从一句话公式到30秒长片，直接抄，字节发布了官方提示词指南

字节跳动给发布刚两天的 Seedance 2.5 出了一份官方提示词指南：从一句话生成，到 50 份参考素材怎么调度、30 秒长片怎么分段、改片子怎么只动一处，每类任务都配了能直接抄用的模板。对用即梦或 API 做视频的人，这是第一份成体系的官方写法手册，此前这些新能力只能靠社区帖子摸索。

用 AI 生成视频，最怕提示词写「飘」了

主体不清、动作重复、画面乱切——Seedance 2.5 官方这份指南把写法拆成了可套的公式

01

PART

万能公式：六要素怎么排

THE FORMULA

Seedance 2.5 支持纯文本生成，也能同时参考图片、视频、音频来创作，还能编辑已有视频。写提示词的核心就一句话：先说清楚想生成什么，再按需补上参考素材、过程、画面和声音。

官方给了一个可以灵活拼装的公式：++主体 + 动作或事件 + 场景与环境（可选）+ 视觉风格（可选）+ 运镜或切镜（可选）+ 声音（可选）++。后面四项不强制，但每一项都能让成片更可控。

SKILL 1

主体 + 动作或事件

说明「谁或什么」正在「做什么」，这是视频的地基。动作优先概括主要过程，只为关键动作写具体细节，避免把同一个动作翻来覆去描述。

SKILL 2

场景与环境

地点、时间、天气、空间关系、背景状态——把「发生在哪儿」讲明白，模型才不会随便给你一个背景。

SKILL 3

视觉风格 / 运镜 / 声音

光线、色彩、材质、画面质感讲视觉风格；景别、机位、镜头运动、对焦对象讲运镜；对白、音色、环境声、音效、音乐讲声音。这三项是「加分项」，按需要加。

02

PART

套进模板：一个完整例子

TEMPLATE IN ACTION

把公式落进一个四行模板，写起来就有章法了。不需要的段落直接删掉，生成参数（分辨率、帧率之类）不用写进提示词，交给生成页面的设置项去调。

...text

<主体>在<场景与环境>中<主要动作或事件>。

画面呈现<视觉风格>。

镜头采用<景别、机位、运镜或切镜>。

声音包括<对白、环境声、音效或音乐>。

套一个具体例子就长这样——注意它把「主体动作、环境光、镜头运动、声音」四块都交代了，又没啰嗦：

...text

一名陶艺师在清晨的工作室里完成一只浅蓝色陶杯，将它从转盘上取下并放到木架中央。

窗外柔和晨光照入室内，湿润陶土呈现细腻光泽，工作台保持整洁。

镜头先以中景记录拉坯动作，再缓慢推近陶杯表面的纹理，最后切到木架正面。

保留转盘低沉转动声、陶土摩擦声和轻微室内环境声。

03

PART

丢参考素材时：先分工再下指令

REFERENCE MATERIALS

Seedance 2.5 最多能组合 50 份参考素材，但不同类型有输入上限，推荐范围是为了更稳定，不代表能力天花板：

图片

最多 30 张

单张 ≤4K · 主体 1–8

视频

最多 10 段

总时长 ≤30s

音频

最多 10 段

总时长 ≤30s

视频编辑

视频+参考图

原片 ≤20s

上传素材后，最关键的一步是逐份说明每份素材负责什么。人物、背景、构图很容易被误带进成片，所以还要写明「不采用什么」。映射关系一定要写进提示词，别只靠图片里的文字标注，也别让模型自己猜多份素材分别对应谁。

...text

@图片1用于<主体>的<外貌、服装、结构或材质>。

@视频1用于<动作、运镜或节奏>。

@音频1用于<角色或声音类型>的<音色、台词、环境声或音乐>。

<主体>在<场景>中完成<主要动作或事件>。

画面呈现<视觉风格>，镜头采用<镜头表达>。

同一个陶艺师例子，加上素材分工后长这样——把「用图片的哪部分、不用图片的哪部分」讲得明明白白：

...text

@图片1用于<陶艺师>的五官、发型和深绿色围裙，不采用图片背景。

@图片2用于<陶艺工作室>的木质工作台、窗户位置和晨间光线，不采用图中人物。

@视频1用于双手拉坯、托起陶杯和放置陶杯的动作节奏，不采用视频中的人物身份、服装和场景。

<陶艺师>在清晨的<陶艺工作室>完成一只浅蓝色陶杯，将它从转盘上取下并放到木架中央。

镜头先以中景记录拉坯动作，再缓慢推近陶杯表面的纹理；保留转盘转动声、陶土摩擦声和室内环境声。

两个容易忽略的坑：① 主体图超过 5 个且需要多视角时，把不同视角拆成多张图，多张独立视角图比把多个视角拼在一张里更稳定；② 素材越多稳定性越容易下降，超过推荐范围（图片 9–12、音视频 6–10、编辑图 6–8）仍能试，但别指望每次都稳。

04

PART

几个容易踩的坑

PITFALLS

把前面几点反过来，就是新手最常翻车的地方，列成清单方便对照：

SKILL 1

别把生成参数写进提示词

分辨率、帧率、运动强度这些可调参数由生成页面或接口设置，写进提示词既没用还会干扰模型对内容的判断。

SKILL 2

不需要的段落直接省

公式里场景、视觉、运镜、声音都是可选的。一个干净的特写镜头，可能只要「主体+动作」两句话就够了，写太长反而发散。

SKILL 3

同一个动作别重复描述

「拉坯、再拉坯、继续拉坯」这类重复，会让模型在节奏上反复横跳。概括主要过程，只为关键动作留细节。

SKILL 4

多份素材一定要写明映射

多图多视频时，@图片1/@视频1 各自负责什么一定要写清楚，否则模型可能把 A 图的背景误当成主体，或把 B 视频里的人物塞进成片。

///

LAST

写在最后

MY TAKE

我看了这份指南最大的感触是：AI 视频的门槛早就不在「能不能生成」，而在「能不能说得清」。Seedance 2.5 这套公式和素材分工法，本质上是把模糊的「好看一点」翻译成模型听得懂的结构——先定主体动作，再补环境、风格、运镜、声音，有素材就先分工。把它当成语法记住，比收藏一百个咒语式提示词都管用。

提示词指南：https://bytedance.larkoffice.com/docx/OsiUdR1OxoDqvnxsK8LczYx7nPd