/B类）
        ↓
   Step 4 提示词构建（按类型+场景选层）
```

> **示例A（叙事剧情类）——"母亲接到失踪儿子电话"：**
> - 类型=A → 5维度全做
> - ①叙事逻辑=一镜到底（POV母亲眼睛）/ 线性 / 麻木→电话→紧张→不敢信→震惊→行动 → **路径C + 单段30秒**
> - ②爆点=电话铃声打破平静（第4-5秒）/ 痛点=长期消耗后的疲惫被一瞬间击碎 → **景别Z8→Z2递进 + 缓推→急推**
> - ③反转=认知反转（以为是日常→不是）/ 锚点=开头麻木日常铺垫→电话引爆 → **首帧=麻木日常 / 末帧=猛然行动**
> - ④关系=母子（但全程不露脸，只看苍老的手）/ 母亲被动·被揭示 → **调度=手部特写+环境 / 禁止面部镜头**
> - ⑤弱点=角色弱点=长期消耗后的疲惫 / 观众弱点=亲情本能触发 → **微表情降级L1 + 动作=从静止到猛然**

> **示例D（产品展示类）——"护肤品质地展示"：**
> - 类型=D → 只做①，②-⑤跳过
> - ①节奏=视觉流：产品亮相→质地特写→涂抹过程→效果呈现 / 线性 / 铺陈(亮相)→蓄力(特写)→爆发(涂抹)→余韵(效果) → **路径A + 单段8秒**
> - 台词风格=N/A（无对白，可选旁白）
> - 驱动4层格式：①主体=护肤品（列道具行） ②设定-人物省略 ③镜头=产品展示流程（非角色动作）

### Step 2 需求分析
- 明确：时长、画幅（9:16 竖屏 / 16:9 横屏）、单镜头还是多镜头、有无参考素材
- 判断时长是否 >15 秒：超过则必须走《长视频分段制作流程》
- 判断叙事形态：瞬间反应 / 单一动作 / 情绪弧线 / 小剧情 / 完整叙事
- **结合 Step 1 剧本分析结论**：叙事结构决定镜头逻辑、节奏图决定段落时长、情绪弱点决定微表情弧线

### Step 3 路径分流（按输入素材类型）

| 路径 | 输入 | 方法 | 详见 |
|------|------|------|------|
| A 纯文本生成 | 无参考素材 | 官方公式直写 | 本文件第三节 |
| B 参考图/视频 | 图片或视频素材 | @引用锚定 + 补充描述 | 《图生视频与分镜板制作流程》 |
| C 图生视频（单图驱动） | 1 张图片 | 双范式：反应模式 / 凝视模式 | 《图生视频与分镜板制作流程》 |
| D 分镜板驱动 | 分镜脚本/多格规划 | 格间关系三分类 | 《图生视频与分镜板制作流程》 |

### Step 4 提示词构建
按第三节输出格式组装：按Step 1类型判定结果选择4层结构的适用层（见3.2.2类型适配表）；构建时用11字段思考清单（3.2.1）内部过目确保不遗漏。词表从 `知识库/15维度` 各取所需。
**剧本分析（Step 1）产出是提示词组装的内容来源**：景别/运镜由爆点驱动、场景调度由人物关系驱动、微表情弧线由情绪弱点驱动、人物设定由角色定位驱动、表演指令由情绪弱点驱动、负面词由场景类型勾选。

### Step 5 强制校验（8项）
1. **字符数**：Python `len()` 实测，禁止估算；品质基准 ≤500 字符，硬性上限 ≤2000 字符（实测）
2. **结构完整性**：输出必须包含核心层（①主体 + ②设定 + ③镜头叙事 + ④负面词），②设定层按类型适配（A全用/B全用/C人物可选/D人物省略/E人物省略）；顺序固定主体→设定→镜头→负面词
3. **版权扫描**：品牌词/风格借喻/涉灰场景词/夜场BGM词 四类扫描（详见《图生视频与分镜板制作流程》版权审查）
4. **导演去名化**：提示词中不得出现导演名/工作室名/IP名，只用参数化描述
5. **动作物理合理性**：三层动作分级检查（大动作禁止）
6. **多模态引用核对**：素材多时逐一检查 @对象指向正确；**素材编号一致性闸门**——同一角色/场景/道具在所有镜头必须用同一 @图片N，禁止编号混用（如镜头1用 @图片2 指男主、镜头2却用 @图片3 指男主）
