即梦 Seedance 2.0 完全实操指南：多模态 AI 视频从"抽卡"到"导演"的体系化玩法

本文由 莫潇羽@无忆研习社（www.wuyi.wiki） 撰写，转载请注明出处。

快速摘要

Seedance 2.0 是字节跳动旗下即梦平台在 2026 年 2 月 7 日正式发布的新一代多模态 AI 视频生成模型。它最大的突破有三点：一是把图片、视频、音频、文本四种素材一起塞进一次生成；二是引入 @素材 引用语法，让模型清楚每个素材分别要扮演什么角色；三是原生音画同步，画面和声音是一次出来的，不是后期拼的。

实操层面，整个工具有两个核心入口：首尾帧（适合上传一张图 + 一句话直接出片）、全能参考（最多 12 个素材混合参考，是 2.0 的灵魂）。前者每条视频默认消耗 30 积分起，后者一旦带视频参考，15 秒视频可能要消耗近 200 积分，要算着用。

这一篇文章我把自己最近一段时间折腾下来的所有体感、踩过的坑、提示词公式、参数选择、商业化场景全部拆完了，包括多图串联、运镜复刻、长剧情生成、产品广告、视频延长等几乎所有核心玩法。想看完整拆解，往下翻。

一、先认识 Seedance 2.0 这个角色

很多人一上来就想着复制别人的提示词模板抄一下，结果出片效果一般，回头还以为是模型不行。我自己折腾下来的体会是：先得搞清楚这个模型到底"听得懂什么"，再去写提示词，思路才不会乱。

1.1 一句话定位

Seedance 2.0 是字节跳动旗下即梦平台（jimeng.jianying.com）在 2026 年 2 月发布的新一代视频生成模型，核心定位是 "多模态音视频联合生成" —— 翻译成人话就是：你可以同时把图片、视频、音频、文字四种素材丢进去，让模型一次性生成一段画面与声音同步的视频，最长 15 秒。

它和上一代 Seedance 1.5 比起来，差异不是参数量上的简单增加，而是在四个维度上做了系统性升级：

我用一张简单的脑图把它的能力地图画一下，方便你在脑子里建立坐标：

graph LR
    A[Seedance 2.0] --> B[输入端]
    A --> C[控制端]
    A --> D[输出端]

    B --> B1[文本提示词]
    B --> B2[图片 最多9张]
    B --> B3[视频 最多3个,总时长15s内]
    B --> B4[音频 最多3段,总时长15s内]

    C --> C1[首尾帧入口]
    C --> C2[全能参考入口]
    C --> C3[@符号引用语法]

    D --> D1[4-15秒高清视频]
    D --> D2[原生音画同步]
    D --> D3[最高2K分辨率]

1.2 它解决的最根本痛点

过去用 AI 做视频，最让人头大的两个问题：

• "猜谜式"出片：写一段话给模型，模型猜你想要什么，结果是抽卡 —— 抽到好的随缘，抽到崩的重写。
• "翻车式"延长：好不容易抽到一段满意的，想再续 5 秒，结果一续就脸变了、衣服变了、镜头视角也跳了。

Seedance 2.0 的多模态参考就是冲着这两个痛点来的：你不用再"许愿"，可以直接把"参照对象"喂给模型 —— 一张图定角色长相，一段视频定运镜，一段音频定节奏，提示词只用来串剧情。模型解码的不再是你脑海里的画面，而是你已经给过的真实素材。这之间的差距，就是抽卡和定制的差距。

我之前在无忆研习社写过几篇关于 AI 工作流标准化的文章，思路和这个其实是一脉相承的：让结果可控的关键，从来不是写更长更花哨的提示词，而是给模型更多结构化的输入。 Seedance 2.0 把这个理念落到了视频领域。

1.3 别迷信"地表最强"的标签

网上有不少铺天盖地的"地表最强 / 改变行业 / 终极答案"之类的评价，这些标签作为传播口号没问题，但你要拿着它真的去做项目，得有几个清醒认知：

• 它的真人写实素材是有合规限制的，目前不能直接上传清晰可辨认的人脸做主体参考；要让自己出镜需要走真人活体校验后再做数字分身。
• 它在某些极端运镜（比如多人剧烈打斗、超快闪剪辑）上仍然会"污染"参考素材中的原画面。
• 它对中文长提示词的理解算业内顶尖，但仍然吃 token 限制，超长指令会被截断。

