如果你只记住六条，记这六条：
| 事项 | 说明 |
|---|---|
| 字数 2300–2700 | 不是越长越好。超过 3500 字效果反而变差——每多一句描述，就稀释掉一条硬约束。 |
| 纯画面要写「无台词」 | 不写这句，模型会自己决定加不加人声，本该安静的镜头突然冒出说话声。 |
| 台词格式固定 | 角色 + 说话动词 + 冒号 + 引号，例：苏棠："别挡路。" |
| 素材分开编号 | 图1、视频1、音频1 是三套独立编号，不是连续排下去的。 |
| 分镜每段 2–5 秒 | 首尾相接，不跳段、不重叠，而且要写明转场方式。 |
| 负向清单集中写 | 把所有「不要什么」收进一节、分 8 类。散落在各段的约束力很弱。 |
| 项目 | 值 |
|---|---|
| 单次时长 | 最长 30 秒，30fps |
| 输出 | 原生带音轨（台词 / BGM / 音效一起出） |
| 参考图片 | 本站最多 10 张 |
| 参考视频 | 最多 5 段，合计 ≤15 秒 |
| 参考音频 | 最多 5 段，合计 ≤15 秒 |
| 时长档位 | 5s / 10s / 15s / 30s |
| 分辨率 | 480P / 720P / 1080P（本站同价） |
| 类型 | 参考输入 | 输出效果 |
|---|---|---|
| 文生视频 | 只有提示词 | 凭文字生成画面 |
| 图生视频 | 提示词 + 首帧图 | 以该图为第一帧往后画 |
| 首尾帧生视频 | 提示词 + 首帧 + 尾帧 | 从首帧过渡到尾帧 |
| 主体参考 | 人/物/场景参考图 | 锁住外观不变 |
| 运动参考 | 含动作的参考视频 | 复刻动作和运镜 |
| 风格参考 | 风格图/视频 | 沿用参考的风格 |
| 音频参考 | 音乐/台词/音色音频 | 音轨对齐参考音频 |
| 白模渲染 | 白模视频 | 把白模渲染成写实画面 |
| 多宫格分镜 | 九宫格分镜图 | 按格子顺序推演剧情 |
| 关键帧参考 | 多张关键帧图 | 对齐关键帧顺序 |
| 文件/网页转视频 | PPT/PDF/网页链接 | 把内容做成视频 |
| 视频编辑/延长 | 原视频 | 增删改 / 前后接续 |
提示词 =
[总体描述]
+ [参考素材引用：图N / 视频N / 音频N]
+ [分镜N（起-止秒）：主体 + 场景 + 运动 + 美学控制]
+ [台词：xx 说："xxxx"]
+ [音效 / BGM]
+ [风格 / 情绪]
+ [负向清单]用不到的段落直接跳过，不是每段都必须写。
三种格式，整篇只用一种：
分镜1（00:00-00:03）：……
第1个镜头[0-3秒] ……
[00:00-00:03] ……硬切转场 / 叠化转场 / 从上一分段的最后一帧无缝衔接| 想要的效果 | 写法 |
|---|---|
| 只锁人物形象 | 图1的苏棠站在图2的巷子内 |
| 多素材混合 | 图1手中拿着图2，走进视频1的场景 |
| 克隆音色 | 音色参考音频1；按音频1的音色说："xxxx" |
| 只借运镜 | 参考视频1的运镜方式，场景改为一杯咖啡放在天台桌上 |
| 只借动作 | 视频1中的人替换为图1中的苏棠，动作、轨迹和场景保持不变 |
| 只借特效 | 图1人物按照视频1的能量特效，生成同样的水墨扩散特效和动作 |
| 只借风格 | 风格参考图2；仅参考图2的色调与光影，不参考人物 |
