本文以即梦 AI 中的 Seedance 2.0 为例讲解从上传图片、视频、音频素材到通过图片1、视频1等方式精确控制生成结果的完整流程。重点拆解提示词结构并提供可直接替换使用的模板。一、Seedance 2.0 到底强在哪里与单纯“文生视频”不同Seedance 2.0 的核心是多模态参考除了文本还可以同时输入图片、视频、音频让模型分别参考人物形象、场景、镜头语言、动作节奏和声音氛围。官方说明显示Seedance 2.0 支持文本、图片、视频、音频四类输入一次创作最多可组合 9 张图片、3 段视频、3 段音频并可生成 15 秒的高质量多镜头音视频内容。字节跳动 Seedance 2.0 官方发布说明可以把它理解为你不再只是在“描述一个视频”而是在给 AI 一份小型导演包。图片锁定人物、服装、产品、场景、构图视频借鉴动作、运镜、节奏、转场音频借鉴配乐、环境声、旁白节奏文本定义每份素材应该承担什么职责以及最终故事如何发生二、从上传素材到生成视频完整操作流程1. 进入 Seedance 2.0在即梦 AI 网页端进入“视频生成”选择Seedance 2.0模型即可开始创作。官方同时列出了即梦 AI、豆包 App 和火山方舟体验中心等入口不同平台的按钮名称可能略有调整。官方体验入口说明2. 明确目标先写“镜头任务”再找素材不要一上来就上传一堆参考图。先用一句话定义本条视频目标为一款智能手表生成 15 秒竖屏新品广告突出金属质感、运动能力和轻量佩戴感。这一步决定你需要哪几类素材。以智能手表广告为例推荐准备素材用途建议产品图锁定手表外观、颜色、表盘干净背景、主体完整、清晰度高人物图锁定佩戴者形象和服装单人、半身或全身、光线稳定场景图锁定跑道、城市夜景等环境构图明确少用杂乱拼图动作参考视频借鉴跑步动作或镜头推进节奏38 秒即可动作要清楚音频参考参考节拍或氛围避免版权不明的音乐素材3. 上传素材并确认编号上传后输入框附近通常会将素材标识为“图片 1”“视频 1”“音频 1”等。后续提示词必须按界面显示的名称引用例如图片1 视频1 音频1这里有一个关键原则引用不是装饰符而是“素材—职责”的绑定关系。每一份参考素材都要说明“参考什么”和“不参考什么”。例如图片1 仅用于保持手表外观、材质和表盘设计一致 视频1 仅参考人物跑步动作和由低到高的跟拍节奏 不要复刻 视频1 中的人物外貌、服装、场景和品牌标识。这样写能显著减少“人物被视频参考带跑”“产品外观发生变化”等问题。4. 选择生成参数并提交根据内容投放渠道选择横竖画幅抖音、小红书、视频号优先竖屏B 站、公众号、官网 Banner优先横屏电商主图视频先确认平台尺寸规范建议第一轮不要追求“直接出片”而是先验证三件事产品或人物是否稳定镜头语言是否接近预期动作与音效是否匹配。第一版通过后再围绕单一问题迭代。例如“保持产品不变只把镜头改成环绕推进”不要同时推翻人物、场景、动作和风格。三、提示词的正确写法把“想法”写成“可执行镜头”很多生成失败不是模型不够强而是提示词像一句广告文案一款高级智能手表广告很酷很有科技感。这类描述缺少主体、动作、镜头、节奏和约束模型只能自由发挥。Seedance 2.0 更适合使用下面这个结构参考素材职责 主体 场景 动作/事件 镜头语言 视觉风格 声音设计 时间/转场节奏 必须保持/必须避免可以记成一个公式谁 在哪里 做什么 怎么拍 什么质感 听到什么 哪些不能变1. 主体先锁定“谁”主体描述不要只写“一个女生”而要写清能影响连续性的特征一位二十多岁的短发女性跑者健康小麦肤色穿深灰色运动背心和黑色短裤 左手佩戴银色圆形智能手表。如果上传了人物图和产品图则改为人物使用 图片2 中的角色形象手表严格保持 图片1 的外观、银色金属表壳、 黑色硅胶表带和圆形表盘设计。2. 场景说明空间关系而不只给风格词不推荐高级城市夜景。推荐清晨的城市高架跑道远处玻璃幕墙反射蓝紫色晨光 跑道边缘有连续引导灯背景行人保持虚化不抢占主体。“空间关系”越清晰模型越不容易把人、产品、背景拼成互不关联的画面。