接下来我就按"小白上手 → 进阶玩法 → 商业落地"的顺序，把它的具体用法拆给你。

二、参数预览与积分机制：开干之前先把账算清

第一次进入即梦的视频生成界面，新手很容易在参数面板上发懵。我把这一节当成"操作前置课"，把每个开关都讲清楚。

2.1 入口在哪里

进入即梦主页 → 顶部导航选视频生成 → 在左上角的模型切换处，把模型切到 Seedance 2.0。同一个模型下面会出现两个细分入口：

• 首尾帧：上传一张首帧图（最多再加一张尾帧图）+ 文字提示词，最多两张图。适合"图生视频"这种最简单的场景。
• 全能参考：可以同时上传图片、视频、音频，再配合提示词，最多 12 个素材。是 2.0 的核心入口，也是这一节后面要重点讲的。

切换的方式很傻瓜化，鼠标点一下就好。如果你的账号还没看到 Seedance 2.0 这个选项，多半是会员级别没开够 —— 平台目前要求至少有基础会员才能用 2.0，新用户也可以走小云雀的免费体验额度先尝鲜。

2.2 默认参数能直接用吗

平台默认会给一组参数：

• 时长：默认是 5 秒，可调范围 4 至 15 秒。
• 分辨率：默认 1080p，可上拉到 720p / 1080p / 2K（部分入口才支持 2K）。
• 画面比例：6 种比例可选，竖屏、横屏、方屏、电影宽银幕都齐了。
• 创作种子：默认随机，可固定后用于复用同一种生成倾向。

我自己的习惯是：先用默认参数跑一次最便宜的版本试效果，确认提示词没问题再拉满分辨率和时长。这样能省下大量积分。

2.3 积分怎么扣，最容易翻车的就是这块

这是很多人第一次用 Seedance 2.0 被劝退的原因 —— 没看清楚扣分逻辑就乱传素材，几张视频下去一天的积分就没了。莫潇羽@无忆研习社这边给你一份直观的积分参考：

简单一句话总结：纯图参考积分翻不出花来，但凡你上传了视频参考，积分会成倍往上跳。视频参考是"昂贵但精准"的能力，要把它用在真正需要复刻运镜或动作的关键片段上，不要拿来抽着玩。

2.4 Fast 模式什么时候选

平台还有一个 Seedance 2.0 Fast 模式（在模型选择处可见），相比标准版会便宜 30% 到 50%，速度也明显更快。它的妥协在于：分辨率上限稍低、对复杂运镜的还原度略弱。我自己用下来的判断：

• 做初版打样、自媒体短素材、快速试错提示词的时候，直接用 Fast 模式，省时间省积分。
• 做最终交付、产品广告、复杂运镜复刻的时候，再切到标准版精修。

2.5 会员等级与试用额度

平台目前的会员体系大致分为基础会员、高级会员、年度会员几档，差异主要体现在每月赠送的积分量、并发任务数、是否能用 2K 分辨率上。新手不用一上来就充顶配 —— 先开最低档，把 Seedance 2.0 跑顺了再考虑升级。

如果你只是想尝鲜，平台还有几个零成本通道：

• 小云雀新用户：登录后会赠送 3 次 Seedance 2.0 免费生成机会，每天还有少量赠送积分。
• 即梦每日签到：积分虽然不多，但攒一周也能跑出几条短视频。
• 官方活动：平台不定期会在创作者社群里发激励积分，关注一下。

2.6 排队与生成速度

热门时段（晚上 8 点到 12 点）排队最严重，标准模式下一条 15 秒视频从提交到出片可能要 8 ~ 15 分钟。Fast 模式排队几乎可以忽略，2 ~ 3 分钟就能出。我的建议：

• 白天工作时间用标准模式跑高质量素材
• 晚上灵感来时用 Fast 模式快速试错
• 真要赶项目，可以考虑同时开多个浏览器标签批量提交（前提是会员等级允许并发）