7. **负面提示词**：标准化禁止清单（3.3）是否附上，通用项必须全带
8. **时长与内容匹配**：见"时长服从内容"速查

### Step 6 交付
- **镜头部分上方标注视频总时长**（如"视频总时长：8秒"，放设定层之后、镜头段之前，属投喂信息不混入画面描述）
- 单镜头：代码块输出完整提示词
- 多镜头：逐镜头编号 + 代码块，附过渡策略（>15秒时）；每段末尾写段末状态（可见姿态/视线/道具/光线/镜头方向），供下一段继承

## 二、极简优先铁律（跨路径通用）

- **默认 300-500 字符**，不是越多越好。实战数据：3102 字符违规 → 271 字符过审
- 文字只补 4 件事，其余交给参考图：
  1. 图里没有的（新增元素）
  2. 需强化的（图里弱但要突出的）
  3. 需规避的（图里有但不要的）
  4. 硬约束（画幅/时长/禁止项）
- 二分法定位问题：砍到极限版 30-50 字符 → 每次加 1 个元素 → 对比差异

## 三、结构化提示词模板（路径A）

### 3.1 基础六要素（构建思考参考，单镜头简单场景）

```
主体/角色 + 所在场景 + 核心动作/时序 + 镜头语言 + 画面风格/光影材质 + 音频要求
```

六要素词表对应：

| 要素 | 词库位置 |
|------|---------|
| 主体（外貌+微表情） | 知识库/01_主体描述 |
| 动作（物理阻尼+时间常数） | 知识库/02_动作行为 |
| 场景（环境+空间锚定） | 知识库/03_场景描述 |
| 镜头语言（景别Z+高度Y+方位X+焦段F） | 知识库/04~06 |
| 光影/风格/色彩 | 知识库/07~09、15 |
| 音效（原生音效优先） | 知识库/13_音效音频 |

### 3.2 输出格式（4层结构）

> **实战验证**（2026-08-20）：编导手写提示词（~350字，叙事驱动）生成效果优于结构化11字段模板（~700字，技术参数驱动）。**模型吃故事，不吃参数表。**
> **改造原则**：11字段降为构建时**内部思考清单**（确保不遗漏），最终输出只写**4层结构**——主体置顶按类别分行、设定按类型分项、镜头叙事流畅、负面词放最后。技术参数溶解进设定各分项，表演靠动作暗示而非禁令。按Step 1类型判定结果选择4层的适用层。

#### 3.2.1 构建思考清单（内部，不落盘）

构建提示词时逐项过目，确保不遗漏。但**最终提示词中不出现字段标签**——信息溶解进叙事段落。

| 思考项 | 构建时想什么 | 输出时去哪 |
|--------|-------------|-----------|
| ①一致性锚定 | 角色服装/道具是否需文字锁定？ | ①主体列表@图片引用锁定；无图才在②设定-人物补1句 |
| ②类型质感 | 画质/风格/光影基调？ | ②设定-视觉风格（1句） |
| ③人物设定 | 逐角色外貌/着装/气质？ | ①主体列表@图片锁定；无图在②设定-人物补1句（**主体中每个人物必写，不可遗漏**） |
| ④场景 | 空间布局/道具？ | ②设定-场景（1句空间描述） |
| ⑤景深对焦 | 是否需非默认景深？ | **默认不写**；特写需浅景深时加进②设定-构图 |
| ⑥摄影质感 | 机型/镜头/光圈/快门/ISO/色彩/光影/质感/动态范围？ | 按维度自动生成英文摄影参数（从知识库/10_后期细节·摄影质感维度表取值，判断适用维度组合），排除画幅/帧率 |
| ⑦表演幅度 | 需禁某种表演？ | **默认不写**；用动作暗示替代（"鬼鬼祟祟地说"比"禁夸张表情"有效） |
| ⑧背景动态 | 需环境微动？ | **默认不写**；仅在画面可能静止时加进③镜头动作描述 |
| ⑨镜头空间 | 机位/景别/朝向？ | 溶进③镜头叙事（"中景跟拍男主正面"） |
