2026 年 8 月 6 日

Seedance 2.5 发布以后,最吸引我的变化是:视频生成正在从单个漂亮镜头,往一段完整作品靠近。

7 月 31 日的官方介绍,强调了更长的单次生成、多模态参考与时间戳级编辑。发布公告 这些能力如果能用顺,就能少做一些反复切片和拼接。可能力越多,输入也越需要组织,否则只是让一个更强的模型接到更多互相打架的要求。

花叔在 8 月初的实测文章里,把人的分镜和审美放在拉开作品差异的位置;阿真 Irene 的同期体验,则从具体创作工作流和参考素材的用法展开。花叔的体验 · 阿真的体验 我觉得这两个角度可以接在一起:先把作品想清楚,再决定用模型的哪项能力。

GitHub 上,ComfyUI 这类可视化生成工具也在持续迭代。同期仓库 它们提供的一个启发是,把输入、处理步骤和输出关系显式留住。这里借鉴工作流组织方式,不把 Seedance 2.5 当成可从 GitHub 下载的开放权重模型。

下面拿一条 15 秒产品短片做例子,把分镜、素材和验收做成可以重复修改的东西。

先把 15 秒写成三个镜头

拿一个黑色键盘做例子:0—4 秒拍手指按键,4—9 秒拍指示灯亮起,9—15 秒拉到桌面环境。主体固定,变化的是动作和景别。

这比一口气写二十个风格形容词更容易检查。生成后你至少能判断:三个镜头是否齐全、动作是否发生、主体有没有变形、时间顺序是否正确。

核心流程

先验证分镜,再花生成额度

本例用 Python 检查镜头是否连续、结束时间是否大于开始时间,以及主体、动作、运镜字段是否齐全。它会生成 shots.json,没有调用 Seedance,也没有生成视频。

在系列目录下运行,需 Python 3.10+:

1
python3 examples/lab_v2.py 10

本地实验的实际运行结果

本地执行记录。完整代码:lab_v2.py,代码见文末。

可以把分镜转换成这样的原创提示词:

1
2
3
4
5
主体为同一把黑色机械键盘,保持外形与灯光颜色一致。
0—4 秒:固定近景,手指完成一次按键动作。
4—9 秒:指示灯亮起,镜头缓慢拉远。
9—15 秒:固定全景,展示整洁桌面。
画面中不增加品牌标识;不要把键盘变成其他设备。

提示词只是给生成过程一个明确目标,不保证逐秒遵守。时间与主体一致性仍需要对生成结果逐项验收。

参考素材要标明用途

多模态参考越多,越要说清每份素材负责什么。图片 A 固定产品外形,图片 B 参考桌面布局,音频 C 提供节奏。如果三份素材都被笼统标为“参考”,模型可能把你只想借用的构图连同主体一起带走。

参考类型 用途 验收问题
主体参考 保持产品外观 颜色、轮廓是否一致
场景参考 约束环境布局 桌面元素是否合理
动作参考 指定运动方式 动作能否辨认
音频参考 控制节奏与声音 是否与画面同步

素材应使用自己拥有或获准使用的内容。这里选择无品牌键盘场景,也方便把注意力放在镜头结构与连续性上。

把制作周期拆开看

任务结构与示例安排

甘特图用于说明制作步骤的依赖关系。实际生成和排队时间会影响安排,试用时另行记录。

第一轮先检查主体与镜头,第二轮才处理节奏、音效和字幕。每次只修改少量约束,保留输入版本与输出编号;否则即使下一次更好,也很难知道是哪项修改起了作用。

本地分镜校验只能排除时间重叠、缺字段这类低级问题,不能保证视觉质量。真正的完整验收还需要查看运动、物理一致性、文字、声音和镜头衔接。

先给每个镜头一件明确的事

我们要拍同一把黑色键盘,三个镜头分别完成按键、亮灯和桌面展示。每个镜头只安排一个主要动作,运镜也尽量简单。

如果同时要求人物入画、键盘变形、镜头旋转、灯光变化和大段字幕,生成后就很难定位问题:是主体没保持住,动作太复杂,还是镜头切换破坏了连续性?

把要求拆开以后,每轮只改少量变量,前后结果才有比较价值。

1
2
3
4
5
6
7
8
{
"id": "S2",
"start": 4,
"end": 9,
"subject": "黑色键盘",
"action": "指示灯亮起",
"camera": "缓慢拉远"
}

时间表也会出错,先用代码挡一下

如果第二个镜头从第 3 秒开始,而第一个镜头到第 4 秒结束,就出现了一秒重叠。对一份线性分镜表而言,应该先把这个冲突指出来。

这次实验除了生成正确分镜,还故意放入一个重叠样本。检查器会验证开始时间与上一镜结束时间是否一致,以及主体、动作、运镜字段是否齐全。

1
2
3
4
if shot['start'] != previous_end:
raise ValueError('时间轴重叠或断档')
if shot['end'] <= shot['start']:
raise ValueError('镜头时长无效')

它不能替你判断画面美不美,但能在消耗生成额度之前,先解决一批本来就写错了的输入问题。

参考素材最好一份一职责

我会建立一张素材表:

素材 负责约束什么 不希望它影响什么
产品正面图 键盘轮廓、颜色 场景布局
桌面参考图 物品位置、光线方向 产品外形
运镜参考片段 移动速度与方向 主体与人物
自有音频 节奏和声音氛围 镜头内容

