为什么你的 30 秒提示词只产出了 12 秒的好内容
你写了一段冗长而细致的文字。一个女人走进自助洗衣店，把衣物放进洗衣机，接了一个电话，和电话那头的人争吵，然后独自坐下。你得到的片段里，她花了二十秒走进门，而那通电话根本没有出现。输出里没有任何东西出错。只是模型没有时间安排，把全部预算都花在了你的第一句话上。
这是长视频生成的核心问题，而且首先是写作问题，其次才是模型问题。Seedance 2.5 一次最多可连续生成约 30 秒并同步配音，这意味着一整场戏现在可以放进一条提示词里。但它不会去猜你希望这场戏的节奏如何。
Seedance 2.5 已在 Atlabs 上线，因此本指南中的所有内容你今天就可以运行，无需另开 ByteDance 账号。
在 Atlabs 上试用 Seedance 2.5
为什么 30 秒时提示词结构更重要
在四秒钟里，提示词只是一段描述。只有一个瞬间，模型渲染那个瞬间就结束了。2024 和 2025 年写成的大多数提示建议都基于这一点，所以读起来像一串形容词清单。
在 30 秒时，提示词就是一份时间表。你不再是描述一张画面，而是在多个事件之间分配时间，而你没有安排的每一秒，模型都会自行填充。同样的转变也适用于画面中的其他一切。在四秒内，角色的面孔几乎没有时间发生漂移。在三十秒里，如果没有东西固定住，角色身份、服装和布景都有足够的空间发生变化。
这正是参考系统的用途。Seedance 2.5 最多接受 50 个输入，涵盖图片、视频和音频，模型会按你提供的顺序为它们分配权重，越靠前的参考影响越大。未加标注的参考仍然会被使用，只是模型想怎么用就怎么用，而大多数一致性方面的抱怨正是由此而来。
三个习惯几乎决定了全部的质量差异：把片段分成带时间的节拍，为每个参考标注它具体控制什么，以及像描述画面一样用心地描述音频。下面的一切都建立在这三点之上。
完美提示词公式
ByteDance 自己的结构就是一份导演说明，顺序如下：主体、动作或事件、场景与环境、视觉风格、镜头处理、声音。
以模板形式呈现为： [主体]在[场景]中[动作]。画面为[视觉风格]。镜头采用[镜头处理]。声音包括[音频]。
拆开来看，一个可用的示例如下。主体与动作：一位陶艺师在转盘上完成一只淡蓝色杯子。场景：黎明时分的小工作室，她身后的架子上摆着未烧制的作品。视觉风格：柔和的晨光，湿润黏土的光泽，整洁的工作台。镜头：转盘的中景，缓慢推近至质感细节，然后切换到正面的架子视角。声音：转盘低沉的嗡嗡声，黏土摩擦声，轻微的室内环境音。
请注意，镜头那一行写的是运动方式，而不是情绪。“电影感”不是指令。“缓慢推近”“斯坦尼康跟拍”“急摇镜头”和“拉焦”才是，因为每一个都描述了画面实际发生的变化。
超过大约十到十二秒之后，要把这个公式包进一份时间表里。分配节拍：0 秒到 8 秒发生什么，8 秒到 18 秒发生什么，18 秒到 30 秒发生什么。然后，在节拍之前，为每个参考写一行，准确说明该素材控制什么。图片一负责角色身份与服装。视频一仅负责镜头运动与节奏。音频一负责对白与节奏感。增加这两项，节拍与角色分工，比任何额外的描述都更能解决输出问题。
在 Atlabs 上开始搭建你的场景
在 Atlabs 中的工作流程
Seedance 2.5 位于 Atlabs 模型阵容中，与 Kling、Veo、Hailuo 和 Wan 并列，这意味着你只需写一次场景，再选择最适合它的模型，而不必在另一个工具里重新搭建同样的创作说明。
与这种提示方式最为契合的工作流是脚本生成视频，因为它把同样的方法变成了一个你填写的表单，而不是一段你必须记得写对的文字。
脚本生成视频分为三步。第 1 步，你可以以自由文本形式添加脚本，或者添加你的剧本。当 Atlabs 检测到剧本格式时，会提示“检测到剧本”并把你带入专门的区域，左侧面板显示 AI 分析出的旁白声音、地点和演员，右侧面板则逐场拆解作品，包括场景类型、地点和时间段。每个场景中，你会看到单独的镜头描述和对白块，每个对白块都有角色名、台词和语气。这份镜头清单就是带时间节拍的界面版本，而演员面板就是参考标注的界面版本。
对于以音乐为主导的作品，同样的逻辑体现在音乐视频工作流中，创意方向步骤会根据你曲目检测到的节奏、情绪和流派生成六个场景创意。
分步教程