3. 动作用连续动作链替代抽象词不推荐女孩很酷地跑步。推荐她从静止状态起跑右脚先迈出手臂自然摆动 镜头跟随她跑过一段弯道她抬起左手查看运动数据 随后加速冲向画面前方。动作最好按照时间顺序写特别是多人互动、复杂运动、产品演示。4. 镜头语言明确“谁在动”提示词里最容易被忽略的一点是到底是人物在动还是镜头在动开场为手表表盘微距特写镜头缓慢推近 切换至低机位侧后方跟拍跟随人物起跑 人物抬腕时镜头快速推进至手表特写 结尾镜头环绕手表半圈并停在品牌展示位。常用镜头词可直接复用微距特写、低机位、俯拍、航拍、侧向跟拍、手持感、 缓慢推近、快速拉远、环绕镜头、焦点转移、延时摄影、 定镜、慢动作、匹配剪辑、无缝转场5. 声音把音效写进镜头而不是只写“配乐”Seedance 2.0 支持音画协同因此可以把声音当作镜头的一部分描述。官方也特别提到其支持背景音乐、环境音、人物解说等与画面节奏同步的音频输出。官方音视频能力介绍开场只有轻微风声和跑鞋落地声 人物起跑后进入节奏感强的电子鼓点 手表特写时加入清脆的界面提示音 结尾音乐收束保留一秒城市环境声。如果上传音频素材音频1 仅参考鼓点速度、能量变化和收束节奏 不要直接复制其中可识别的歌词或人声内容。四、引用参考素材最实用的写法1. 一张图做“首帧”或主体锚点适用场景产品广告、角色一致性、海报动效。以 图片1 作为首帧和产品外观参考。 保持手表的颜色、表壳比例、表带材质、表盘布局不变。 镜头从产品正面微距缓慢推近表盘亮起边缘浮现细微冷光。 背景为深灰色摄影棚轻微雾化电影级产品布光。核心写法以 图片1 作为首帧 保持 图片1 中的【主体特征】不变2. 一段视频只借动作或运镜不照搬人物适用场景舞蹈、运镜、转场、运动动作。视频1 仅用于参考人物奔跑动作、步频和侧后方跟拍节奏。 人物外观使用 图片2场景使用 图片3。 不要保留 视频1 中的人物脸部、服装、背景、文字和标识。核心写法视频1 仅参考【动作/运镜/节奏/转场】 不要参考【人物/场景/服装/文字/标识】3. 多张图给每张图分工避免“所有都参考”最常见的错误是上传 4 张图后只写“参考这些图片生成视频”。模型很难判断优先级。推荐这样分工图片1作为分镜脚本参考镜头顺序、景别和画面节奏 图片2作为人物参考保持脸部、发型、服装一致 图片3作为场景参考保留清晨城市跑道和蓝紫色光线 图片4作为产品参考保持手表外观和材质一致。然后再补上生成任务基于以上素材创作一段 15 秒竖屏运动科技广告。 人物从 图片3 的跑道起跑佩戴 图片4 中的手表 整体镜头结构参考 图片1人物始终保持 图片2 的形象。这实际上是在给模型分配“导演、演员、美术、道具”四类职责。4. 图 视频 音频完整多模态案例创作一段 15 秒、9:16 竖屏的运动智能手表广告。 图片1 为产品参考严格保留银色圆形表壳、黑色硅胶表带、 圆形表盘和金属反光质感不出现其他品牌标志。 图片2 为人物参考保持短发女性跑者的脸部特征、身形、 深灰运动背心和黑色短裤一致。 图片3 为场景参考清晨城市高架跑道蓝紫色晨光 远景玻璃幕墙虚化空气干净通透。 视频1 仅参考低机位侧后方跟拍、跑步动作和人物抬腕查看数据的节奏 不参考其中的人物、服装、文字、场景和品牌元素。 音频1 仅参考电子鼓点从弱到强的节奏结构和结尾收束氛围 不直接复制歌词或可识别的人声。 镜头一手表表盘微距特写表盘亮起冷色边缘光。 镜头二低机位跟拍人物起跑鞋底落地与鼓点同步。 镜头三人物在弯道抬起左手查看数据镜头推进至手表特写。 镜头四人物冲向晨光产品定格在画面中央留出干净字幕区。 整体为真实商业广告质感金属材质清晰运动自然 转场利落节奏由克制逐渐增强。 避免手表变形、表带消失、手指异常、画面中出现乱码文字。五、提示词模板直接替换方括号内容模板 1产品广告创作一段 [时长]、[横屏/竖屏] 的 [产品名称] 广告。 图片1 作为产品参考保持 [颜色、材质、外观特征] 一致。 图片2 作为人物参考保持 [人物特征、服装] 一致。 