Seedance 2.0 提示词指南

提取参考素材中的特定元素（如主体、风格、场景或声音）并生成全新的视频。

• 适用场景：动作转移、主体套用、氛围借鉴等任务
• 推荐句式：

• 图像参考：参考 <图像 N> 中的 <主体 N>，生成……
• 视频参考：参考 <视频 N> 中的 <动作 / 镜头轨迹 / 风格 / 声音>，生成……
• 音频参考：参考 <音频 N> 的音色，生成……

在现有视频的基础上进行局部或全局修改。默认情况下，未提及的内容将保持不变。

• 适用场景：局部替换、主体消除、属性改变等任务
• 推荐句式：

• 新增元素：明确描述 <元素特征> + <出现时间> + <出现位置>
• 修改元素：严格修改 <视频 N>，将 <原特征> 替换为 <新特征>
• 删除元素：指出需要移除的元素；若想让某些元素保持不变，在提示词中明确强调它们能带来更好的效果

在时间轴上延伸原视频，同时保持视听风格、主体和叙事的一致性。

• 适用场景：剧情延续、动作延伸、补全缺失片段等任务
• 推荐句式：

• 视频单向续写：向后/向前延伸 <视频 N>，生成……
• 多段首尾拼接：<视频 1> + <过渡描述> + 然后 <视频 2> + <过渡描述> + 然后 <视频 3>

上述三种任务类型也可以结合使用。

• 适用场景：在编辑一个视频的同时，参考另一个素材的元素
• 推荐句式：参考 <图像/视频 N> 中的 [参考维度]，严格修改 <视频 X>，[具体修改内容]

品牌文案 / Slogan

提示词模板：

「文字内容」+「出现时间」+「出现位置」+「入场方式」，「文字特征（如颜色、风格）」

参考素材

生成效果

提示词 (Prompt)

手绘动漫风格。三个人聚在一起，快乐地分食着图像 1 中的炸鸡，现场氛围温馨融洽。随后画面逐渐模糊，镜头中央浮现出文字 “快乐尽在 Seedance”。

视频字幕

提示词模板：

字幕出现在画面底部，内容为“……”，其出场节奏与音频台词完美同步。

生成效果

参考素材

提示词 (Prompt)

生成带旁白的视频。一个富有磁性且深沉的男声旁白说道：“在浩瀚的宇宙中，我们的世界不过是沧海一粟。然而，哪怕历经重重磨难，生命依然在此繁衍不息。”画面随之从深夜缓慢过渡到黎明——随着太阳从群山后升起，繁星逐渐隐去。画面底部浮现与旁白同步的字幕。

生成效果

参考素材

提示词 (Prompt)

图中两人正在办公室聊天。女人率先开口：“你每次卡点到，是不是很享受这种刚刚好的感觉？”男人微笑着回答：“我有我的节奏。”两人的交谈显得轻松自然，画面底部同步浮现切合口型的对话字幕。

对话气泡

提示词模板：

「角色」说道：“……”；说话时，其身旁浮现一个带有所说台词的对话气泡。

生成效果

参考素材

提示词 (Prompt)

图像 1 中身着运动服的两人正在学校操场上跑步。女孩看着男孩，一脸自信地鼓励道：“我们一定可以的！”镜头切换至男孩的特写，他略显迟疑地反问：“你确定吗？”镜头再次切回女孩的中特写，她语气坚定、充满希望地大声回答：“当然！”说话者的身旁随即浮现对应的台词气泡。

生成效果

参考素材

提示词 (Prompt)

参考图像 1 和图像 2 中的女孩：在草莓地里，她摘下一颗草莓咬了一口，并笑着说：“这味道绝了！”她的身旁同步浮现带此台词的对话气泡。

Seedance 2.0 支持多视角主体参考，以及场景图、分镜脚本等多图参考输入。

若图像顺序对生成效果有影响，请按顺序上传，并在提示词中使用：图像 1、图像 2……图像 n 的命名规则进行精准指代。

多视角主体参考

只需在提示词中明确参考目标，模型就会执行指令。以下为参考范例。商品类：

消费电子产品

生成效果

参考素材

提示词 (Prompt)