| ⑩表演指令 | 逐beat微动作？ | 溶进③镜头叙事的动作描述 |
| ⑪负面词 | 场景适配禁止项？ | ④负面提示词（3.3标准模板） |

> **原则：能用@图片引用解决的，绝不写文字；能用动作暗示的，绝不写技术参数。**

#### 3.2.2 输出格式（4层结构）

```
①主体列表（置顶，按类别分行）
人物：[角色名] @[图片N]  [角色名] @[图片N]
场景：[场景名] @[图片N]
道具：[物品名] @[图片N]  [物品名] @[图片N]
> 所有出场人物、关键场景、道具分三类分行列，@图片引用优先，无图用1句简述
> 有哪类列哪类，无道具/无场景则省略该行；D类主体=产品（列道具行），E类主体=场景（列场景行）
> **人物锚定句（仅多角色+跨镜头复用时启用）**：`将 @图片N 中的[身份/外观/服装]定义为 <角色名>`，后续镜头用 `<角色名>` 指代、不再重复写外貌；**识别不到角色名时用角色代称锚定**（`<男主>` `<兄弟>` `<角色A>` 等代称）；单人单段保持现状（`人物：男主 @图片2`），不写锚定句

②设定（分项，每项1句，按类型取舍）
人物：[角色]——[气质/状态1句]；[角色]——[气质/状态1句]
> **主体中出现的每个人物，此处必须有对应设定，不可遗漏**——逐人写，用分号分隔
> @图片已锁定的不重复写外貌，只补气质/状态；无图时按知识库/01_主体描述外貌原则写（宁少写不错写）；D/E类省略此行
场景：[空间布局+前中后景层次1句]
光线：[光源来源+主光方向+亮暗区+色温1句]
构图：[景别+前中后景层次+构图法则+视觉重心/留白1句]
视觉风格：[画质+风格+质感1句]
摄影质感：模型按维度自动生成英文摄影参数（机型/镜头/光圈/快门/ISO/色彩/光影/质感/动态范围），**用[]框起**，根据剧情场景判断适用维度，从知识库/10_后期细节·摄影质感维度表取值组合（不照搬固定示例）；排除画幅/帧率（属平台参数放代码框外）
> 场景见知识库/03_场景描述（空间锚定三层）；光线见知识库/07_光线时间（光影三层）；构图见知识库/14_构图布局（五法则+构图几何+雷区规避）；风格见知识库/15_视觉风格（去名化）；朝向见知识库/06_焦距视角X轴

③镜头（每镜头1段流畅叙事）
镜头N：[机位/景别/朝向] + [动作/变化流程] + [运镜变化嵌在动作里] + [有台词时：（人物，语气）：内容]
- 每镜头1段，按动作流自然叙述，不分beat罗列
- **朝向必须写明**：正面/背后/固定/侧面——用"正面拍摄""从背后拍摄""固定视角"等明确朝向（词库见知识库/06_焦距视角X轴+知识库/03_场景描述面部朝向/过肩）；**主体位置用画面坐标**——写"男主位于画面右侧、四分之三侧朝镜头"，不写"从男主右侧拍摄"（画面坐标优于主体坐标，生视频模型更易定位，词库见知识库/03_场景描述演员调度）；**避开构图雷区**——默认不用"正面居中"，改用 X2 四分之三侧/三分法偏移（雷区见知识库/14_构图布局）
- **机位高度默认平视**：视点与人物视线齐平（Y4 平视，词库见知识库/06_焦距视角Y轴）；仅剧情需要压迫（俯视 Y6）或英雄感（仰视 Y2）时才偏离
- **空间方向一致性（多人/多镜头/有明确方位时写）**：锁定空间坐标（"A在左、B在右、门在A背后"）+ 移动方向一致（"物体始终从右向左移动"）；禁止镜像翻转、禁止跨越180度轴线（词库见知识库/03_场景描述·空间锚定）
- **连续动作不拆**：同一空间内连续发生的动作链保持在一个镜头段内，不拆成多个镜头
- **衔接可见化**：镜头间/段间衔接必须写成可见动作转接或画面状态（"镜头停在门框上的手""视线下移到腰侧血迹"），禁止写"接下一段/接分镜2/承接下一段"这类模型无法执行的衔接语
- 运镜写在动作流程中（"镜头从正面绕到背后"），不独立成字段；固定/跟拍镜头可补"轻微手持呼吸感"增加活体感，避免死板的机械固定