2.7 输出文件的格式与下载

生成完成后，平台会保留你的视频在云端历史记录里。下载下来是 MP4 格式（H.264 编码），码率根据分辨率不同，1080p 大约 8 ~ 12 Mbps，2K 大约 15 ~ 20 Mbps。做后期剪辑和发布前一定要本地备份，平台的历史记录虽然偶尔会因为版本更新导致旧素材访问异常。

三、首尾帧入口：单图驱动的稳定出片

虽然全能参考更强大，但首尾帧入口仍然是日常使用频率最高的入口 —— 90% 的"图生视频"需求其实都不需要那么多素材。

3.1 适合用首尾帧的场景

把首尾帧当成 Seedance 2.0 的"轻量版"。它适合下面这些情况：

• 手上只有一张图，想让它动起来。
• 已经有了画面起点和终点（比如人物从平静到挥手），希望模型补完中间的运动。
• 不需要复杂运镜，只想看主体的自然动作。

3.2 小白第一次出片的标准流程

把你想要的图片拖进首帧框 → 写一段不超过 80 字的提示词 → 选 5 秒时长 → 点生成。提示词写法很简单，记住"主体 + 动作 + 镜头"三件套：

[主体] 一位戴白色头盔的少女站在斜坡顶端的滑板上
[动作] 她蹬地一脚滑下,完成空中360度转体后稳稳落地
[镜头] 镜头跟随式低机位,带轻微震动,结尾平移定格

这样一段提示词，配合一张少女滑板起势的图，Seedance 2.0 通常一次就能出可用素材。我自己测试过四次抽卡，画面里没有出现过姿态扭曲、四肢错位之类的常见 AI 视频翻车点 —— 这是相比上一代最让人惊喜的地方。

3.3 物理表现的明显升级

我特意拿了一段 1.5 版本生成的滑板视频做对比。同样一句提示词、同样的首帧图：

• 1.5 版本生成：滑板下坡阶段速度逻辑还可以，但腾空那一下板面和脚底脱开了好几帧，看着像漂浮。
• 2.0 版本生成：腾空过程中板面始终贴着脚底，落地时膝盖还有微微弯曲缓冲，物理一致性显著提高。

这种细节看起来不大，但用过 AI 视频的人都知道，能把"重力 + 接触 + 缓冲"三件事同时做对的模型，在国内还真没几个。莫潇羽自己测下来，跑步、游泳、骑车、打球这类基础运动，Seedance 2.0 的稳定性都达到了"不太需要重抽"的水平。

3.4 文字保持度：广告产品的硬考点

做产品广告的朋友最关心一件事：瓶身上的文字、Logo、商标会不会被模型"擦"掉或者扭成乱码？

我拿一组化妆品图片做了实测：原图瓶身上的英文非常清晰，但字体很小（像素层面接近模型采样的下限）。同样的提示词喂进去：

• 1.5 版本：远景看着没问题，一旦画面拉近，瓶身上的字母会出现"漂移"、个别字符变形。
• 2.0 版本：从中景到特写都能把瓶身上的小字保持得很稳，连印刷边缘的反光高光都能维持。

这对做电商产品视频的同学是实打实的福音。以前需要大量后期修补的细节，现在一次过的概率明显高了。

3.5 抽卡稳定性的真实手感

抽卡稳定性这件事很难量化，但你用多了就会有体感。我把"同提示词、同图、不同种子"跑了 8 次，然后人工判断每条素材的可用性：

• 完全可用：6 条
• 微调后可用：1 条
• 必须重抽：1 条

这个比例对比 1.5 时代"3 抽 1 用"的水平，已经是质的飞跃。当然，前提是你的提示词写得不太离谱 —— 写得越含糊，模型越容易自由发挥。

四、全能参考入口：四种模态混合的核心玩法

如果说首尾帧是"傻瓜模式"，那全能参考就是 Seedance 2.0 真正的舞台。这一节我用篇幅最大的一块讲清楚它。

4.1 入口与界面

在视频生成页面，把入口从"首尾帧"切到"全能参考"。这时候你会看到一个明显不一样的素材区 —— 它支持上传：

• 最多 9 张图片
• 最多 3 段视频（3 段加起来总时长 ≤ 15 秒）
• 最多 3 段音频（3 段加起来总时长 ≤ 15 秒）
• 总素材数上限是 12 个