提取图像 1、图像 2 和图像 3 中的相机，并将背景更换为纯白色。相机放置在白色桌面上，镜头对其进行近距离对焦，随后以相机为主体缓慢进行环绕旋转拍摄，清晰展现相机的正面、侧面及背面细节。

家居用品

生成效果

参考素材

提示词 (Prompt)

在暖色调的家居场景下，用中景呈现参考图中的保温杯。镜头平滑推成特写，一只手自然入镜，握住保温杯杯身将其提起，镜头跟随手部微弱的旋转动作全方位展示商品。

人物类：

参考素材

生成效果

提示词 (Prompt)

参考图像 1、图像 2 和图像 3 中的女人，生成她在咖啡馆里品尝蛋糕的场景视频。

多图综合参考

Logo 参考

生成效果

参考素材

提示词 (Prompt)

背景是未来都市中霓虹闪烁的空中廊道，飞行器在全息广告牌间穿梭。参考图像 2 中的女孩：首先用中景展现女孩放飞一个带有全息投影的银色悬浮天灯，随后镜头拉远，展现漫天漂浮的天灯。画面逐渐模糊，浮现图像 1 中的 Logo。视频整体风格：3D赛博朋克科幻动画。

多主体参考

生成效果

参考素材

提示词 (Prompt)

参考图中的猫和狗：在温馨的公寓里，狗趴在地上吃着碗里的狗粮；猫咪走过来，用爪子轻轻拍了拍狗；狗看到猫后停止进食，猫顺势依偎在狗的身旁。暖色调画面。

多元素参考

生成效果

参考素材

提示词 (Prompt)

场景设在图像 4 中的餐厅里，店内顾客熙熙攘攘。图像 1 中的女孩身着图像 2 中的服饰，正在吧台整理物品。图像 3 中的男孩作为顾客走上前去，试图询问女孩的联系方式。画面右下角全程保留图像 5 中的 Logo。

多格分镜参考

生成效果

参考素材

提示词 (Prompt)

参考图中的分镜剧本，生成一段激烈的打斗视频。画面依次呈现每个分格的构图，随后两名角色展开猛烈的近身搏斗。

分镜脚本参考

生成效果

参考素材

提示词 (Prompt)

参考分镜图像 3 的画幅构图：一个女孩焦急地等待爸爸做饭并说道：“아빠， 배고파요！ 밥 다 됐어요？”（爸爸，我饿了！饭做好了吗？），其长相参考图像 1。随后镜头右摇，切换至图像 4 的画幅构图；爸爸的长相参考图像 2，他回答道：“거의 다 됐어， 조금만 기다려！”（快好啦，再等一小会！）。随后画面切回女儿略显失落的特写，她说道：“아직 멀었어요？ 맛있는 냄새 나는데…”（还没好吗？闻起来好香啊……）。接着切回爸爸的特写，他笑着说：“이제 진짜 금방이야。 ＂빨利빨利＂ 하지 말고 손부터 씻고 와！”（马上就真的好啦。别催啦，去洗手准备吃饭！）

Seedance 2.0 原生支持视频参考，只需在提示词中明确指出需要生成的场景以及具体参考的维度即可。

若视频的上传顺序对效果有影响，请按顺序上传，并在提示词中使用：视频 1、视频 2……视频 n 的命名规则进行指代。

动作参考

影视制作

生成效果

参考素材

提示词 (Prompt)

参考视频 1 中的人物动作和运镜方式，生成一段图像 2 与图像 1 之间打斗的视频——其中图像 2 是左边的人，图像 1 是右边的人。搭配节奏感强的背景音乐。

创意营销

生成效果

参考素材

提示词 (Prompt)

参考视频 1 中马儿奔跑的姿态，生成一匹金色骏马在草原上飞奔的画面，随后定格其矫健的奔跑身姿，并幻化演变成为一款马形黄金吊坠。

运镜轨迹参考

生成效果

参考素材

提示词 (Prompt)

参考视频 1 的镜头移动轨迹，制作科技园区概念片：以图像 1 中的高楼为视觉中心，沿用同样的第一人称俯冲运镜，展现出图像 1 园区十足的未来科技感。

特效参考

片场视效

生成效果

参考素材

提示词 (Prompt)

参考视频 1 中的金色粒子特效：当图像 2 中的角色吹奏笛子时，同样的金色粒子光芒环绕着其旋转起舞。

创意变装/变形效果

生成效果

参考素材

提示词 (Prompt)

