---

你在玩“赛博盲盒”，而高手在做“数字导演”

2026年了，AI 视频生成领域早就是神仙打架。即梦的 Seedance 2.0、Sora、Kling 都在疯狂秀肌肉。但为什么官方放出来的 Demo 都是好莱坞大片，而你自己去生成的视频，却像是喝了假酒的 PPT 幻灯片？

网友犀利吐槽： “花了 200 块钱买算力去抽卡，输入一句‘古代美女走在街上’，结果女主上一秒穿汉服，下一秒变赛博朋克装甲，背景里的群众还长了三个脑袋！这叫文生视频？这简直是花钱买赛博盲盒！”

很多人把问题归咎于“大模型还不够聪明”，这大错特错。

核心问题在于你的“沟通语言”太低级了。 大多数人把文生视频模型当成“百度搜索框”在用，而真正的高手，是把它当成一个由摄影师、灯光师、美术指导组成的“专业剧组来调度。

最近，圈内极其火爆的 AI 助手“小云雀 Agent”在处理剧本分镜时展现出了惊人的稳定性。作为一名喜欢刨根问底的极客，添亮我直接对它的底层执行逻辑进行了一次硬核的“逆向倒推”。

我发现，它之所以能精准控制即梦 Seedance 2.0 不崩坏，是因为它在拿到你的白话剧本后，在后台悄悄执行了极其严密的“三层转译算法”。今天，我不仅要把这套底层逻辑给你们扒光，还要把倒推出来的终极 Prompt 模板无偿开源给你们。学会这套逻辑，你的 AI 视频出片率将暴涨 500%。

硬核拆解：大模型视频不崩坏的“三层防御机制”

在放出代码之前，你必须先理解这套 Prompt 为什么这么写。大模型最容易犯的错就是“幻觉（Hallucination）”——也就是前后不一致。这套指令通过三个维度，给 AI 戴上了紧箍咒：

1. 1. 第一层：资产隔离与对象化 (OOP思维)。 它不让 AI 把剧本当成一整段话来读，而是强制要求 AI 提取出角色（R）、场景（L）、道具（P）并打上编号。这在编程里叫“面向对象”，以后每个分镜只要调用 R1，AI 就会去锁死最初设定的外貌，杜绝了“一秒换装”的惨剧。
2. 2. 第二层：全局光影锁 (Global Style Token)。 为什么你的视频看着很廉价？因为每一秒的光源都在变。这套指令强制在最顶层锁定统一的美术风格和光源（比如：月光与油灯混合光源），这就相当于给整个剧组加了一个“全局滤镜”。
3. 3. 第三层：时间轴与镜头语言切片。 它严禁把复杂的动作写在同一个画面里，而是强制按“秒数段落”切分。把模糊的描述拆解为机器能懂的绝对指令：【时间段】+【景别】+【镜头运动】+【坐标参数】。

---

弹药库交付：即梦 Seedance 2.0 终极控制模板

以下是我经过逆向工程并优化后的标准 Prompt 模板。你可以直接复制并投喂给任何大语言模型（如 Claude、GPT-4o 甚至 DeepSeek），让它成为你的私人“分镜转译器”。

为了适应不同人的工作流，我把它分为两步精修版和一键整合版。

方案 A：两步精修版（适合对细节要求极高的高阶玩家）

第一步是让大语言模型帮你把剧本梳理成专业的导演分镜表。

Phase 1 · 剧本转结构化分镜 (直接发给 AI)

你是一名专业影视分镜导演，同时熟悉 AI 视频生成工作流。
任务： 将用户提供的剧本转化为结构化分镜脚本，用于后续 AI 视频生成。

输入：
• 剧本内容：[粘贴你的剧本]
• 视频比例：[16:9 / 9:16 / 1:1]
• 视频模型：seedance_2.0

输出要求：
1. 资产清单（Assets）：
识别并列出：角色（Role，编号R1/R2...，含外貌服装）、场景（Location，编号L1/L2...）、道具（Prop，编号P1/P2...）。
2. 全局视觉风格（Global Style）：
提炼统一视觉语言，包含：美术风格、摄影调性（如低饱和度）、光源设定、情绪氛围。
3. 分镜列表（Storyboard）：
每个分镜包含以下字段，严格按时间段切分，每段不超过 6 秒：
[分镜编号] [时间段，如 0-6s]
• 景别：（远景/全景/中景/近景/特写）
• 镜头运动：（固定/推/拉/摇/跟/升/降）
• 画面内容：精确描述动作，引用资产时严格使用 角色:R1 格式。
• 环境细节：光线、天气、背景细节。
• 情绪关键词：1-3个词概括。

