Seedance画面总崩？是你没搞懂prompt逻辑

最近和做短剧的朋友聊天，他说Seedance跑出来的画面角色一致性崩得很厉害——同一个角色换了五版prompt，脸长得完全不一样。第一版像二十出头的大学生，第二版变成三十多的中年大叔，第三版瞳孔颜色直接偏绿了。

那会儿项目deadline只剩三天，三条短剧等着交。他说心态整个炸了。

后来聊下来发现，根因不是模型不行，而是提示词的写法有问题。很多人习惯用写Stable Diffusion和Midjourney的思维去写视频prompt——这两个东西的解析逻辑根本不一样。

下面是把踩坑经验整理出来的干货，直接拆Seedance 2.0的prompt到底应该怎么写。

一、Seedance怎么理解你的文字

先说一个反直觉的结论：Seedance对prompt的解析不是线性读取的。

你写了一段100字的描述，它不是从左到右全部吃掉，而是先做一轮语义切分。做个小测试就能验证——同一段话只调换三个关键词的先后顺序，出来的画面差异巨大。

具体来说，Seedance的prompt解析分三层：

第一层：动作提取。 模型优先抓动词和运动轨迹。“走”“跑”“转头”“推门”"站起来"这类动态词汇权重最高，直接影响生成画面的运动模式。

第二层：场景锚点。 次优先级是空间关系和物体。“办公室里”“窗边”“桌上有杯咖啡”——这些决定了构图框架。

第三层：风格修饰。 最后才是光影、色调、画质这类修饰词。“电影感”“暖色调”“4K”——这些在最外层，影响画面质感但不影响核心内容。

这个分层意味着什么？如果你把风格词写在最前面、动作词放在最后面，模型在分配注意力的时候可能已经"吃饱了"修饰信息，核心动作的权重就被稀释了。

反面案例：

“电影级画质，暖色柔光，4K分辨率，一个女生在咖啡馆里慢慢站起来，眼神哀伤地看着窗外。”

出来的效果：光影确实漂亮，但角色几乎没有"站起来"的动态，更像静态摆拍。动作词"站起来"被四个修饰词挤到了注意力末尾。

改一版：

“一个女生从椅子上站起来，眼神哀伤地望向窗外。咖啡馆室内，下午光线。”

动作前置、场景次之、修饰精简。出来的动态自然很多。

二、动作 vs 场景 vs 风格词的权重分布实测

为了搞清楚这三种信息的真实权重，做了个对照实验。

统一用Seedance 2.0生成同一个场景（室内单人对话），分别改变动作描述、场景描述、风格词三个变量的详细程度，每组跑10次取观察结果。

有意思的发现：风格词写太细反而干扰场景还原度。 猜测是Seedance处理风格描述时调用了一个独立的后处理层，色彩和纹理调整可能覆盖了原始场景描述中的某些细节。

对照实验的数据是通过 器灵模型广场 的聚合接口统一跑的，不用为每个模型配独立endpoint，改个model参数就能切，省了不少环境搭建时间。

三、Negative Prompt的坑

最开始写negative prompt，做法是列一长串——

“no blur, no distortion, no extra limbs, no ugly face, no dark lighting, no static camera, no watermark, no text, no low quality”

跑了几十次后发现：负面词越多，画面越"干净"，但也越"塑料感"。角色微表情没了，自然纹理被抹平了，整个画面像加了一层过度降噪滤镜。

后来改成只保留三个核心负面词：

“blurry face, deformed eyes, oversaturated colors”

效果逆直觉地变好了。原因大概是：负面词列表太长时，模型的安全过滤机制过度激活，会选最保守、最没辨识度的生成路径来避免触发任何负面条件。

当时正好通过器灵的API做短剧批量生成，流程里加了一个"负面词收敛"逻辑——不是删掉负面词，而是每次只针对当前镜头类型选2-3个关键负面词，不套通用模板。近景特写只关 blurry face 和 deformed eyes，全景镜头只关 broken composition 和 stretching distortion。

这样比无脑贴一长串负面词，画面质感提升肉眼可见。

四、多镜头一致性：prompt链设计

AI短剧最致命的bug不是某一帧画质差，而是同一个角色在两段相邻镜头里像换了个人。

这就是多镜头一致性问题。Seedance没有"记忆"——每次生成都是独立的，它不知道上一个镜头里这个角色长什么样。解法是在prompt里携带角色锚点信息。

做法是给每个角色建一个锚点字段：

主角A锚点：亚洲女性，28岁，黑色中长发及肩，左眉尾小痣，深蓝色西装外套，约165cm

每个镜头的prompt开头都前置这段锚点，再写本镜头的动作和场景。听起来笨，但有效。

一个实际例子：

镜头1中景：[主角A锚点] 站在办公室窗前往外看，右手拿手机贴耳边，表情从平静转为震惊

镜头2特写：[主角A锚点] 面部特写——嘴唇微微颤抖，眼眶泛红，左眉尾的小痣在暖光下清晰可见

这样写，两个镜头的角色一致性比不写锚点提升了大约70%。代价是每个prompt长20个词，但相比反复翻车的Token浪费，这个"冗余"绝对值得。

五、5种让你白跑几百Token的翻车写法

1. 把TTS文案当prompt用

直接写角色对话：“你为什么要这样对我？我以为我们之间不一样。”——Seedance不读台词，只读画面描述。做法是角色面无表情站着，因为prompt里没有任何动作和情绪指令。

