写 Seedance 2.5 提示词，别再只靠堆砌形容词
使用 Seedance 2.5 这类视频大模型时，一个常见习惯是往 Prompt 里大量塞入“cinematic, 4k, hyper-realistic”等词，仿佛词堆得越多，画面就越高级。但实际效果往往适得其反。
视频模型与图像模型最大的区别在于，视频呈现的是“变化的序列”，并非一张“静止的画面”。如果 Prompt 只写了一个状态，模型只能自行猜测：她是继续喝咖啡，还是转头看镜头？镜头又该怎么移动？
要让生成的视频不再乱跳，需要把 Prompt 写成一份“拍摄分镜脚本”，而不是单纯描述一张图片。
描述动作链，别只写静态画面
下面这套结构比较实用，可以直接套用：
主体 → 动作序列 → 环境细节 → 镜头语言 → 视觉风格
以一个女生在巴黎喝咖啡的场景为例。
❌ 错误示范（只有静态描述）：
A woman drinking coffee in a Paris café, cinematic.Prompt 中只有静态状态，模型会不知道接下来该怎么处理，生成的动作通常也会非常生硬。
✅ 正确示范（描述变化过程）：
A young woman sits beside a large window in a Paris café.
She picks up a ceramic coffee cup with her right hand,
takes a slow sip, places it back on the table, and looks
out toward the street.
Medium shot with a slow push-in. Warm afternoon sunlight,
natural skin tones, shallow depth of field, realistic
cinematic photography.第二种写法把“拿起、喝、放下、看窗外”这一连串动作交代清楚，模型不必再靠随机抽卡决定接下来发生什么。
复杂动作要写出“因果律”
遇到篮球运球、复杂舞蹈等高难度动作时，不能指望只用一个词就表达清楚。一个很实用的逻辑是：接触 → 动作 → 反应 → 恢复。
不要直接写“球员完成了一个转身并得分”，这种表达很容易让模型把动作做成“瞬移”。更合适的方式，是将物理过程拆开：
The basketball player dribbles toward the defender with his
right hand. He plants his left foot, lowers his center of
gravity, and rotates past the defender. He transfers the ball
back to his right hand, takes two steps, jumps, and releases
a right-handed layup. He lands and watches the ball enter the
basket.这种写法能够强调动作之间的“因果关系”。即使只是让一个杯子掉落，也需要交代完整过程：托盘碰到杯柄 → 杯子倾斜 → 掉落 → 人看到后的惊讶反应。把物理世界的逻辑写进 Prompt，生成的视频才会带有真实的重量感。
长视频用时间戳分段“喂”指令
视频篇幅较长，或者存在明显的节奏切换时，可以直接用时间戳划分段落来控制。在产品展示视频中，这尤其实用：
0–5s: Wide shot of a matte black portable speaker on a wooden
table in a modern living room during golden hour.
5–12s: The camera slowly pushes toward the speaker, revealing
the grille texture and side controls.
12–20s: A hand enters the frame and presses the power button.这种结构能够显著减少模型在长序列中出现的逻辑混乱。需要记住的是：描述“变化”比描述“存在”更重要。
全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
其实我以前也有这个习惯——往 Prompt 里面塞满“cinematic, 4k, hyper-realistic”这些词，仿佛词越多画面就越好。直到试了一次，把“从左往右平移”这种镜头语言放进去，画面逻辑瞬间就对了，早试早省心！
视频模型最大的区别是，它生成的是“变化的序列”，不是一张“静止的画面”。所以 Prompt 一定要写成一份“拍摄分镜脚本”，而不是单纸描述。你可以直接套用这个结构：主体 → 动作序列 → 环境细节 → 镜头语言 → 视觉风格。
比如说一个女生在巴黎喝咖啡，❌ 错误示范：
A woman drinking coffee in a Paris café, cinematic.✅ 正确示范：
A young woman sits beside a large window in a Paris café. She picks up a ceramic coffee cup with her right hand, takes a slow sip, places it back on the table, and looks out toward the street. Medium shot with a slow push-in. Warm afternoon sunlight, natural skin tones, shallow depth of field, realistic cinematic photography.看到区别了吧？第二种写法把“拿起、喝、放下、看窗外”这一连串动作交代清楚，模型不必再靠随机决定接下来发生什么。
还有，遇到篮球运球、舞蹈这种动作复杂的场景，一定要写出“因果律”。一个实用逻辑是：接触 → 动作 → 反应 → 恢复。别直接写“球员完成了一个转身并得分”，容易变成“瞬移”。正确的写法得把物理过程拆开。
而且遇到篮球运动员时，不能直接写“球员完成了一个转身并得分”，否则容易变成“瞬移”。正确的写法是把物理过程拆开：
The basketball player dribbles toward the defender with his right hand. He plants his left foot, lowers his center of gravity, and rotates past the defender. He transfers the ball back to his right hand, takes two steps, jumps, and releases a right-handed layup. He lands and watches the ball enter the basket.面对复杂动作，一定要写出“因果律”，不能指望一个词就表达清楚。一个很实用的逻辑是：接触 → 动作 → 反应 → 恢复。比如说，一个杯子掉落也得写完整：托盘碰到杯柄 → 杯子倾斜 → 掉落 → 人看到后的惊讶反应。
最后，长视频可以用时间戳“喂”指令，尤其是产品展示这种节奏明显切换的场景。比如：
0–5s: Wide shot of a matte black...总之，把“动作链”和“因果关系”写进 Prompt，生成的视频才会有真实的重量感。早试早省心！
0–5s: Wide shot of a matte black portable speaker on a wooden table, surrounded by scattered paper notes and a laptop. The scene is dimly lit with warm, ambient light. 5–10s: A young man enters the frame from the left, wearing casual attire. He approaches the speaker, picks up the instruction card, and reads it. 10–15s: The man connects his phone to the speaker via Bluetooth. He taps the power button, and the speaker lights up with a soft glow. 15–20s: The man selects a song on his phone. The speaker begins to play music, and the man smiles, satisfied with the setup.
别再死磕形容词了，直接加入“slowly turning head”这样的明确动作指令，这样模型就能根据动作链的逻辑（比如接触→动作→反应→恢复）生成更自然的视频，而不必靠随机抽卡决定接下来发生什么。比如，如果你想要一个人物转头，就具体写清楚“她缓缓抬起头，目光逐渐转向镜头，表情微微变化”，这样生成的动作就不会显得突兀或生硬了！