我建议新手不要一上来就把 12 个素材都填满 —— 素材越多，模型要兼顾的维度越多，提示词的复杂度也是非线性增长。先从 3 ~ 5 个素材开始练手，掌握节奏再加。

4.2 @ 符号引用语法是真正的灵魂

全能参考最关键的不是上传了多少素材，而是你怎么告诉模型每个素材的"职责"。Seedance 2.0 的解法是 @ 符号引用。

你在提示词输入框里直接打一个 @ 符号，就会自动弹出已上传素材的列表，点选就能插入引用。也可以用工具栏上的 @ 按钮唤起选择面板。引用成功后，输入框里会出现一个带颜色的标签，显示素材文件名 —— 看到这个就说明绑定成功了。

举个例子：

@图片1 作为首帧的人物形象
@图片2 作为画面的背景场景
@视频1 参考运镜方式和节奏
@音频1 用作背景音乐

人物缓慢转身微笑,微风吹动发丝,镜头平稳跟随,不变形,4K高清。

这一段提示词的结构非常清晰：每个素材都被赋予了明确角色，剩下的文字描述只负责串联。莫潇羽自己写提示词的时候有一个习惯：先把所有 @ 引用列在前面，再把动作描述放后面，模型解码起来更稳。

4.3 四种素材的优先级关系

实际生成的时候，模型并不是把四种素材"等权重"使用的。这里有一个隐性的优先级：

理解这一点很重要。比如你上传了一张人物图，又上传了一段舞蹈视频，希望让"图中人物跳视频里的舞蹈"。这时候视频参考的优先级最高，图片只负责"换皮"，动作骨架由视频提供。如果你写"参考图中人物的动作"，反而会让模型困惑 —— 因为图是静态的，没有动作信息。正确写法应该是 "主体外观参考 @图片1，动作和运镜完全参考 @视频1"。

4.4 我的素材准备小习惯

折腾多了之后，我会在本地把每个项目的素材按"功能角色"分文件夹，结构大概长这样：

项目-小胖系列/
├── 角色/           ← 主角图,正面/侧面/半身/全身
├── 场景/           ← 不同环境的背景图
├── 运镜参考/       ← 剪到 5 秒以内的电影片段
├── 音频/           ← 音乐片段、人声片段
└── prompt.txt     ← 已经验证过的提示词模板

这样做的好处是每次生成时不会到处翻文件夹。莫潇羽@无忆研习社也建议你养成这个习惯 —— AI 视频创作越往后走，工程化思维越重要，散乱的素材管理会拖死你的迭代速度。

4.5 素材数量到底放多少最合适

这里有一个我反复验证过的经验值：3 ~ 5 张关键图 + 1 ~ 2 段参考视频 + 1 段音频 是最稳的搭配。原因有三：

• 留出 2 ~ 3 个文件位的余量，方便临时补图。
• 太多素材会让 @ 引用关系变复杂，提示词反而难写清楚。
• 12 个素材跑满，模型注意力会被稀释，关键素材的还原度反而下降。

五、多图串联：让图片"接龙"成连贯视频

掌握全能参考之后，第一个能立竿见影出彩的玩法就是多图串联。

5.1 它本质上在做什么

多图串联的核心机制是：你按顺序上传一组图片，模型把它们当作"画面航线上的关键位点"，自动补出位点之间的过渡画面。换句话说，你给的不是首帧和尾帧，而是 一段视频的若干个分镜关键帧。

5.2 实操演示一：人物变熊

我准备了 4 张图：

• 图片1：男孩平静站立的特写
• 图片2：男孩缓缓抬头的中景
• 图片3：男孩张嘴大声呼喊的特写
• 图片4：一只棕熊咆哮的特写

提示词这样写：

@图片1 作为首帧,镜头慢慢拉近主角面部
主角突然抬起头,面部特征参考 @图片2
接着张嘴大声呼喊,表情参考 @图片3
最后整个人逐渐变身成 @图片4 中的棕熊

风格写实,特效自然,无突兀切换。

跑出来的效果是连续的"人变熊"过渡 —— 表情先到位，然后五官缓慢扭曲，最后整个头部转化为棕熊。最让我惊讶的是图片之间没有明显"刹车感"，像一段精心剪辑过的特效片段。