- **有台词时**：台词带语气/方言/神态修饰，不用禁令式约束；台词格式+方言+情绪标签见知识库/13_音效音频·台词与情绪标签
- 时间戳可选标注在段首（"0-3s："），简单场景可不标
- 动作/变化要具体可视化（写"手指蘸取乳液在手腕推开"而非"涂抹"），不要泛泛
- **视听转译四步法**（内部思考，不落盘）：遇到抽象情绪描述时依次问——①"演员用身体哪部分演？"（眼神/嘴角/手指/呼吸/步伐）②"摄影机用什么镜头能拍到？"（景别/焦段/角度/运镜）③"要不要靠声音/光线/物件辅助？"（环境音/道具状态变化/光线突变）。确保每句描述拍得到、录得到，不把心理活动当画面写
- **情绪铺垫分级（强情绪镜头）**：悲伤/愤怒/崩溃等强情绪不能第一帧满格爆发，按"克制→微表情泄露→情绪压上来→爆发"逐步递进（写"先愣住半秒、眼神失焦、嘴唇抿住、眼眶蓄泪、第一滴泪滑下"，而非"突然崩溃大哭"）。用动作暗示情绪递进，不写"禁止夸张表演"类禁令
- 有音效时：音效嵌在动作描述中自然出现（"门铃声响起"、"啪的一声"），不独立成段
- **小道具朝向锁定**：手机/照片/证件/信封/戒指等有正反面的道具，必须写清朝向——屏幕或信息面朝镜头还是朝手心/桌面。写"手机背面朝镜头、屏幕朝向手心"，不写"拿着手机"（模型默认会把信息面怼向镜头造成穿帮）
- **段末状态（仅多段连续输出时写，单段不写）**：每段末尾写一句"下一段可继承的可见状态"——角色姿态/视线方向/道具位置/光线方向/镜头方向，如"段末男主缩在门框边，薯片袋已被兄弟抢走，镜头停在两人对峙的正面"。用于跨段连续性的锚点
> D/E类镜头层写产品展示流程或氛围流变，不写角色动作

④负面提示词
负面提示词：[通用项] + [场景勾选项]（见3.3）
> 负面词放最后——镜头叙事写完后整体排除
> BGM禁止由负面词覆盖（通用项已含"背景音乐,BGM,配乐"），不需要单独音频段
```

> **4层×5类型适配表（按Step 1类型判定结果选层）：**

| 类型 | ①主体 | ②设定-人物 | ②设定-其余4项 | ③镜头-台词 | ③镜头-动作 |
|------|-------|-----------|-------------|-----------|-----------|
| A 叙事剧情 | 人物 | 全用 | 全用 | 对白格式 | 角色动作 |
| B 单人Vlog | 人物 | 全用 | 全用 | 口播（非对白） | 人物动作 |
| C 旁白知识 | 场景/道具 | 可选 | 全用 | 旁白格式 | 画面变化 |
| D 产品展示 | 产品 | 省略 | 全用 | 无（可选旁白） | 产品展示流程 |
| E 纯氛围 | 场景 | 省略 | 全用 | 无 | 氛围流变 |

> **编导式 vs 旧11字段版对比：**
>
> | 对比项 | 编导式（新） | 11字段版（旧） |
> |--------|-------------|---------------|
> | 字段标签 | 无，信息溶解进叙事 | 【一致性锚定】【景深对焦】等11个标签 |
> | 技术参数 | 溶进②设定层各分项 | 独立字段罗列（机型/f值/快门等） |
> | 表演控制 | 动作暗示（"鬼鬼祟祟地说"） | 禁令约束（"禁夸张喜剧化表情"） |
> | 镜头组织 | 每镜头1段流畅叙事 | 时间戳逐beat分段罗列 |
> | 字符量 | ~350字 | ~700字 |
> | 生成效果 | 实战验证更优 | token浪费在参数上 |

### 3.3 标准负面词模板

> 每次生成提示词时从以下分类中按场景选取，汇总为一条【负面词】段。通用项必须带，可选项按场景勾选。

**通用禁止项（每次必带）：**
```
