Seedance 2.0提示词工程实战：从时序解析到API批量生成

简介：Seedance 2.0提示词指南可运行源码包，面向短视频创作者、AI视频爱好者及希望系统掌握即梦平台提示词工程的中高阶用户。内容涵盖从新手到AI导演的完整进阶路径，以五要素导演法为核心，分别从主体/角色、动作/剧情、镜头/运镜、场景/氛围/光影、风格/特效/音频五个维度拆解提示词组织逻辑，同时给出稳公式模板与@参考标签的实战用法。资源内含80余个可直接复制的提示词模板，覆盖基础参数设置、高阶玩法与负面提示关键项，并附避坑心法与精准控场技巧，帮助用户快速摆脱废片、稳定产出高质量视频。压缩包为zip格式，共3个文件、仅14KB，以可运行index.html为主体，配合.inscode与.gitignore文件便于直接在在线环境中启动与版本管理，轻量却高度浓缩，适合需要快速查阅和照抄调用提示词模板的创作者。目前已有971人学习下载，是上手Seedance 2.0提示词体系的实用速查手册。

1. Seedance 2.0提示词指南：先弄懂它"怎么看文字"

很多人拿到 Seedance 2.0 第一件事就是拿写 Midjourney 的那套短词去试试，结果发现出片质量完全是抽卡——同一个场景描述，换个措辞出来的画面能差一个量级。这其实不怪模型，而是大多数人还没意识到 Seedance 2.0 对文字的解析方式是「时序结构化」的：它不像文生图模型那样把提示词当静态标签集合，而是把整段文字当作一条带时间轴的分镜脚本去执行。也就是说，提示词里描述的顺序、动作的起始状态、镜头运动的方位词，都会被映射到视频帧序列上，哪个词先出现、哪个动作先发生，直接影响生成结果。

这份指南要解决的就是三件事：Seedance 2.0 到底偏好什么结构的提示词、怎么写才能稳定复现同一个画面风格、以及怎么用一套可运行的脚本把「写提示词→调接口→出视频」整条链路跑通。内容适合两类人：一类是短视频创作者，想用文本生成替代实拍分镜；另一类是产品 / 独立开发者，准备把视频生成能力接进自己的工具链。前者关注提示词怎么写，后者关注参数怎么调、批量怎么跑。下文所有写法都是可以直接抄作业的，包括最后踩坑部分，那些都是真金白银换来的教训。

2. Seedance 2.0 的提示词解析机制：为什么长文本反而更稳

2.1 时序优先：提示词顺序就是视频的时间轴

Seedance 2.0 的训练目标决定了它必须从一段连续文本中推断出「先发生什么、后发生什么」。这带来一个直接结论：提示词的书写顺序不能乱。常见做法是「场景打底 → 主体出现及属性 → 主体动作 → 镜头运动 → 光影与氛围 → 收尾约束」，这个顺序模仿的是分镜脚本的写作逻辑。如果你把镜头运动写在主体动作之前，模型偶尔会先执行镜头运动再生成主体动作，出来的画面就是运镜已经推近但人物还没入画，非常诡异。

另一个关键点是动作的时序描写要完整。「一个人从椅子上站起来走向窗边」比「起立，走到窗边」稳定得多，因为后者缺少了起始状态描述。Seedance 对「已完成的动作」和「正在进行的动作」区分得很清楚，建议所有动词都使用进行时，比如 walking、turning、picking，而不是 walked、turned。这是模型中英文训练语料里最常见的视频标注格式，顺着它写等于在降低解析成本。

2.2 属性密度：主体信息要一次性给全

Seedance 2.0 对主体属性的处理方式和多数视频生成模型类似：它倾向于在主体第一次出现的上下文窗口里提取属性。如果你在第 8 个词的位置写了一个穿红裙子的女孩，又隔了很多词补了一句红裙子是丝绸材质，模型大概率只记住「红色」而丢掉「丝绸」，因为此时注意力已经分散到后续动作上了。这是注意力机制的固有限制，不是玄学。

所以写主体的正确姿势是压缩信息密度：把服装、发型、年龄感、姿态、与周围环境的关系，全部揉进第一句。比如「一个二十多岁的亚洲女性，黑色短发，穿着深蓝色牛仔工装外套和白色运动鞋，站在旧书店门口翻书」——这句里包含七个属性，全部集中在一个主语之下。后续整个视频中模型都会围绕这个主体描述来维持一致性，后面不再追加新的属性词。