5.3 实操演示二：一镜到底跑步追踪

这次上传 5 张完全不同场景的图，每张相隔很远 —— 街头、楼梯井、走廊、屋顶门口、城市俯瞰。提示词只用了一句话：

按 @图片1 → @图片2 → @图片3 → @图片4 → @图片5 的顺序,
做一段一镜到底的追踪镜头,从街头开始跟随跑步者上楼、
穿过走廊、推开屋顶门,最终俯瞰整个城市。

模型会自己在场景之间做"自然切镜"或"穿越式过渡"。整个 15 秒的视频一气呵成，没有出现明显的画面断层。这是 Seedance 2.0 在长镜头叙事上的一次硬实力体现。

5.4 自动转场的隐性逻辑

模型不是简单把图按顺序拼起来 —— 它会判断相邻两张图能不能"光学过渡"。如果两张图的内容差别太大（比如从沙漠跳到深海），它会自动换成一种"切镜式"过渡（比如黑屏一闪、镜头摇头甩到下一个场景），而不是硬过渡。

这个能力是上一代模型没有的。理解它的好处是：你不用纠结"我的两张图差别太大会不会接不起来"，模型会替你做合理决策。

5.5 用时间段控制每个图片的停留时长

如果你不希望模型自由分配每张图的过渡时间，可以用 时间段提示词 来精确控制。这是从社区流传的"Time AI 提示词"格式延伸过来的玩法。

举个例子，我上传了 5 张历代经典跑车的图片，希望每款车都先在路上跑一段，再过渡到下一款：

@图片1 在公路上高速行驶 → 0~1s
@图片1 拆解、变形、重组成 @图片2 → 1~3s
@图片2 在公路上高速行驶 → 3~4s
@图片2 拆解、变形、重组成 @图片3 → 4~6s
@图片3 在公路上高速行驶 → 6~7s
...以此类推到 @图片5 ...

整段画面阳光明媚,运镜跟车,公路两侧山脉延绵,
背景音乐为轻快电子节拍。

模型会严格按照时间段切片去执行，每段画面的内容、运镜、节奏都能被你掌控。这种写法非常适合车展类、产品迭代展示类、对比类的视频。

关键点：时间段切片本质上是把"一段长视频"切成多个有明确边界的子任务。模型在每个子任务内只需要解码一个相对简单的画面，整体稳定性反而比"模糊一句话"更高。

5.6 多图串联适合做哪些内容

我自己用下来，这个玩法特别适合：

• 产品迭代展示（多款产品的演进）
• 旅游 vlog（多个景点的串联）
• 时尚穿搭（多套服装的快速切换）
• 故事开场（用关键帧带出整个故事的氛围）

不太适合：

• 严格的对话戏（@图引用对人物的口型控制不如音频参考精准）
• 高速运动（图与图的间距过大会让运动节奏失真）

六、视频参考：把电影运镜搬到自己片子里

这一节是 Seedance 2.0 的"杀手级能力"。前面所有玩法都是"图生视频"的延伸，到这里才真正进入"视频生视频"的领地。

6.1 视频参考到底在参考什么

模型从你上传的参考视频里，可以抽取出几样东西：

• 运镜轨迹：每一帧虚拟摄像机的位移、旋转、变焦参数。
• 动作节奏：主体的动作韵律、停顿、加速点。
• 转场结构：画面切换的时间点、过渡方式。
• 特效时序：粒子消散、光影流动、变形过渡的时间曲线。

它不会照抄参考视频里的具体内容（人物长相、场景细节），只学"动作的骨架"。这一点正是它牛在哪里的核心 —— 你可以用任意自己的素材"套"上别人的运镜。

6.2 实操演示：把炫酷运镜套到自己的角色上

我从公开资源找到一段汽车广告视频，运镜非常炫 —— 镜头从远处拉近，绕车环绕一圈再俯冲。我自己手上只有一张静止的红色跑车图。

操作流程：

• 切到全能参考入口
• 上传炫酷运镜视频作为视频参考（@视频1）
• 上传红色跑车图作为主体（@图片1）
• 写提示词：参考 @视频1 的全部运镜节奏和镜头切换,主角换成 @图片1 中的红色跑车,场景是城市霓虹夜景,无水印