约束：
• 保持全局视觉风格绝对一致，角色外貌在所有分镜中必须完全一致。总时长不超过 40 秒。

拿到上面的结构化数据后，再进行第二步，生成可以直接丢进即梦 Seedance 的最终画图咒语。

Phase 2 · 分镜转 Seedance 2.0 Prompt (发给 AI)

你是一名 AI 视频提示词工程师，专精即梦 Seedance 2.0 模型的提示词写作。
任务： 将结构化分镜描述转化为可直接用于 Seedance 2.0 的文生视频提示词。

输入：
分镜描述：[粘贴 Phase 1 的某个分镜]
全局视觉风格：[粘贴 Phase 1 的 Global Style]
角色一致性描述：[粘贴 R1 角色的完整外貌关键词]

Seedance Prompt 结构规范（逗号分隔，不分段）：

1. 1. 镜头语言：景别 + 镜头运动（如：close-up shot, slow upward tilt）
2. 2. 主体描述：角色外貌（必须与全局一致）+ 当前动作 + 表情
3. 3. 场景环境：地点特征 + 背景细节 + 光源（必须具体，如 moonlight from upper left）
4. 4. 视觉风格：美术风格 + 摄影调性 + 色调
5. 5. 技术参数：高质量标签（如：cinematic, 8k, film grain, shallow depth of field）

输出格式：
英文 Prompt（主用）：[完整英文提示词，100-150词]
中文校对版（辅助理解）：[对应中文]
负向提示词（Negative Prompt）：[需要排除的元素]

约束：
单镜头人物不超过 2 人；不要在 prompt 中写对白文字；角色外貌描述必须在每一个 prompt 中完整重复，绝对不能省略！

方案 B：一键整合版（适合追求极速出图的效率狂魔）

如果你嫌麻烦，直接用这个合并版，让 AI 内部自己走完流程。

可选 Phase 0 · 一键整合版（剧本直出所有分镜 Prompt）

你是影视分镜导演 + AI 视频提示词工程师的组合角色。
任务： 将用户剧本一步转化为可直接用于即梦 Seedance 2.0 的完整分镜提示词组。

输入：
剧本：[粘贴剧本]
视频比例：9:16（竖屏）

处理流程（内部执行，无需输出中间步骤）：

1. 1. 提炼全局视觉风格；2. 识别 R/L/P 资产；3. 按 3-8 秒切分分镜；4. 转化为 Seedance 专属英文 prompt。

最终输出格式：
[Shot 编号] [时间段]
画面意图：[一句话说明]
EN Prompt：[英文提示词，120词内]
负向提示词：[Negative Prompt]

全局约束：
• 所有分镜的角色外貌描述必须通过底层代码级重复，保证绝对一致。
• 竖屏比例（9:16）必须在构图描述中体现：强调垂直构图、人物居中或下三分之一！

---

避坑警告：竖屏（9:16）的构图陷阱

细心的读者会发现，我在整合版的最后，特意强调了竖屏比例的构图要求。这并不是无的放矢。这是目前所有视频大模型的一个底层通病。

模型训练集困境	Seedance 实际表现	极客级干预手段	最终出片效果
底层数据偏差： 大量训练素材来源于 16:9 的电影宽画幅	强行生成 9:16 时，AI 容易产生“横向视野截断”，导致主角出画或边缘诡异形变	在 Prompt 中强制植入：“人物主体居中偏下 (subject centered in lower third)” 以及 “纵向空间利用 (vertical depth)”	构图饱满，主体始终锁定在黄金分割点，绝不出画

大模型不是人，它不懂什么叫“刷抖音的竖屏体验”。你如果不把“垂直构图”强行写入咒语里，它产出的竖屏内容大概率会有极大的构图浪费。这也是普通人和高手的核心差距所在——高手懂得针对模型的缺陷，进行“逆向补偿”。

---

价值观升华：从“写词人”到“总导演”的进化

很多人还在到处花钱求购所谓的“万能提示词库”，但在添亮看来，那都是刻舟求剑。

这套通过解析“小云雀 Agent”倒推出来的三层控制架构，带给我们的最大启示不是几句英文单词，而是一种系统级的“导演思维”。

未来的 AI 影视制作，门槛绝不会停留在“谁的辞藻更华丽”。当算力变得极其廉价，大模型变得无处不在时，真正的竞争壁垒，是你能不能像一个工程大师一样，用结构化的思维去拆解叙事，用精准的参数去约束混沌的算法。

你不应该是那个跪在神谕机前祈求出图的信徒，你应该是手握剧本和参数、冷酷调度庞大算力资源的超级总导演。