格式固定：角色 + 说话动词 + 冒号 + 引号
苏棠："别挡路。"
她低语道："这地方不对劲。"图1说："xxxx"；图2回答："xxxx"音色参考音频N（只写一次，对该角色全部台词生效）口型同步画外音："xxxx" / 女声吟诵："xxxx"只写「打得狠」「重击」是没用的 —— 画面上还是软的。要写五层：
| 层次 | 写什么 | 示例 |
|---|---|---|
| ① 碰撞点 | 什么碰到什么 | 钢管与铁桶桶壁 |
| ② 冲击波形态 | 撞击后可见的形变 | 桶壁向内凹陷，并向外扩散一圈可见的空气涟漪 |
| ③ 介质层 | 空气/灰尘/水/血怎么动 | 空气波纹扭曲，桶口喷出灰尘柱 |
| ④ 破坏层 | 物体损坏的具体表现 | 铁桶横向弹跳半米、桶身留下凹坑、碎玻璃被震起 |
| ⑤ 镜头反馈层 | 摄影机怎么反应 | 撞击帧剧烈横向抖动一次、失焦 0.08 秒、边缘轻微紫边色散 |
1. 连贯格斗链（直接抄这段话）
全片是一条不中断的连贯格斗链，每一镜的结束姿势就是下一镜的起始姿势，
人物站位、重心朝向、受力方向必须延续，不得瞬移、不得凭空换位。2. 真实发力顺序（直接抄）
所有摔投与关节技必须符合真实发力顺序：先破坏重心，再借惯性施力。环境音会自动匹配：把动作、材质、气象写清楚（战旗猎猎、鼻息白气、积水踩踏），模型会自己补对应的声音。
指定音效要单独成句，可以带时间戳：
枪鸣音效 + 狐火粒子特效
第 8 秒起，女声吟诵："xxxx"| 要什么 | 怎么写 |
|---|---|
| 让模型自己配 | 什么都不写 |
| 指定气氛 | BGM 转入低音区，大提琴以极轻力度缓缓加入、节奏与镜头切换同步 |
| 完全不要音乐 | 无 bgm，只生成环境音和动作音 |
三件套：画风 + 色调 + 情绪。放开头或结尾都行。
| 板块 | 关键词参考 |
|---|---|
| 画风 | 35mm 电影胶片 / 港味写实 / 国风岩彩画 / 勾线插画 / 废土风格 |
| 色调 | 高饱和暖黄 / 青蓝×鎏金撞色 / 低调光高对比 / 环境去饱和青灰对比高饱和金色 |
| 情绪 | 悲壮孤峙 / 轻快治愈 / 压抑紧张 / 松弛自信 / 神秘魔幻 |
平时是干净的真人电影画面，一动手才叠上水墨特效
把所有「不要什么」集中写在一节，并且写得具体。散落在各段的「不是…不是…」约束力很弱。
只写不想要的，不用重复正面已经写过的内容。没有可留空。
| 类别 | 举例 |
|---|---|
| 人物 / 画面 | 不要人脸变形、不要换脸、不要多余手指、不要肢体扭曲、不要穿模、不要抠图痕迹、不要低清晰度 |
| 文字 / 水印 | 不要字幕、不要水印、不要复杂文字、不要额外品牌名称 |
| 风格 | 不要低幼卡通、不要游戏 CG 感、不要 MV 式炫技 |
| 声音 | 不要背景音乐、不要人声旁白、不要台词 |
| 动作 | 不要简单撕扯、不要无逻辑乱跑、不要夸张肢体动作、不要慢动作 |
| 运镜 | 不要大幅运镜、不要夸张镜头旋转、不要持续抖动、不要频繁切镜 |
| 空间 | 不要空间混乱、不要车辆穿模、不要轴线错乱 |
| 一致性 | 不要人物位置变化、不要服装变化、不要缩放漂移 |
这些是实拍验证出来、官方文档没写的：
| 坑 | 怎么避 |
|---|---|
| 字数写太长 | 2300–2700 字最佳。超 3500 必须砍 —— 砍字数不等于砍信息，砍的是啰嗦的叠加描述，保留的是分镜结构、物理反馈、负向清单。 |