15 秒的视频生成出来后，我那台静止的红色跑车被"运镜驱动"开了起来 —— 推拉、环绕、俯冲一个不少，比原视频还多了点夜景质感。这种效果以前要靠摇臂、轨道、专业车手才能拍出来，现在 60 ~ 80 积分搞定。

6.3 实操演示：参考舞蹈视频

我上传一张主角的全身照（一个手里拿着汉堡的胖子角色），再上传一段街舞动作视频。提示词：

@图片1 作为主角形象,
完全参考 @视频1 的舞蹈动作和镜头节奏,
主角丢掉手里的汉堡开始跳舞,
背景是霓虹灯光的舞台,角色外观严格保持 @图片1。

模型生成出来的画面里，胖子角色丢掉汉堡，然后用参考视频里完全一致的动作韵律开始跳舞 —— 节拍点、旋转角度、收手节奏全部对得上。这就是"用参考视频教模型跳舞"的核心玩法。

6.4 实操演示：手机随手拍的运镜也能用

很多人觉得参考视频得用电影级的，其实不必。我用手机随手拍了一段从天花板向下、再往左转、再向右上看的运镜 —— 总共 6 秒，画质一般。把它当作 @视频1，再配上 3 张室内场景的图（客厅、走廊、厨房），提示词：

以 @图片1 作为首帧画面,完全参考 @视频1 的运镜方式,
向下转向时切到 @图片2 的场景,
向右上看时切到 @图片3 的场景,
保持第一人称视角,真实自然。

跑出来的效果是一段流畅的第一人称漫游视频。我自己手机拍 6 秒，模型给我"补"出了 12 秒的多场景过渡。这种玩法对房产中介、室内设计、民宿展示这类场景特别友好。

6.5 高难度运镜的极限测试

我尝试过一些"故意刁难"的素材：

• 一段拍婚礼时把客人都转晕的旋转镜头视频
• 几张自己用 AI 生成的酒店内部结构图

让模型用胖子角色当主角，按这段眩晕运镜走完整个酒店。结果出乎意料 —— 复杂的旋转、推进、变焦逻辑都被还原出来，主角形象在剧烈运动中也没有变形。这种好莱坞级别的复杂运镜，普通人现在真的可以零基础玩出来。

6.6 打斗动作迁移

打斗类视频是 AI 视频的传统老大难。我做过一组实验：

• 上传胖子角色图（@图片1）
• 上传一个反派角色图，手里拿着扳手（@图片2）
• 上传一张街道场景图（@图片3）
• 上传一段打斗参考视频（@视频1，可以是实拍片段，也可以是简单的 3D 骨骼动画）

提示词：

@图片1 的主角与 @图片2 的反派,
在 @图片3 的场景中打斗,
动作完全参考 @视频1,
反派手里始终拿着扳手不放手。

跑出来的视频中，连"扳手"这种小道具都被稳定还原了 —— 主角出招、反派挥扳手反击、躲闪的节奏都和参考视频对得上。这是 Seedance 2.0 在动作生成上的硬实力体现。

小贴士：参考视频不需要太长，3 ~ 5 秒往往就够了。社区实测过，越短的参考视频信噪比越高，模型抓取运动骨架反而越准。

6.7 视频参考的局限

一定要清醒：视频参考不是万能的。我踩过的坑：

• 快闪类参考视频容易污染主体：原视频里如果出现了清晰的人物，生成时偶尔会"漏"一两帧原人物形象。
• 跨风格迁移成功率低：把动漫风的运镜套到写实场景上，效果会比较奇怪。
• 多人复杂打斗仍是上限：3 人以上同时打斗的场景，目前还有崩坏概率。