2. 用比喻代替具体描述

“她的眼神像秋天的湖水一样深邃”——模型不知道"秋天的湖水"长什么样，需要的是"瞳孔轻微放大，上眼睑下垂，视线聚焦于画面外左下方约1米处"。

3. 一个prompt塞三个以上动作

“她站起来，走到窗前，打开窗户，然后转身说话”——Seedance视频长度2-5秒，根本塞不下四个动作。正确做法：一个prompt只含一个核心动作加一个微动作。

4. 忽略镜头规格

不写分辨率、不写帧率、不写宽高比。Seedance默认输出不一定是9:16竖屏，短剧不指定比例出来的就是横屏，裁剪后构图全废。

5. 盲目复用上一段的成功prompt

不同镜头的景别、光线、节奏都不一样，拿特写镜头的prompt模板直接套大全景，出来的效果大概率翻车。

六、一段短剧项目的prompt优化复盘

说回开头那个问题——同一角色不同镜头脸不一样。

那是一条3分钟的都市情感短剧，全片50个镜头，主角同一女性角色。前20个镜头还算正常，第21个开始面部特征漂移——发色从黑变深棕，脸型从鹅蛋偏瓜子，瞳色有的镜头直接偏绿了。

排查后发现问题叠加了：

1. 每个镜头手动写prompt，没有统一角色锚点模板
2. 场景变化（室内转室外）时无意中加了新修饰词，覆盖了角色描述
3. Seedance对不同景别（特写/中景/远景）策略有差异，同一锚点在远景里被严重压缩

我用多模型对比测试：同一prompt分别跑Seedance、万相、HappyHorse，对比哪个模型对这个角色的面部保持最好。结果：Seedance在中近景面部保持最好，万相在全景场景还原度更高，HappyHorse的运动镜头流畅度最自然。

最后搞了一个分镜策略：中近景全用Seedance保证角色不出戏，全景用万相保证场景氛围，HappyHorse负责运动镜头过渡。

七、批量调用的Python脚本

下面是批量生成prompt并调用Seedance的极简脚本。核心逻辑：角色锚点模板化，拼接每个镜头的动态描述。

import requests
import time

API_BASE = "https://api.extratoken.cn/v1"
API_KEY = "your-api-key"

CHARACTER_ANCHOR = {
    "主角A": "亚洲女性，28岁，黑色中长发及肩，左眉尾小痣，深蓝西装，165cm",
    "主角B": "亚洲男性，32岁，短发，戴黑框眼镜，灰色衬衫",
}

shots = [
    {"id": "01", "char": "主角A", "action": "站在窗前往外看，右手拿手机贴耳边", "dur": 3},
    {"id": "02", "char": "主角A", "action": "面部特写——嘴唇微颤，眼眶泛红", "dur": 2},
    {"id": "03", "char": "主角B", "action": "从走廊尽头快步走来，表情焦急", "dur": 3},
]

headers = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

for s in shots:
    prompt = f"{CHARACTER_ANCHOR[s['char']]}。{s['action']}。"
    payload = {
        "model": "seedance-2.0", "prompt": prompt,
        "negative_prompt": "blurry face, deformed eyes, oversaturated",
        "duration": s["dur"], "size": "1920x1080",
    }
    r = requests.post(f"{API_BASE}/videos/generations", json=payload, headers=headers, timeout=120)
    print(f"Shot {s['id']}: {r.json().get('id')}")
    time.sleep(0.5)

核心在于 CHARACTER_ANCHOR 字典——每个角色定义一次，所有镜头自动引用。换角色或场景只改这一个地方。

八、实测效果对比

用同一组场景，对比随手写的prompt和按本文方法结构化后的效果：

数据都是短剧项目实测记录的，不是压测benchmark，但真实。Token消耗减少29%是锚点模板去掉了大量重复描述的直接结果。

Seedance的prompt不是一个"写得好看"的问题，是一个"写对被解析"的问题。

把动作词放前面、场景词放中间、风格词精简掉——这三板斧能解决80%的翻车。剩下20%靠反复测试积累模型直觉——知道它在什么镜头下偏好什么样的描述方式、什么场景下容易崩。

不要信"一个万能模板搞定所有镜头"这种话。AI短剧好歹是创作，不是填表格。