1. 在打开工具之前先写好节拍。 先在纸上把场景拟成三到四个时间块。每个时间块一个动作，一次镜头运动。如果某个时间块里包含两个互不相关的事件，就把它拆开。这是人们最常跳过的一步，也是决定输出是否可用的一步。
2. 打开脚本生成视频并选择输入模式。 对以旁白为主的作品使用“添加你的脚本”，当你已经有镜头和对白时使用“添加你的剧本”。如果你粘贴了任何带有剧本格式的内容，Atlabs 会显示“检测到剧本”并切换到结构化视图。还有一个 AI 脚本撰写按钮和一个推荐脚本面板，提供三个生成的起点，方便你在此基础上修改，而不是面对空白输入框。
3. 构建场景拆解。 在剧本模式下，将场景类型设置为外景或内景，然后填写地点和时间段。按发生顺序添加镜头描述，每个节拍一个，并在角色说话的地方添加对白块，填入角色名、台词和语气。每个场景中的镜头和对白都可以添加或删除，所以在这里你可以收紧节奏，而不是重写一整段文字再盲目地重新生成。
4. 设置风格。 第 2 步让你选择宽高比：9:16 适用于 TikTok 和 Instagram，16:9 适用于 YouTube，1:1 适用于 LinkedIn、Twitter、Facebook 和 Pinterest。视频风格提供 AI视频（推荐）、AI 分镜，以及上传（如果你要使用自己的素材）。请在定稿构图之前先选好比例，因为在 16:9 下效果很好的推镜头，在 9:16 下的裁切效果会不同。
5. 定稿角色阵容。 第 3 步列出从你的脚本中提取的角色，每个角色都有“点击编辑”，另外还有添加角色选项，以及口音国家和旁白声音的下拉菜单。在这里定义角色，相当于平台层面把你的身份图片放在参考序列的首位。它让模型对“这个人是谁”有一个固定的答案，而不是每个镜头都重新猜一次。
6. 用 Seedance 2.5 生成，然后编辑而不是重来。 当某一段不对时，把片段带入修改视频，上传它，在提示词中以 @Video1 引用，描述你想要的最终视频，并最多附加四张风格参考图片。保留原始音频有开关切换，这样修正画面不会让你丢掉一条好的音轨。
在 Atlabs 上打开脚本生成视频
为什么这种方式在 Atlabs 上效果出色
第一个原因是模型路由。提示词方法是可迁移的，但美学风格不是，渲染风格化角色特写效果出色的模型，往往并不擅长渲染开阔的海岸外景。Atlabs 使用 Seedance 2.5 处理长时间连续镜头和重参考场景，使用 Seedance 2.0 处理风格化内容、动漫和角色特写，使用 Kling 3.0 和 Kling 2.6 处理电影感运动和流畅的移动，使用 Google Veo 3.1 处理照片级真实感和建立镜头，使用 Hailuo 2.3 处理高动态和近似动漫的画面，使用 Wan 2.6 处理开源的电影感输出。一个工作流，背后是不同的模型，无需另外维护各种 API 账号。
第二个原因是界面强制执行结构，而不是指望你记得去做。每个场景都有镜头和对白块组成的镜头清单，它不可能悄悄坍缩成一整段不分层次的文字，而这正是长视频提示中最常见的失败。
第三个原因是运动与角色身份可以分离。动作控制接收一段 3 到 30 秒的参考视频，将其运动应用到你上传的角色图片上，并让运动完全由参考视频而非提示词控制，另有一个可选的提示词栏用于背景和场景细节。这与说“视频一只负责镜头运动”是同一个思路，只不过工具为你保证了这一点。口型同步在表演上的工作方式相同，接收一张角色图片或视频，加上一段 2 到 120 秒的音频文件。
示例提示词
1. 带时间的一镜到底。 一名身穿炭灰色三件套西装的男子在夜晚穿过酒店大堂，大理石地面，黄铜配件，氛围感十足的琥珀色钨丝灯光。0 秒到 8 秒：斯坦尼康从身后跟拍他穿过大厅，工作人员转头注视他走过。8 秒到 18 秒：他推开黄铜大门走到街上，急摇镜头揭示一群摄影师，闪光灯频闪。18 秒到 30 秒：缓慢推近他的脸，半个微笑，拉焦到他身后的雨棚。声音为人群的低语、相机快门声、远处的车流声，无音乐。（最适合通过 Seedance 2.5 运行） 在 Atlabs 脚本转视频中试试这条提示词
2. 真实的纪录片蒙太奇。 深夜自助洗衣店里的多镜头观察式影像，七个镜头，手持拍摄，构图不够完美，没有单一的连续镜头。一名身穿宽大棉质 T 恤的女子在嗡嗡作响的荧光灯管下把衣物放进洗衣机，接了一个电话，然后独自坐下。从门口拍摄的广角镜头，接着是越过肩膀拍向滚筒的镜头，再是窗边的特写侧面镜头。声音仅为原始现场录音，包括洗衣机声、外面的车流声，没有配乐。（最适合通过 Seedance 2.5 运行） 在 Atlabs 脚本转视频中试试这条提示词