2.3 负面描述不如正面约束

视频生成模型的负向提示词机制普遍比图像生成模型弱，Seedance 2.0 也差不多。实测「不要出现模糊人影」的效果远不如「背景中空无一人」或「画面中只有这一个角色」。原因是负向指令需要模型在推理时额外构建一个「排斥目标」，这比直接给出「取而代之的画面内容」要难得多。推荐的写法是把所有不想要的东西反向写成想要的场景元素，塞进提示词末段作为约束句。

2.4 一个可以直接套用的提示词结构模板

综合上面的机制，我平时用的 Seedance 2.0 提示词结构是下面这套五段式，可以直接复制改造：

[场景与画幅]：傍晚时分的江南小镇街道，雨后积水反光，画面为 16:9 横构图 [主体与属性]：一位三十岁左右的男性，穿着米色风衣，戴黑框眼镜，手里拿着一把黑色长柄伞 [动作时序]：他正在沿着石板路缓步向前走，左顾右盼，似乎在找门牌号 [镜头语言]：镜头从背后中景跟拍，随后缓慢向前推进，同时轻微上摇，带出街道尽头的拱桥 [氛围与约束]：整体色调偏冷暖交融，路灯刚亮，水面倒影清晰，画面中不得出现其他行人，不得出现现代交通工具

这个模板的逻辑是：场景决定生成背景，主体决定一致性核心，动作时序决定视频节奏，镜头语言决定调度方式，氛围与约束决定画风收尾。每次写提示词就按这五段往里填内容，顺序不要换。后期你会发现大多数翻车都可以归因到偷懒没写满五段，尤其是最后一段约束句被省略的时候。

3. 从口语脚本到 Seedance 分镜：一段提示词的逐句改造实录

3.1 先写口语脚本，再逐句翻译成镜头语言

拿到一个创作需求时我一般不会直接写提示词，而是先写一段口语化的分镜脚本，说明白画面里有什么、发生了什么。这个过程是给 Seedance 2.0 写提示词最容易忽略的前置步骤——没有脚本直接写出来的提示词往往前后信息互相干扰。比如口语脚本写着「女孩在小巷里跑，镜头跟着她」，翻译成 Seedance 提示词至少要拆成四件事：巷子是什么样、女孩长什么样、她为什么跑、镜头用什么方式跟。口语脚本是压缩过的想法，AI 需要的是展开后的描述。

下面是同一段内容的口语脚本和改造后的 Seedance 提示词对比：

口语脚本（原始）： 雨夜，一个女孩在小巷里奔跑，镜头在后面追着她。她的头发湿了。巷子很窄。她想找一个亮灯的地方。 改造后的提示词： 雨夜的城市后巷，巷宽约两米，两侧是老旧居民楼外墙，墙上有空调外机和杂乱电线，地面湿漉漉反射霓虹灯光。 一个二十岁出头的亚洲女孩，齐肩黑发湿透贴着脸颊，穿着红色连帽运动外套和黑色短裤，白色运动鞋踩过水坑。 她正在小巷中向前快速奔跑，不时回头看向身后，神情紧张，呼吸急促，明显在逃离什么。 镜头从女孩背后 45 度角低机位跟拍，保持约两米距离，小幅上下颠簸模拟跑步视角，同时缓慢拉远，露出巷口外的街道灯光。 氛围紧张而压抑，色调以冷蓝为主，只有远处路灯和霓虹灯提供暖色光源，画面中不得出现其他人物，不得出现雨滴入镜遮挡镜头的效果。

3.2 分镜编号：长视频必须拆段写

Seedance 2.0 单次生成有时长上限，这个上限内画面内容越多，每个元素的还原度越差。我习惯把超过 8 秒的脚本拆成多个分镜独立生成，每个分镜一条提示词，分镜之间用固定角色参考图或首帧画面衔接。每个分镜提示词仍然走五段式结构，但需要额外在开头加上「上一分镜的延续」描述，比如「场景延续上一段，同一女子在小巷出口停下，动作衔接为」——这种写法能显著提高多段生成之间的连续感。