| 提示词和参考图打架 | 服装、发型这类细节照参考图写，不要照旧的设定文档写。冲突时模型会摇摆。 |
| 写了英文术语 | 必须中文化，见下表。 |
| 特效用了一堆 | 30 秒里塞 8 段特效，最大问题是串味（前后段混成一锅）。每段只留一个核心视觉符号，相邻两段形状/材质明显不同。 |
| 相邻段分不清 | 用三段锚点写法，见下。 |
| 参考图是多格版式图 | 带分格线、带文字栏的图会把线和字画进画面。喂之前裁成单幅画面。 |
| 九宫格当成了素材 | 用分镜图必须在开头声明：使用故事板作为分镜指导，禁止将故事板作为单张图像生成视频。不写这句，模型会把整张九宫格当一张图去画。 |
| 写了高频动作 | 「一秒摇头 3 次」这类模型控不住，别写。 |
| 时间格式混用 | 三种格式选一种，整篇统一，不要前半用括号后半用方括号。 |
| 忘了写「无台词」 | 纯画面镜头不写这句，就会莫名冒出人声。 |
| 服装在两版设定间漂移 | 同一个角色全片只能用一套参考图，不要中途换版本。 |
| 英文 | 中文怎么写 |
|---|---|
| Time Ramp | 变速：正常→加快→几乎静止→再爆发 |
| FPV | 极速俯冲贴地追逐 |
| Whip Pan | 沿镜头轴线猛甩一下 |
| Orbit | 环绕运镜 |
| Rack Focus | 焦点从近处拉到远处 |
段首—— 告诉它上一段已经结束了
硬切转场，[上一段的符号]已经消失。段中—— 强调这一段只有一个视觉主角
这是全段唯一的视觉效果——[符号]，不要[相邻段的东西]。段尾—— 明确收势
X 秒到此结束，她[收势动作]，画面恢复干净。打戏另加两条：
把九宫格 / 火柴人分镜图当剧情梗概上传，提示词按宫格顺序补齐画面、动作、音效、情绪。
四条硬规则：
使用故事板作为分镜指导，禁止将故事板作为单张图像生成视频上传纯白 clay render 白模视频作为唯一蓝本，只替换材质颜色，其余逐帧不动。
锁定声明（反复强调）：
除材质与颜色外一律不改。
镜头轨迹、剪辑点、物体位置、角色动作 = 绝对保持不变。
不许新增、不许删减、不许移动。一帧不增删、一秒不错位。用光学细节拉真实感：玻璃真实折射 / 树皮透光叶脉 / 皮肤次表面散射 / 瓦面缺角积灰 / 木纹漆面磨损 / 金属红褐锈层 / 湿痕返碱 / 草叶枯黄尖端
保持参考图1（首帧）与图2（尾帧）的构图、视角、镜头高度和地形范围一致参考图1、图2的人物角色，仅参考视频1的视频动作，生成 14s 的打斗视频。
人物长相、发型、体型、服装参考图片，全程保持一致。
人物复刻参考视频中的全部动作、姿态、节奏和停顿，动作顺序、幅度、速度和发生时机保持一致。
参考视频只用于动作控制，不继承其人物外观。上传 docx / pptx / xlsx / pdf，或粘贴网页链接。注意：网页必须公网可访问，需要登录的、内网的都读不了。
知道边界，就不会白花次数：
| ✅ 能做到 | ❌ 做不到 / 很弱 |
|---|---|
| 时间轴精准（写 30 秒出 30.02 秒） | 非主手的换手动作 |
| 水墨 / 烟 / 雾 / 水 / 光等材质型特效 | 30 秒里 8 个技能边界完全独立 |
| 大范围环境变化（山水铺地） | 精确数量（如「正好钉三根钉子」） |
| 人物形象锁定（单幅参考图） | 服装在两版设定之间不漂移 |