3. 踩点的表演。 一位身穿红色缎面夹克的歌手在蓝调时刻的雨后湿滑屋顶上表演，身后是霓虹招牌，城市的薄雾折射着光线。主歌部分镜头缓慢环绕，副歌部分切换更猛烈，切镜落在节拍上。浅景深，冷调高光对比暖色皮肤色调，电影感调色。（最适合通过 Kling 3.0 运行） 在 Atlabs 音乐视频中试试这条提示词
4. 角色一致性锁定。 一位木匠走过洒满锯末的车间，在一把完工的胡桃木椅子旁停下。镜头从身后跟拍，转到侧面视角，最后落在她的手放在扶手上的特写。精确保留面部、服装、产品外形和房间布局。不要出现额外的人物，不要字幕，不要添加音乐，不要镜头切换。（最适合通过 Seedance 2.5 运行） 在 Atlabs 视频修改中试试这条提示词
5. 物理测试。 一颗玻璃弹珠沿着由多米诺骨牌、黄铜齿轮和小木坡道在工作台上搭成的连锁反应轨道快速滚动。一镜到底的流畅镜头，微距景深，强烈的侧光勾勒出边缘。弹珠全程遵循真实的重力和动量。清脆的咔嗒声，玻璃滚动声，无音乐，无切镜。 在 Atlabs 脚本转视频中试试这条提示词
6. 动作迁移。 一名身穿宽松亚麻衬衫的舞者在空旷的混凝土画廊中表演，高大的窗户把午后强烈的光线投成一块块矩形洒在地板上，光束中可见尘埃。动作完全来自参考片段，背景和光线来自提示词。固定广角画面，无镜头运动，自然的房间混响。（最适合通过 Hailuo 2.3 运行） 在 Atlabs 动作控制中试试这条提示词
在 Atlabs 上运行这些提示词
专业技巧
把面孔放在第一位。 参考的顺序有分量，模型会把靠前的输入视为更具权威性。角色身份放在第一位，其次是服装，然后是地点，最后是风格调色。如果你的角色一直在漂移，先检查顺序，再去改写提示词。
说明每个参考不用于什么。 “视频一仅用于镜头运动和节奏”能防止模型同时借用该片段的光线和服装。排除项与指令一样有用，这也是为什么“无字幕、不添加音乐、没有额外人物”应当放在大多数重参考提示词的末尾。
描述声音，否则就接受任何结果。 音频在同一次生成中产出，所以提示词里没有写声音并不等于要求静音，而是一张空白支票。说明环境音，说明对白使用的语言，如果你希望场景下方什么都没有，就明确写成仅现场声音。
常见问题
Atlabs 上有 Seedance 2.5 吗？ 有。它与阵容中的其他模型运行在同一套工作流里，所以你可以在脚本生成视频或音乐视频中搭建场景，并选择 Seedance 2.5 进行生成，无需在其他任何地方另开账号。
Seedance 2.5 的片段最长可以有多长？ 原生连续生成一次最长约 30 秒。不再需要把较短的片段拼接在一起，这是它与早期版本最主要的实际区别。
我可以使用多少个参考？ 总共最多 50 个，涵盖图片、视频和音频，常见的划分是大约 30 张图片、10 段视频片段和 10 个音频文件，具体取决于平台。请按重要性排序，因为越靠前的参考权重越大。
对长提示词来说，最快的单项改进是什么？ 添加时间戳。把 30 秒的说明拆成三到四个带时间的块，比任何其他改动都更能解决节奏和连贯性问题，而且大约只需一分钟。
我应该用 Seedance 2.5 还是 Seedance 2.0？ 当片段较长、需要锁定多个参考，或整个场景需要在一次生成中保持完整时，选择 2.5。对于较短的风格化作品、动漫和角色特写，选择 2.0，这些情况下你想要快速出结果，而且连续性不需要跨越半分钟。
我可以只修复片段的一部分而不用全部重新生成吗？ 可以。修改视频接收一段 3 到 10 秒的现有片段，在提示词中以 @Video1 引用，同时附上对最终视频的描述以及最多四张风格参考图片。保留原始音频可以保持开启，这样更改画面不会让你丢失声音。
最终结论
长视频提示词重在规划而非描述。先写节拍，再写句子，准确告诉模型每个参考控制什么，并像对待镜头一样认真地说明音频。这三个习惯适用于你今年会用到的每一个模型，所以值得现在就养成，而不是在每次新版本发布时重新学习。
更难迁移的是提示词之外的一切：镜头清单、角色阵容、宽高比、模型选择，以及某一段出错时的修复环节。这正是完整工作流的意义所在。脚本生成视频为你提供结构，音乐视频为你提供以曲目为主导的版本，修改视频和动作控制则负责修复，无需让你回到起点，而 Seedance 2.5 就在它们所有这些功能的背后。