分镜拆分的粒度参考：单个分镜控制在 4 秒左右、描述 2 到 3 个连续动作，超过这个负载就建议再拆。我踩过最深的坑是幻想一个 10 秒提示词能一次生成完整叙事，结果模型在前 3 秒就消耗完了全部细节，后半段画面基本是自由发挥。

3.3 中英文混写：Seedance 特有的优势

Seedance 2.0 对中文的语义理解明显好于多数同类模型，直接写中文提示词不会出现严重的语义丢失。但对运镜描述和风格词，我仍然建议保留英文原词，原因很朴素：训练数据的视频标注大多来自英文语料，push in（推进）、crane up（升降）、low angle tracking（低角度跟拍）这些词是模型见过的原始标签，解析最准。而场景、道具、人物状态这些语义性内容用中文写反而细节更丰富。最终提示词形态是中英混排，中文为主体叙述、英文做镜头调度关键词，各取所长。

3.4 不同提示词写法的效果对照

为了让你直观看到差距，我整理了一份对比表。同一个画面内容，分别用三种典型写法投给 Seedance 2.0，生成结果的稳定度差异非常明显：

这个表不是空谈——同样内容的提示词，第三种写法在运镜指令上的还原率比第二种高出一大截。原因就是第二段的「镜头在后面追她」是语义描述，模型要自己翻译成运镜指令；第三段直接给了 low angle tracking，模型不需要二次翻译。能直接给模型认识的关键词，就别让它做阅读理解，这是 Seedance 提示词的第一原则。

4. 可运行源码：搭建本地调用 Seedance 2.0 的最小工程

4.1 准备工作与请求链路

Seedance 2.0 的视频生成能力通过模型服务商的平台 API 开放，链路是：拿到 API Key → 提交生成任务 → 轮询任务状态 → 拿到视频地址下载。这套链路的典型特征是生成任务耗时较长，所以代码核心必须包含任务轮询逻辑。下面给出的是可以直接运行的最小工程，包含提示词构造、任务提交、状态轮询、结果下载四个环节。运行环境需要 Python 3.9+ 和 requests 库。

4.2 完整调用脚本：提示词模板 + 异步任务轮询

import requests import time import json import os # 配置区：从模型服务商控制台获取 API Key 与接入点地址 API_KEY = "your_api_key_here" BASE_URL = "https://your-service-endpoint.example.com/v1" HEADERS = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } def build_prompt(scene, subject, action, camera, mood): """ 五段式提示词模板：按 scene -> subject -> action -> camera -> mood 拼接 顺序不可调换，调换会导致镜头指令被提前解析 """ return f"""{scene} {subject} {action} {camera} {mood}""" def create_generation(prompt, duration=5, fps=24, seed=None, size="1920x1080"): """ 提交视频生成任务，返回任务ID - duration: 视频时长秒数，可选 5 或 10 - fps: 输出帧率，一般取 24 - seed: 固定随机种子，用于复现同一画面的生成结果 """ payload = { "model": "seedance-2.0", "prompt": prompt, "duration": duration, "fps": fps, "size": size, "watermark": False, "seed": seed } # 过滤掉值为 None 的参数，避免服务端报错 payload = {k: v for k, v in payload.items() if v is not None} resp = requests.post(f"{BASE_URL}/generations", json=payload, headers=HEADERS) resp.raise_for_status() return resp.json()["task_id"] def poll_generation(task_id, timeout=600, interval=10): """ 轮询生成任务状态 - timeout: 最长等待秒数，10秒视频生成可能超过5分钟 - interval: 轮询间隔，太短会触发接口限流，建议不少于5秒 """ start = time.time() while time.time() - start < timeout: resp = requests.get(f"{BASE_URL}/generations/{task_id}", headers=HEADERS) resp.raise_for_status() data = resp.json() status = data.get("status") if status == "succeeded": return data["video_url"] elif status == "failed": raise RuntimeError(f"生成失败: {data.get('error', '未知原因')}") time.sleep(interval) raise TimeoutError(f"任务 {task_id} 在 {timeout} 秒内未完成") def download_video(url, save_path): """ 下载生成的视频到本地 """ resp = requests.get(url, stream=True) resp.raise_for_status() with open(save_path, "wb") as f: for chunk in resp.iter_content(chunk_size=8192): f.write(chunk) print(f"视频已保存到: {save_path}") if __name__ == "__main__": # 示例：直接用五段式结构生成一段雨天小巷视频 prompt = build_prompt( scene="傍晚时分的江南小镇街道，雨后积水反光，16:9 横构图", subject="一位三十岁左右的男性，穿着米色风衣，戴黑框眼镜，手里拿着一把黑色长柄伞", action="他正在沿着石板路缓步向前走，左顾右盼，似乎在找门牌号", camera="镜头从背后中景跟拍，随后缓慢向前推进，同时轻微上摇，带出街道尽头的拱桥", mood="整体色调偏冷暖交融，路灯刚亮，水面倒影清晰，画面中不得出现其他行人" ) task_id = create_generation(prompt, duration=5, fps=24, seed=20240511) print(f"任务已提交: {task_id}") video_url = poll_generation(task_id) download_video(video_url, "./output_seedance_2.mp4")