这样写出来,不代表模型一定完全遵守,却能让你知道自己期待哪个输入产生什么作用。生成结果偏了,也更容易回到对应素材或描述修改。

参考资料用自己拥有或获准使用的内容,文件名和版本一并记录。不要每次都把 final.png 覆盖掉,最后只记得“某一张好像更好”。

一轮生成之后,按问题分流

实践链路示意

主体一致性出了问题,先修主体参考;动作没完成,缩短动作链;时间没对上,重新检查分镜安排;文字不稳定,可以把固定字幕留到后期。

与其每轮都重新写一大段提示词,我更愿意给结果编号,然后只记录需要调整的项目:

1
2
3
4
版本:keyboard-v03
保留:主体外形、整体光线
调整:S2 拉远过快;S3 产品位置偏右
本轮只修改:运镜速度与结尾构图

这份小记录能把“再来一次”变成一次有目的的迭代。即使换人接手,也能知道上一轮到底在修什么。

先做一张分镜验收表

提示词写完之后,可以反过来问:如果拿到结果,什么情况算这个镜头通过?

比如 S1 要能清楚看见一次按键动作,S2 要看到灯光变化并保持同一把键盘,S3 要让产品在结尾完整出现。把这些标准写下来,能避免生成后被某个漂亮细节带偏。

镜头 必须出现 需要避免
S1 一次可辨认的按键动作 手部遮住主要产品
S2 相同主体、指示灯变化 外形和颜色突然变化
S3 稳定全景、产品完整 结尾裁切、无关物件抢占画面

这份表也适合交给协作者。别人不必猜你的“高级感”具体指什么,至少能先把基本交付做对。

用小范围修改,保留已经好的部分

如果 S2 只是运镜太快,而主体和灯光已经合适,就先尝试只调整运镜相关描述或对应时间段。每次都推倒重来,会丢掉已经选中的结果,也增加比较难度。

一次只改一个主要问题,记录修改前后输入。修不好再扩大范围,必要时重新设计分镜,不必坚持让模型完成一个本来就过于复杂的动作。

对产品短片尤其如此。先让主体稳定,再追求复杂运镜;先让动作能看懂,再增加气氛。这种顺序不一定最炫,但更接近能重复交付的制作方式。

算一算可用镜头的成本

生成费用只是其中一项。筛选、下载、剪辑、补字幕和反复调整,也都占时间。

我会记录一次项目生成了多少候选,最终用了几段,主要淘汰原因是什么。如果很多候选都因为相同问题被丢弃,先回头改分镜或参考,而不是继续加大生成次数。

这些记录能指导下一次制作。例如产品外观容易漂移,就提前准备更明确的主体素材;复杂动作经常失败,就拆成两个更短的镜头。经验逐渐落到输入设计上,后续项目才有可能少走同样的弯路。

对于重复类型的作品,还可以保留一份分镜模板与验收清单。每次换主体和内容,不必从空白提示词开始,同时也给新的创意留出调整位置。

最后检查的是作品,而不只是生成片段

主体、画面、声音和字幕要放在一起看。前面一切都对,结尾却把产品挡住,依然影响交付。一个镜头单独很漂亮,接到前一镜后方向反了,也需要修改。

所以我会先检查分镜完整和主体稳定,再处理节奏与声音,最后检查整条片子的观看体验。工具给了更多控制选项,制作过程也应该留下更多可修改的依据。

分镜表、素材版本、提示词和结果编号连起来之后,下一条视频才有东西可以继承。它未必让第一次生成更惊艳,却更有机会让第二次、第三次修改变得明确。

完整实验代码

保存为 examples/lab_v2.py 后,使用前文命令运行。

展开完整 Python 示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import argparse,csv,hashlib,io,json,subprocess,tempfile
from pathlib import Path
BASE=Path(__file__).resolve().parent

def shots():
good=[{'id':'S1','start':0,'end':4,'subject':'黑色键盘','action':'按键','camera':'近景'}, {'id':'S2','start':4,'end':9,'subject':'黑色键盘','action':'亮灯','camera':'拉远'}, {'id':'S3','start':9,'end':15,'subject':'黑色键盘','action':'桌面展示','camera':'全景'}]
def validate(items):
previous=0
for s in items:
if s['start']!=previous or s['end']<=s['start']:raise ValueError('时间轴重叠、断档或时长无效')
if not all(s.get(k) for k in ['subject','action','camera']):raise ValueError('缺少分镜字段')
previous=s['end']
if previous>30:raise ValueError('超出本例30秒预算')
validate(good)
for s in good:print(f"{s['id']} {s['start']:02d}-{s['end']:02d}s / {s['subject']} / {s['action']} / {s['camera']}")
bad=[dict(s) for s in good];bad[1]['start']=3
try:validate(bad)
except ValueError as e:print('错误样本已拦截:',e)
else:raise AssertionError('重叠应被发现')
out=BASE/'output'/'shots-v2';out.mkdir(parents=True,exist_ok=True);(out/'shots.json').write_text(json.dumps(good,ensure_ascii=False,indent=2))
print('分镜检查通过;总时长15秒;未调用视频生成服务。')

if __name__ == '__main__':
parser=argparse.ArgumentParser()
parser.add_argument('lab',choices=['10','all'])
parser.parse_args()
print('=== 工程实验 10 ===')
shots()

延伸阅读