文字, 字幕, 水印, logo, 签名, 变形, 多手指, 少手指, 断肢, 肢体融合, 错误手部, 错误嘴型, 面部扭曲, 换脸, 穿模, 塑料人物质感, 过度磨皮, 蜡像感, CG感, 3D渲染感, 镜头焦点来回拉风箱游移, 不符合人类骨骼生理的关节弯曲
```

**按场景勾选：**

| 分类 | 禁止词 | 适用场景 |
|:---|:---|:---|
| 表演类 | 夸张表演, 油腻表演, 过度煽情, 人物表情木讷僵硬, 画面静止如照片 | 喜剧/生活流/剧情 |
| 运镜类 | 慢动作(非指定), 人物瞬移, 镜头漂浮, 机械云台感, 画面静止 | 动态场景 |
| 质感类 | 廉价电视剧质感, 网红短视频风格, 广告片质感, 平光, 过曝, 死黑, HDR, 劣质滤镜 | 通用 |
| 畸变类 | 鱼眼畸变, 桶形畸变, 枕形畸变, 超广角拉伸, 人脸边缘拉伸, 微缩景观感, 玩具模型感, 移轴效果 | 写实/建筑/室内/人物近景 |
| 风格类 | 与目标风格矛盾的词（如写实场景禁"卡通/二次元"，古装禁"现代电器"） | 按需 |

> 写法：`负面词：[通用项] + [勾选项]`，逗号分隔，不加解释。
## 四、时长服从内容（速查）

| 内容类型 | 建议时长 | 理由 |
|---------|---------|------|
| 一瞬间反应（一个眼神/一个动作） | 3-5 秒 | 短镜不拖 |
| 单一动作 + 一句台词 | 5-7 秒 | 刚好说完做完 |
| 两句台词交替 + 反应 | 7-10 秒 | 对话节奏 |
| 三句台词 + 走位 + 动作 | 10-12 秒 | 编排紧凑 |
| 追逐/打斗/复杂连招 | 12-15 秒（2.0）/ 12-30 秒（2.5） | 动作密度高不必硬切 |
| 古风台词（慢速）+ 情绪 | 比现代语速 +2-3 秒 | 古风语速 2-3 字/秒 |
| 完整叙事 | 12-15 秒（2.0）/ ≤30 秒（2.5） | 2.5 单次可达 30 秒 |
| 已有成片想继续演 | 延长段 ≤30 秒/次（2.5），总长 ≤60 秒 | 套娃延长 |
| 完整短片/MV/预告 | 超长视频模式 ≤180 秒（2.5） | 一次性直出，长时序一致性好 |

> 单次生成上限：2.0 = 15 秒；2.5 = 30 秒。更长的走分段流程或 2.5 超长/延长模式。

## 五、精准时间测算体系

> 来源：seedance25-timed-prompter。2.5 原生支持秒级/帧级时间戳控制——测算的每一秒模型都能精准执行。

**公式去向铁律**：测算公式（字数÷语速、步数×常数等）只出现在时间预算表等内部测算环节；**提示词正文只写时长结论**（如"（1.2s）"、"（3步，约1.5s）"）。禁止把"4字÷3.5=1.2s"这类算式写进提示词正文——模型不做算术，算式是噪音且浪费字符额度。

### 5.1 台词语速公式表

| 台词类型 | 语速标准 | 测算公式 |
|---------|---------|---------|
| 普通中文对白 | 3-4 字/秒 | 字数 ÷ 3.5 = 秒数（取中值） |
| 情绪台词（哭腔/怒斥/颤抖/压抑） | 2-3 字/秒 | 字数 ÷ 2.5 = 秒数 |
| 古风台词/文言/诗词 | 2-3 字/秒 | 字数 ÷ 2.5 = 秒数 |
| 气声/耳语/低语 | 1.5-2 字/秒 | 字数 ÷ 1.8 = 秒数 |
| 外语对白（英/日/韩等） | 约 2.5-3 词/秒 | 词数 ÷ 2.8 = 秒数 |
| 停顿/迟疑/换气 | — | 每次 0.5-1 秒 |
| 表演补偿（开口前反应/说完后反应/视线变化） | — | 每次 0.5-1.5 秒 |

> 一句台词如果 >8 秒说不完 → 按自然停顿拆到多个时间戳区间，但原文不改。

### 5.2 动作时间常数表（14类）

| 动作类型 | 最短可看清时间 |
|---------|-------------|
| 简单表情反应（抬眉/抿嘴/眨眼） | 0.5-1 秒 |