4.3 参数怎么调：五个关键配置项

模型参数这里单独拎出来说，因为它的调整逻辑和提示词同等重要。duration参数决定单次生成的视频长度，Seedance 2.0 一般提供 5 秒和 10 秒两档，建议新手从 5 秒起步。原因很实际：时长越长，模型对每个细节的还原度指数级下降；同一个提示词，5 秒版本能保证主体精确，10 秒版本画面信息密度会明显稀释。我的习惯是先跑 5 秒确认画面和运镜风格符合预期，再拆分成多段 5 秒分镜拼接。

seed参数是复现的后悔药。固定 seed 后，同样提示词每次生成的关键帧画面基本一致，只有微小的随机扰动。利用这个特性可以做「先低成本试菜再加大投入」：用 5 秒短时长 + 固定 seed 快速验证提示词效果，确认后再去跑 10 秒版本。没有固定 seed 的情况下，同样的提示词每次生成都是完全不同的画面，没法做 A/B 对比。

size和fps一般是预设枚举值。建议默认 1920x1080 与 24fps，社交媒体竖屏场景可以换 720x1280，但注意竖屏尺寸下主体占画面比例会变大，对提示词里场景描述的还原空间会被挤压。watermark建议关闭，一个是水印会影响后续剪辑，另一个是开启后部分画面上会有一层轻微模糊叠加，对画面的锐度有肉眼可见的影响。

4.4 批量生成：先跑队列再 人工筛选

单个提示词调通之后，批量生成是投入生产的必经之路。常见做法是维护一个提示词 JSON 文件，每条包含五段式元素、时长、seed，脚本批量提交后统一轮询。这里给一个批量核心思路：用 seed 递增（从 10001 开始每次加 1）的方式给同一条提示词生成 4 到 6 个候选，筛选出运镜最准、主体最稳的那一条用于交付。这个过程没有捷径，Seedance 2.0 的生成自带随机性，批量候选 + 人工挑选是保证出片下限最可靠的方式。

import json # 批量任务配置示例：每组提示词跑3个seed，各生成5秒短视频 tasks = [] for i, prompt_config in enumerate(json.load(open("./prompts.json", "r", encoding="utf-8"))): for j in range(3): tasks.append({ "task_id": create_generation( prompt=prompt_config["prompt"], duration=5, fps=24, seed=10001 + i * 10 + j ), "prompt_name": prompt_config["name"], "seed": 10001 + i * 10 + j })

这段代码里 JSON 中每条记录包含 name 和 prompt 字段，name 用于结果文件名标识，prompt 是已经按五段式拼接好的完整提示词。跑完后写个简单脚本把成功任务返回的视频 URL 下载到以 seed 命名的目录里，人工过一遍。固定 seed 的好处在这里体现得最充分——看中了某一个候选，你随时可以用同 seed 重新生成更高参数版本，不用赌运气。

5. 避坑：Seedance 2.0 提示词最容易翻车的 5 个地方

5.1 动作状态词用了过去时，画面静态得像照片

现象：提示词写的是 "walked into the room"，生成结果里人物是从房间里凭空出现的，或者干脆是定格画面。原因：Seedance 2.0 的训练数据把过去时动词关联到静态帧标注，模型倾向于在视频首帧就把动作当作已完成状态输出。解决：所有主体动作一律用现在进行时，walking、turning、picking up，动词后面补上动作承接对象。同时注意整段提示词只使用一种时态，时态混用在长提示词里会引发中段动作突变。