参考视频 1 中的特效，让图像 1 中的女孩生出同样闪耀的翅膀，翅膀舒展生长的动画轨迹需与参考视频保持一致。

Seedance 2.0 完美支持视频编辑任务：包括新增、删除或修改特定元素；对视频进行双向延展、以及多轨道补全。

若视频的上传顺序对效果有影响，请按顺序上传，并在提示词中使用：视频 1、视频 2……视频 n 的命名规则进行指代。

增、删、改特定元素

新增元素

生成效果

参考素材

提示词 (Prompt)

在视频 1 的台面上添加炸鸡、烤披萨以及其他休闲零食。

删除元素

生成效果

参考素材

提示词 (Prompt)

清除视频 1 中办公桌上的其他零件和杂乱工具，保持桌面干净整洁——仅保留他们两人手中拿着的物件。

修改元素

生成效果

参考素材

提示词 (Prompt)

将视频 1 中的香水瓶瓶身替换为图像 1 中的面霜瓶，保持手部动作和相机运镜轨迹完好不变。

视频双向续写

多段首尾拼接

单张参考图通常包含多个元素。为了精准指代特定对象，你必须明确定义主体。主体可以是一个人、一个道具或一个场景。

模型在内部会将空间和时间解耦。因此，对于复杂的视频，最理想的提示词结构是分镜头时间轴：将视频拆解为若干个镜头，并按照事件发生的先后顺序，动态描述每个镜头内部的细节：谁 + 在哪里 + 在做什么 + 镜头怎么动。

实用建议：先为视频写一份简单的“镜头 1 / 镜头 2 / 镜头 3”大纲，然后将其融合成一条完整的提示词。

• 欠佳示例：“一个男人在街上神色慌张地奔跑，画面非常有电影感。”
• 推荐示例：

• 镜头 1：小巷侧面视角；男人缓缓起跑，伴随急促的呼吸感。
• 镜头 2：男人撞翻了路边的水果摊；镜头快速甩过，定格在他惊恐万分的脸部特写上。
• 镜头 3：男人翻过一堵矮墙并消失；镜头缓缓拉远，定格在空无一人的街道上。

具体规则

• 使用 Shot 1、Shot 2、Shot 3 等镜头标记，并按照情节发生的先后顺序组织内容。无需强行规定每个分镜头的时长，让模型自然控制主次和叙事节奏。

建议每个镜头的描述按照如下顺序组织：

1. 运镜或转场：例如“全景缓缓推进”、“固定机位”、“切至……”等。
2. 主体的动作与神态：核心人物/对象的关键动作和神情变化。
3. 位置或空间变化：主体的场景、所处位置或空间关系的变化。
4. 音频信息：当前镜头配有的音效、台词或背景音乐。

• 细化到具体部位 + 量化动作幅度——将动作拆解到手、腿、头、肩膀和背部细节，并明确幅度、速度和力度。例如：缓缓抬手、快速转头、用力蹬地起跑、微微低下头。
• 首选平缓、温柔、连贯的微动作——优先考虑慢速、饱满且过渡自然的微观动作，避免使用狂奔、大跳、剧烈翻滚等高爆发、大动态的动作。例如：缓缓踱步、轻柔抬手、神色微动轻轻低头、丝滑地坐下。
• 描述动作之间的衔接——点明前后动作的连贯性和惯性过渡，让动态更加流畅自然。例如：顺着转身的惯性顺势抬手、由静止自然过渡到抬起手臂。
• 将情绪转化为具象的神态与肢体细节——与其使用“非常伤心”、“暴怒”等抽象词汇，不如通过具体躯体神态来传达。参考下表：

模型对镜头专业词汇的理解非常到位，请直接使用标准电影运镜名词，例如“中景、特写、全景、慢速推进、平滑横移拉镜头、固定机位”等。

质量、风格和限制词是精确控制输出画面的关键。它们能为模型框定创作边界，统一画面质感与美术走向，并有效抑制坏肢、噪点和画面不受控漂移，是保障生成效果稳定、合规的护栏。