| 关键眼神/对视 | 1-2 秒 |
| 转头/回身 | 1-2 秒 |
| 起身/坐下/蹲下 | 1.5-3 秒 |
| 走位（一步） | 0.5 秒/步 |
| 走位（从A点到B点，3-5步） | 2-4 秒 |
| 拔剑/推门/掀帘/摔杯 | 1-2 秒 |
| 单手交手一击 | 1-2 秒 |
| 连续交手（2-3个回合） | 3-5 秒 |
| 复杂长尾动作（后空翻+拔剑+落地连招） | 4-8 秒 |
| 物品拿起/递交/特写 | 1-2 秒 |
| 身体倒地/坠落 | 1.5-3 秒 |
| 害羞脸红 | ≥2.5 秒（视线躲闪→脸颊泛红→低头/抿嘴） |
| 落泪 | ≥3 秒（眼眶湿润→泪珠溢出→滑落） |

> 违反时间常数的动作会被 AI 压缩成"表情包式跳变"，失去真实感。

### 5.3 运镜与衔接时间常数表

| 运镜类型 | 时间 |
|---------|------|
| 定场/环境建立 | 1-2 秒 |
| 推/拉镜头 | 1-3 秒 |
| 摇/移镜头 | 1-2 秒 |
| 跟拍 | 与主体动作同步 |
| 硬切 | 0-0.5 秒 |
| 淡入/淡出/叠化 | 1-2 秒 |
| 首帧承接（建立空间方位） | 1-2 秒 |
| 末帧钩子停留 | 1-2 秒 |

### 5.4 帧级时间戳换算（2.5 专用）

2.5 支持帧级时间戳。需要卡音乐点/精确到帧时使用：

**帧号 = 秒 × 24**（24fps）

- 3 秒 = 第 72 帧
- 10 秒 = 第 240 帧
- 提示词中可写 `第 0-90 帧 (0s-3s)` 双标注
- 时间戳前缀格式：`0-3s：` 或 `[00.0-03.0s]`，按时间顺序排列

### 5.5 时间预算表（必须输出）

**节奏档位判定（时间测算前置，先定档再定镜头数）：**

| 节奏档位 | 适用 | 4-6秒 | 7-9秒 | 10-12秒 | 13-15秒 |
|---------|------|-------|-------|---------|---------|
| 电影感中速 | 剧情/文戏/生活流 | 1-2镜 | 2-3镜 | 3-5镜 | 4-6镜 |
| 短视频中高密度 | 抖音/竖屏默认 | 2镜 | 3-4镜 | 4-6镜 | 6-8镜 |
| 高密度动作或强钩子 | 打斗/追逐/强钩子 | 2-3镜 | 4-5镜 | 5-7镜 | 7-10镜 |
| 慢节奏但高信息 | 强情绪/仪式/悬疑凝视 | 按功能保留 | 按功能保留 | 可1-2镜（须说明慢镜头功能） | 可1-2镜（须说明慢镜头功能） |

> 按剧情功能+平台自动判档 → 定镜头数 → 逐项测算时长。10秒以上只有1-2镜时必须命中慢节奏档并写清慢镜头功能。

```
┌─────────────────────────────────────┐
│         本段演出时长测算             │
├────────────────┬────────┬───────────┤
│ 项目            │ 详情    │ 测算时间   │
├────────────────┼────────┼───────────┤
│ 节奏档位        │ ...    │ —         │
│ 镜头数          │ ...    │ N 镜      │
│ 台词口播        │ ...    │ X.X 秒    │
│ 表情与表演      │ ...    │ X.X 秒    │
│ 身体动作/走位   │ ...    │ X.X 秒    │
│ 道具交互        │ ...    │ X.X 秒    │
│ 运镜与转场      │ ...    │ X.X 秒    │
│ 首帧承接        │ ...    │ X.X 秒    │
│ 末帧钩子停留    │ ...    │ X.X 秒    │
