把片子拆成镜头，每条 5 秒生成只装一个完整动作、10 秒不超过两个；提示词按「主体（属性显式绑定）→ 动作 → 运镜 → 光线氛围」的顺序写，所有「不要 XX」改写成正向替代；对白放双引号交给模型出声，长度必须匹配镜头时长；角色一致性靠多角度定妆照和逐字重复的角色描述，不靠运气。
先想镜头，再想片子
新手最常见的失败，是把三十秒的事塞进一条十秒的提示词：角色要起身、走到窗边、拉开窗帘、回头说一句话——模型只会含混地执行其中一两个，剩下的变成鬼畜。视频模型的真实容量比大多数人预期的小：
- 5 秒 ≈ 1 个完整动作，10 秒 ≈ 2 个连续动作。这是 Seedance 官方指南明确写出的上限，我们实测其他模型也在同一量级。超载的动作不会被「压缩执行」，而是被随机丢弃。
- 一个镜头只指定一种运镜。「推镜的同时环绕再上摇」这类叠加指令是画面不稳的头号来源。想要复杂运动，拆成两个镜头再剪。
- 10 秒以上用分时段结构写：「0-3秒：……；4-8秒：……」，每段自带动作和运镜。这比一大段散文可控得多。
- 镜头密度有官方参考值（可灵 3.0 指南）：5 秒装 1-2 个分镜，10 秒 2-4 个，15 秒 3-6 个。写分镜脚本时先对着这个表算账，再动笔。
提示词最容易翻车的三个地方
一、否定基本无效。多数视频模型没有负向提示词参数，对「不要 X」的处理不可靠，甚至会反向触发——你写「画面不要晃动」，它读到「晃动」。解决办法是全部改写成正向替代：「不要晃动」→「固定机位」；「背景不要杂物」→「空旷干净的纯色背景」。能用参数解决的更不要进提示词（比如固定机位直接走 camera_fixed 参数）。可灵 3O 是少数原生支持文内否定的模型，但即使在它上面，我们也把高风险否定（「不要字幕」这类历史上容易反向触发的）用正向写法兜底。
二、多主体必须逐个绑定属性。「红衣男人和女人在雨里吵架」——那个女人穿什么？模型会替你决定，而且每次决定得不一样。写成「穿红色风衣的男人，和穿米色连衣裙的女人」，每个主体的每个属性显式相邻，不留给模型猜。
三、字数不是越多越好。Seedance 官方建议中文不超过 500 字：字数过多信息分散，模型会忽略细节只抓重点，造成元素缺失。我们的经验是宁可精炼——一条塞满形容词的 800 字提示词，效果通常不如 300 字但每句都有明确画面指令的版本。另外「左右」一律指画面的左右（观者视角），写「画面左侧」「前景/背景」，不要写「他的左手边」。
对白和声音：音画同步是写出来的
现在的主流视频模型（Seedance 2.0、Kling 3O）能直接生成带对白的镜头，但有几条手艺规则：
- 对白放双引号里：「男人叫住女人说："你记住，以后不可以用手指指月亮。"」引号内是要说出来的话，不是提示词的一部分——写多语言提示词时对白保留原语言。
- 对白长度必须匹配镜头时长。5 秒的镜头装不下 40 个字的台词，结果就是音画不同步或语速鬼畜。先读一遍台词计时，再定镜头时长。
- 先动作后对白（视觉锚定）：「黑衣特务猛拍桌子。[黑衣特务，愤怒大喊]："真相在哪？"」——动作在前，模型才知道说话时人在干什么。
- 角色标签全程唯一，忌代词。多镜头脚本里第一镜叫「黑衣特务」、第二镜改叫「他」，角色就可能换脸。同一个标签逐字重复到底。
- 音效和 BGM 用描述性语句（「雨声渐大，远处传来钟声」）。注意 Seedance 输出是单声道，混音在后期做。
模型有方言：同一个分镜，三种写法
各家模型吃的句式不一样，这是我们为每个接入模型单独写提示词技能卡的原因：
- Seedance 2.0 吃叙事长句，写法接近「给摄影师念分镜」：先讲画面里有什么，再讲怎么动，再讲镜头怎么拍。中文原生，中文质量不输英文。
- Kling 3O 是多模态编排型，提示词更像导演指令：拿哪个素材做什么必须显式引用（「让【图1】中的人物向镜头挥手」），只给图不说用途是官方文档里的头号失败模式。
- Veo、Midjourney 系英文明显更稳。不论哪家，镜头术语用英文都更可靠（dolly in、tracking shot、POV）——那是所有模型训练语料的公约数。
- 图片参考模式是互斥的：首帧、首尾帧、多模态参考是三种不同模式，不能混用。想让两个镜头无缝衔接，用上一镜的尾帧做下一镜的首帧。
- 人脸一致性差时，参考图给多角度：正面 + 侧面 + 45 度，比单张正面照的跨镜头稳定性好得多。另外注意 Seedance 的多模态参考模式官方不支持写实真人脸部素材。
流程：让第二十个镜头和第一个一样稳
单个镜头的手艺解决不了整部片子的问题。片子做到第十个镜头时，真正的敌人是散落：角色参考在聊天记录第 40 轮，成功的运镜写法在另一个窗口，上一版被否掉的原因没人记得。我们把 MajoFlow 的编排画布按「剧本 → 资产 → 故事板 → 分镜 → 视频 → 审阅」组织，本质上就是把上面这些手艺规则固化成流程：角色定妆照存在角色包里被每个镜头引用，成功镜头的提示词和参数沉淀进镜头库，每次生成都记录它用了哪些参考、为什么选了这一版。这些事不靠工具也能做（一个严格维护的文件夹加表格也行），但得有人做——否则第二十个镜头一定比第一个差。
常见问题
为什么模型不理我写的「不要 XX」？
多数视频模型没有负向参数，对否定句的处理不可靠，甚至反向触发。把否定改写成正向替代：「不要晃动」→「固定机位」；「不要杂物」→「空旷干净的背景」。这是跨模型通用的规则。
10 秒的镜头为什么后半段总是乱？
大概率是动作超载。10 秒的真实容量是两个连续动作，超出的部分会被随机丢弃或含混执行。用分时段结构（0-3秒/4-8秒各写一段）或者拆镜头。
提示词是不是写得越细越长越好？
不是。Seedance 官方建议中文不超过 500 字，超长会导致模型只抓重点丢细节。信息密度比长度重要：每句都应该是可执行的画面指令，而不是氛围形容词。
角色在不同镜头里总变脸怎么办？
三件事：参考图给多角度（正+侧+45度）；角色描述和标签在所有镜头里逐字一致，不要中途换成代词；镜头衔接用首尾帧模式而不是靠文字描述「同一个人」。