1. 画面质量——界定画面的清晰度、细节纹理和光影质感，拉高生成画面的下限。例如：高动态范围、细节丰富、电影质感、色彩自然、光影意境润泽。

2. 视觉风格——确立整体的美术走向和画面色调，统一艺术氛围。例如：赛博朋克冷调蓝紫配色、复古胶片质感、日系清新色调。

3. 限制性术语——至关重要。反向限制词能有效压制画面中崩坏的肢体、畸变和不合常理的元素，框定画幅边界，极大提高生成稳定性。常用模板：

• 无字幕要求：“画面干净无字幕”、“避免生成任何文字及字幕信息”
• 无徽标要求：“不要生成任何标志、图标”
• 无水印要求：“画面无水印痕迹”

以下通过两个实战案例，直观展示上述进阶公式和关键要素如何融入一条真实的提示词中。

Seedance 2.0 支持在生成的视频中融入常见的文本内容。模型会根据上下文自动适配契合的字体风格和颜色；你也可以在提示词中显式指定文本的颜色、样式、入场动画、出现时间以及在画面中的相对位置。由于对字符渲染的拟合度不同，为了获得最佳渲染效果，建议优先选用常用汉字或英文字符，避免使用生僻字和特殊符号。目前支持的场景包括口号 (slogan)、字幕、以及对话气泡等，具体应用模式可参考上文的 Text Generation 示例。

• 连续长镜头（视频延展）：极度适合在同一固定空间内由对话驱动的“静止型”日常场景。如长谈、情感层层铺垫、沿单一路径的运镜走位，能带来一镜到底的沉浸感。
• 场景/动作转场（分段拼接）：极度适合带有情节转折或复杂高动态的“动作型”镜头。如追逐、对打、快节奏蒙太奇。将这些片段独立生成，最后在后期中剪接在一起，叙事节奏和视觉冲击力更佳。

在实际项目创作中，这两种策略通常会结合使用：先通过视频延展获得一段连贯的对话镜头，再通过后期拼接插播空镜头或过渡镜头，在保持沉浸感的同时让叙事节奏张弛有度。

我们可以将输入的参考素材分为以下四种功能角色：

1. 角色锚定（Character anchor）：精准锁定人物的外形特征
2. 场景基调（Scene tone-setter）：精确锁定场景环境与视觉风格
3. 镜头参考（Camera reference）：精确参考镜头语言与动作脉络
4. 节奏与氛围控制（Rhythm & mood）：利用音频来控制画面情感起伏和人声音色

推荐配置组合（共 4-5 个素材）：1-2 张核心人物图（面部特写/全身照）+ 1 张场景参考图 + 1 个运镜参考视频 + 1 段音频片段。

保持同一句对话中的语言统一。避免在同一句话中中英夹杂（专有名词除外）。

规范且统一地使用特定符号，有助于模型准确区分不同类别的信息流：

问题表现 — 生成的角色与参考图不一致，或者在视频播放过程中人脸发生变化（即 ID 漂移），有时甚至因形似某些明星而触发审核过滤。

根本原因 — 人脸参考不够精准高效：

• 参考图混杂：将人脸参考与全身姿态、服装参考或细节图混在一起，拼成了一张图。
• 人脸在画面中占比过小：在混杂的参考图中，人脸区域太小，导致模型降低了对面部特征的权重，并受到背景或其他元素的干扰。

解决方案 — 提高人脸参考图的独立性与权重：

1. 准备一张专用的人脸特写图：除了全身照外，再额外提供一张仅包含角色头部的图片（即免冠大头照 —— 最好是表情自然、几乎没有肩膀和复杂背景的纯面部图）。
2. 在提示词中明确定义主体：例如“主体 1 的面部特征参考图 1（大头照）；妆容和造型参考图 2（全身照）”。
3. 将重要素材前置：素材需要参考得越精准，在提示词中出现的位置就要越靠前。

问题表现 — 提示词中并未要求添加字幕，但生成的视频中却带有字幕。

1. 在提示词中加入明确的限制条件：“视频不包含任何字幕”、“避免生成任何文字或字幕”。
2. 如果参考图/视频中的文字并非必不可少，请先将其去除（例如使用 Seedream / Seedance 的图像或视频编辑功能），然后再将无文字的素材作为输入。
3. 在适用场景下，可以先生成横屏视频（横屏出现字幕的概率明显低于竖屏），然后再通过视频编辑器裁剪为竖屏。