├────────────────┼────────┼───────────┤
│ 测算总时长      │        │ XX.X 秒   │
│ 规划时长        │        │ XX 秒     │
│ 结论            │ 通过/需调整        │
└────────────────┴────────┴───────────┘
```

### 5.6 超调处理优先级（测算总时长 > 规划时长）

1. 先延长到平台上限（2.0 = 15 秒 / 2.5 = 30 秒）
2. 仍不够 → 建议拆成"首段 + 延长段"（2.5 套娃延长，总长 ≤60 秒）或超长视频模式（≤180 秒）
3. 减少次要动作/反应镜头
4. 删减原创建议台词（非用户原文）
5. 用户原文台词按自然停顿拆分到下一时间戳区间/下一段
6. **用户原文台词绝不删改**

### 5.7 不足处理（测算总时长 < 规划时长）

- 不硬凑满额时长。4-30 秒内任何值都可以。
- 空余时间留给画面自然节奏，不是塞废话。

## 六、平台硬约束

### Seedance 2.0

- 提示词容量：中文 ≤500 字符（品质基准）/ 实测 ≤2000 字符（硬上限）
- 单次生成：4-15 秒；480p / 720p / 1080p；16:9 / 9:16 / 21:9 / 1:1 / 2.35:1
- 多模态：图片 9 张（<30MB）/ 视频 3 段（2-15s，<50MB）/ 音频 3 段（≤15s，<15MB）/ 合计 ≤12 个
- 不支持写实真人脸部素材（自动拦截）；动漫角色卡需走真人化前缀或真人参考图
- @引用官方命名：`@图片N` / `@视频N` / `@音频N`（中文命名，不用英文）

### Seedance 2.5（相对 2.0 的关键变化）

| 能力 | 2.5 规格 | 对提示词的影响 |
|------|---------|--------------|
| 单次生成时长 | 最长 30 秒 | 单段规划区间从 4-15 秒扩大到 4-30 秒 |
| 视频延长 | 单次延长 ≤30 秒，可多次套娃，总长 ≤60 秒 | 可输出"接续上一段"的延长专用提示词 |
| 超长视频模式 | 一次性直出最长 180 秒 | 用"镜头N（0:00-0:08）"分镜脚本格式 |
| 时间戳文本控制 | 原生支持秒级 + 帧级（24fps） | 测算结果直接写成时间戳，模型按秒执行 |
| 多模态参考 | @图片/@视频/@音频/@音效，支持迁移运镜/光影/节奏 | @引用必须声明用途（参考什么、不参考什么） |
| 纯净素材 | 有效响应"无字幕、无背景音乐" | 需要干净底片时显式声明 |
| 去 AI 感 | 皮肤/毛发/长尾动作/切镜一致性大幅优化 | 可写复杂动作链；用"原生皮肤质感"等词 |
| 多语种 | 中/英/西/印尼/马来/泰/阿/葡/越/日/韩 | 台词可直接写目标语言，可声明口型同步 |
| 负向约束 | "禁止出现XX"响应可靠 | 禁止字幕/水印/BGM/IP 元素可放心写 |

> 2.5 @素材引用规则：必须声明用途，例："@视频1仅参考运镜轨迹与动作节奏，不保留原画面质感"
> 2.5 纯净素材声明："纯净视频，全程无字幕、无背景音乐"；去除参考素材BGM："去除@视频1中的背景音乐，仅保留人声"
> 2.5 多语种口型同步：声明"嘴型与台词发音严格同步"

## 七、双版本输出（2.5）

每个生成段输出两个版本：

1. **多模态版**（有 @素材时）：包含全局约束声明 + @引用声明用途 + 时间戳分镜 + 负向约束
2. **纯文字版**（无素材可直接用）：结构同上，@引用替换为完整文字描述

> 全局约束声明模板：视觉风格锁定 + 字幕与音频策略 + 参考素材用途声明 + 本段时长
> 负向约束模板：禁止出现[字幕/水印/无关BGM/IP元素等，按需声明]