5.2 主体属性分散描述，生成到一半变脸

现象：提示词开头写了「穿红色连衣裙的女孩」，中间又补了一句「她戴着一顶草帽」，结果视频 2 秒后女孩的服装发生了微变，帽子出现但连衣裙的颜色开始漂移。原因：属性词被分散在多个句子中，模型在跨帧生成时对后出现的属性注意力不足。解决：所有属于主体本身的属性，压缩进同一句话里，宁可句子冗长也不要拆开。补充规则是「主体属性只写一次」，后续提到主体一律用主述（她/他）引导动作，不再追加任何外观词。

5.3 运镜词和主体动作词互相抢解析

现象：提示词里同时写了 push in（推进）和人物 running（奔跑），最终画面人物往左跑、镜头却从上方俯拍推进，运镜和动作完全脱节。原因：运镜词和动作词在解析时注意力竞争，模型没有能力同时严格执行两套指令，总有一个被弱化。解决：运镜优先原则——如果你想保留镜头的精确性，把动作描述的幅度降低，比如把「快速奔跑」改为「缓步前行」；反过来，想让动作表现优先时，运镜就写保守的 fixed shot 或 subtle handheld。两者都想要强烈的动态感，是提示词最容易翻车的组合。

5.4 提示词末尾的约束句子被直接忽略

现象：提示词里写「画面中不得出现任何文字」，但生成结果里墙上依然出现了招牌字。原因：Seedance 2.0 对否定前缀（不得、不能、禁止）的解析稳定性远低于对正面描述的解析。解决：把否定句改成正面指定句。「画面中不得出现任何文字」改成「所有墙面均为素面砖墙，无任何招牌或涂鸦字样」；「不要出现人物」改成「画面为空旷街道，一个人也没有」。改完之后你会发现约束执行力提升非常明显——模型天生就不理解「不」字，但它很擅长理解「是一个什么样子的画面」。

5.5 过度指定光线导致主体被淹没

现象：提示词对复杂夜景灯光进行了大篇幅描述（霓虹灯五颜六色 + 路灯 + 车灯），结果主体人物面部细节完全丢失，黑成一团。原因：视频生成模型对画面亮度和对比度的调配容易走极端——当场景光源描述密度过高时，它会优先保证光源的丰富度，牺牲主体的受光表现。解决：光源控制在两条以内，并且明确写出主体受光方向。比如「主体面部被左侧路灯照亮，右侧霓虹灯提供蓝色环境光」。让光线为主体服务，而不是让主体成为光线的陪衬。

6. 进阶技巧：用首帧参考图 + 关键词微调把出片上限再抬一截

纯文本提示词能做到的上限大约在 6 分左右，再往上就需要引入参考图了。Seedance 2.0 支持图生视频模式，也就是给一张首帧图 + 提示词，模型在此基础上延续运动。这个模式的提示词写法和文生视频完全不同——首帧里已经包含的主体外观信息，提示词里不要重复描述。重复描述会形成「文本属性 vs 图像属性」的冲突，模型会试图融合两者，结果两头不讨好。

图生视频模式的提示词重点放在三个维度：运动方向、镜头调度、环境变化。首帧是人物站在街道中央，提示词只需要写「人物向前走出画面，镜头从正面保持距离缓慢后退，街道两旁的灯光逐渐亮起」，人物的服装表情一个字都不要提。环境变化词则负责让画面动起来而不只是镜头在动，树叶摇动、水面涟漪、光线渐变这些细节词比主体动作词更能提升动态真实感。

最后一个建议：养一套自己的提示词模板库。我平时按场景类型维护了五六个模板——城市夜景、户外自然、室内人物、产品展示、国风古装，每个模板就是五段式结构的变体，写死了场景常驻词和约束句。接到新需求先想匹配哪个模板，然后只替换主体和动作部分，出片效率比每次都从头写提示词翻一倍以上。这套模板库配合固定 seed 验证流程，基本上能做到「存下来的提示词随时能复现」——这比任何一次偶发的惊艳出片都值钱。希望这次梳理的写法能帮到你，篇幅有限，剩下的好效果都是调出来的。

本文还有配套的精品资源，点击获取