问题表现 — 提示词中并未提及水印，但生成的视频中带有其他视频平台的 Logo 或水印。

解决方案 — 在提示词中加入明确的限制条件：“不要生成水印”、“不要生成任何 Logo”。

问题表现 — 想要生成 2D 或 3D 动漫风格的视频，但输入的画风参考图偏向写实，且提示词中未强调风格，导致最终成片的画面偏向真人实拍质感。

解决方案 — 在提示词中添加明确的风格限制，例如“2D 日式动漫风”或“3D 国漫风”。如需更精准的控制，建议先将参考图转换为目标风格，再用转换后的图片生成视频。

问题表现 — 生成续写视频并与原视频拼接后，连接处可能会出现明显的画面跳跃，或内容出现短暂回退。

解决方案 — 目前可以通过在后期剪辑中对齐关键帧来缓解该问题（根本解决需等待后续模型迭代升级）：

1. 将需要拼接的视频片段导入剪映（CapCut）或其他视频剪辑软件中。
2. 在首个拼接点，剪掉前一个视频片段末尾的 6 帧。
3. 同时，剪掉后一个视频片段开头的 1 帧。
4. 对所有拼接点重复此操作。
5. 导出视频并检查拼接处播放是否平滑顺畅。

问题表现 — 在多角色场景中，尤其是使用角色三视图作为参考时，同一帧画面中可能会出现两个一模一样的角色。

根本原因：

• 提示词中没有明确定义各个角色，导致模型无法精准区分角色身份。
• 三视图或多视角参考图容易干扰角色识别，从而产生复制人效果。

1. 将每个角色与其参考绑定：清晰定义每个角色并指出对应的参考图，保持格式一致。例如：“张三（参考图 1）向站着的李四（参考图 2）扔出了绿色存折。”
2. 在提示词末尾加入全局限制条件：“在整个视频中，绝不出现外貌、衣服、配饰完全相同的角色；无克隆或双胞胎效果；每帧画面中每个角色仅出现一个实例；不出现重复角色。”
3. 优化参考素材：优先选择单人照片，避免使用三视图或多视角图。
4. 精简提示词：不要直接把一整段脚本粘进去，冗余的文字会干扰模型。剃掉无关文本，保持指令聚焦。

问题表现 — 将生成的视频作为输入再次进行续写时，画面质感会下降。多次循环续写会导致画质折损累积，面部等区域可能出现花脸、杂色块等现象。

解决方案 —— 临时规避方案如下（根本解决需等待后续模型迭代升级）：

1. 先使用 Seedance 2.0 将原视频转换为白模结构，再以此结构作为续写输入。参考提示词： “将视频转换成白模：所有人物变为纯白色 3D 模型，无色彩、无纹理、无阴影，背景纯白，结构稳定，动作流畅。”
2. 优先使用高分辨率的图片作为参考素材。
3. 限制连续续写的次数，避免过多轮次的累加升级。

问题表现 — 仅通过文字描述某种特定的视觉特效，模型容易理解偏差。例如：提示词要求“数字 2999 以倒计时动画效果切入”，但在成片中，数字只是杂乱跳动，并没有呈现正常的倒计时效果。

解决方案 — 使用视频参考来定义特效。提供一段带有目标特效的视频片段，让模型精准理解其形态和运动逻辑。例如：“数字 2999 以视频 1 中的方式切入。”

问题表现 — 当参考角色超过 4 个时，成片稳定性会下降：视频可能出现人数不对（多出或缺少人物）、或出现重复人物。

解决方案 — 临时规避方案如下（根本解决需等待后续模型迭代升级）：

1. 拆分生成多人图片：将角色分组，确保每张参考图中的人数不超过 4 人。例如，6 个角色可以拆分为 2 张图，每张图包含 3 人。
2. 再通过图生视频输出：使用这些拆分好的人物合照作为参考素材，来生成最终的视频。

问题表现 — 使用参考音频合成配音时，生成的视频音色可能会与输入的参考音色产生较为明显的偏差。

解决方案：

1. 在提示词中加入详细的音色特质描述，例如：“使用 @音频 1 中低沉、温暖、略带沙哑的中年男性声音说话”。
2. 尽量让生成的台词语气与参考音频的表达风格相匹配，这能大幅提升音色还原度和稳定性。