七、长剧情交付：15 秒装下一个完整故事

到这里我们已经把"复刻别人的运镜"讲完了。这一节进入更高阶的玩法 —— 让模型自己当导演，按你给的剧本演完一段戏。

7.1 模型对长提示词的理解能力

Seedance 2.0 在中文长提示词理解上有质的飞跃。我做过一个测试：把一段大约 200 字的提示词喂进去，里面交代了主角表情、动作、镜头切换、字幕、旁白、配乐风格 —— 整整 7 个独立维度。

提示词大致结构：

@图片1 中的角色（蒙娜丽莎风格人物）有些心虚的表情。
0~3s: 角色左右瞄了一眼,慢慢从画框中弹出来。
3~6s: 角色拿起台面上的可乐,喝了一口,露出满足表情。
6~9s: 突然传来脚步声,角色赶紧把可乐放回原位。
9~12s: 一个保安走过去,没发现异常,把可乐拿走了。
12~15s: 画面下方出现字幕和旁白:"喝一口可乐,清爽直上头"。

整体风格:博物馆灯光,胶片质感,旁白男声,配乐节奏轻快。

设定 15 秒生成，结果一次就跑通了。每一个时间段的内容都被精准执行，连字幕的出现时间都和提示词对得上。这种交付能力在去年还是天方夜谭。

7.2 关键点一：把剧情按时间段切片

这是写长剧情提示词最核心的技巧。别一句话写 200 字让模型自己理解，要把它切成"03s、36s、6~9s..."的时间段，每段一句话，每句话只交代一件主要事件。

模型的时间层在解码时会按这个切片去执行，每段画面只需要处理一个相对简单的视觉任务，整体稳定性大幅提升。

7.3 关键点二：动作描述用具体动词

避免抽象描述，多用具体动词。下面是反面和正面的对比：

具体动词比形容词重要十倍。形容词是"许愿"，动词是"指令"。

7.4 实操：胖子追逃打闹剧情

我用主角胖子图，写了下面这段：

@图片1 中的主角手里拿着汉堡。
0~4s: 主角被一群人在街上追赶,边跑边回头看。
4~8s: 慌乱中主角不小心碰到路边的水果摊,
       汉堡掉在地上,水果散落一地。
8~12s: 主角连滚带爬把汉堡捡起来,继续逃跑。
镜头跟拍,带轻微震动,氛围紧张但带点幽默感。

12 秒的视频一次出片。跨多个分镜的稳定性让我惊讶 —— 主角的服装、面部、汉堡的颜色全程没崩，水果摊的水果种类也保持稳定。这种长剧情稳定性是上一代模型完全做不到的。

7.5 实操：减肥励志短片预告片

我换了个剧本，让胖子角色当主角，做一段励志短片预告：

@图片1 的男主形象。
0~3s: 男主对着镜子叹气,镜头特写他垂下的肩膀。
3~5s: 男主开口说:"我不想再这样了。"(中文配音)
5~10s: 激昂的背景音乐响起,男主在跑步机上挥汗如雨。
10~13s: 镜头切到他举铁、跳绳、做俯卧撑的快剪。
13~15s: 黑屏出现字幕:"破茧 —— 即将上映"。

跑出来的效果带配音、带激昂 BGM、带快剪，完全是一段电影预告片该有的样子。15 秒说长不长，但塞下完整的"低谷 → 转折 → 燃起来 → 预告"四个段落是绰绰有余的。

7.6 角色一致性的保持手法

长剧情最容易翻车的是角色一致性。Seedance 2.0 在这块做得相当好，但仍然有几条经验可以让你少踩坑：

• 主角图最好是正面 + 半身，五官清晰可辨。
• 提示词中反复提及主角特征（比如"穿黄色 T 恤的男孩""留长发的少女"），让模型在每个分镜都有锚点。
• 复杂场景里，让主角始终处于画面中心，不要让他在某些分镜被边缘化或被遮挡。
• 必要时上传主角的 2 ~ 3 张不同角度图（正面、侧面、半身），用 @图片1 @图片2 @图片3 多重锚定。

7.7 多语言、方言、对白的支持

Seedance 2.0 还有一个让人惊喜的能力：支持多语言和方言对白。我测过让一只猴子角色用四川话说"幺妹儿，霸王别姬有得没得"，效果到位得