视频1 仅参考 [运镜/动作/节奏]不要参考其中的 [不需要继承的元素]。 场景[地点、时间、环境细节]。 动作[人物或产品按时间发生的变化]。 镜头[开场镜头][中段镜头][高潮镜头][结尾镜头]。 视觉[光线、色调、材质、画面风格]。 声音[环境声、配乐、音效、旁白]。 约束保持 [必须稳定的元素]避免 [变形、乱码、无关标识等问题]。模板 2人物一致性短片以 图片1 中的人物作为全片唯一主角保持脸部、发型、服装和年龄感一致。 以 图片2 作为场景参考保留其空间布局和主色调。 故事主角先 [动作1]接着 [动作2]最后 [动作3]。 镜头从 [景别/机位] 开始随后 [运镜]在 [关键动作] 时切到 [特写/俯拍]。 画面风格为 [写实/电影感/动画等]光线为 [具体光线]。 不要新增其他主要人物避免脸部漂移、肢体异常和背景文字乱码。模板 3参考视频复用转场视频1 仅参考镜头之间的转场机制、运动方向和节奏 不复制其中的人物、服装、场景、Logo、字幕或具体画面。 将主角设为 图片1 中的人物将场景替换为 图片2。 视频开始于 [场景A]主角完成 [动作] 使用与 视频1 相似的 [旋转/遮挡/快速平移/推拉] 转场 进入 [场景B]最后以 [结尾画面] 收束。 整体动作自然、转场连贯、主体外观稳定。六、生成不理想时按这个顺序排查1. 人物或产品“变了”原因通常是主体锚点不明确或者多个素材都在争夺主体定义权。解决方法人物外观仅参考 图片2 产品外观仅参考 图片1 视频1 不用于人物和产品外观参考。2. 镜头没有按要求运动不要只写“高级运镜”应改成可观察的镜头指令镜头从低机位侧后方开始以稳定器跟拍人物 人物抬腕时镜头推进到手表特写 最后环绕产品半圈后停住。3. 动作不连贯、物理感不自然将一个复杂动作拆成 24 个连续阶段避免在同一句中堆叠大量高难度动作。不推荐人物跳起、空翻、落地、换装、打开产品、冲向镜头。推荐人物先快步跑向镜头 在镜头前停下并抬腕 镜头切换为手表特写 最后人物转身继续向前跑。4. 字幕乱码或品牌文字不准视频模型对小字号文字、复杂排版仍可能不稳定。更稳妥的工作流是生成无文字的干净视频在剪映、CapCut、Premiere 或 After Effects 中后期添加品牌名、参数和 CTA只在提示词中预留字幕安全区。画面下方保留 20% 干净留白不生成可读文字或 Logo。5. 多个参考素材互相打架每份素材只能有一个主职责。建议采用“素材职责表”素材只负责图片 1人物一致性图片 2场景和色彩图片 3产品外观视频 1动作与运镜音频 1节奏与氛围七、一个专业创作建议先做分镜再生成Seedance 2.0 很适合多镜头生成但不代表应该把整支 30 秒广告一次交给模型。更稳的工作流是创意 Brief → 分镜脚本 → 为人物/场景/产品准备参考素材 → 每个镜头单独生成与筛选 → 剪辑拼接 → 后期加字幕、Logo、配音和调色如果目标是稳定商用内容建议把每个镜头控制在一个核心事件内。例如镜头 1产品外观展示 镜头 2人物佩戴并起跑 镜头 3抬腕查看数据 镜头 4产品定格与文案区这样比“一个提示词生成完整广告片”更容易控制主体一致性、镜头节奏和后期可编辑性。八、最后提醒素材与肖像授权上传参考素材前应确认自己拥有图片、视频、音频的使用权使用真实人物作为主体参考时也要取得本人授权。Seedance 官方同样明确提示真人肖像参考生成需要经过本人验证或事先取得合法授权。官方说明总结Seedance 2.0 的关键不是“写更长的提示词”而是建立清楚的控制关系用图片锁定“长什么样” 用视频定义“怎么动、怎么拍” 用音频规定“怎么听、什么节奏” 用文字说明“每份素材参考什么、不要参考什么”当你能熟练写出“素材 职责 镜头事件 约束条件”的提示词时Seedance 2.0 就不再只是一个随机出片工具而更接近一个可以执行分镜的 AI 导演助手。当然对于电商商家和内容创作者也可以选择AI电商与内容创作平台技灵AI营销助手。可以参考案例进行脚本策划和视频生成优化prompt提高成片率。