Hello，大家好，我是 Bulus lan

新人初来乍到，先介绍下自己：我是一名 AI + 商业深度实践者，也正在用 AI 重塑跨境电商全链路的一线卖家 | 前鹅厂行业负责人

前段时间Seedance 2.5 终于上线了，我们跨境AI实战圈有圈友又喜又悲：SD的视频效果虽然好，但就是太贵了啊！！

SD 2.5能够生成 30 秒长叙事视频，并在复杂素材组合、镜头衔接和音画同步中保持稳定的表现，但前提就是：你输入的脚本提示词必须得过关。

不然接近1.5～2块钱/秒的成本，你多抽两次卡，单条视频的成本能飙到两三百块钱。

所以我基于SD 2.5的模型特点和官方文档，做了一个视频脚本生成Skill：

seedance-video-script

你只要输入视频目标和素材，Agent就能直接帮你生成一套带时间戳分镜 / @引用 / 白模 / 原生音频的完整脚本prompt，甚至帮你把素材准备清单、上传顺序都排列好，帮你一键精准出片，告别抽卡。

https://github.com/buluslan/seedance-video-script

觉得好用的话，麻烦进github页面右上角点个 Star，后面会持续维护，感谢各位老板。



一条带货视频的脚本，是怎么生成的
我先随手找了一个宠物自动猫砂盆的ASIN，然后调用seedance-video-script这个Skill

Agent先调用我之前安装的卖家精灵MCP去获取这个产品的核心信息，然后跟我沟通创作方向：

这个带货视频主要发在哪、用什么画幅？(决定整个构图)要不要口播、用什么语言？(决定音频这整块怎么写)视频时长偏好？想要什么视觉调性？(决定运镜和场景设定)

我的回复是：TikTok/Reels 竖屏 9:16，AI 英文口播，15秒视频，温馨居家实拍感，然后Agent就马上给我输出了完整的创作方向、素材清单和排序。

然后看看详细的脚本分镜prompt是怎么出来的。
（1）开头先定义场景类型和平台，然后给每个要用到的素材做好了引用分配，以及视频整体的环境和氛围构建。

将@图片1中圆润白色机身、顶部带控制面板的椭圆自动猫砂盆定义为产品主体；



将@图片3中那只猫定义为猫咪主角；

场景为@图片4的温馨居家客厅角落，午后暖阳透过窗户洒在木地板上，绿植点缀。超写实商业广告质感，色彩自然温暖，光影柔和。

（2）接着输出详细的分镜内容，每一段都会包含时间戳、主体、运镜、动作、环境和台词。

0-3 秒:镜头低角度跟随，猫咪主角轻巧跳进产品主体内部，落地无声，扬起细碎猫砂。用英文女声亲切自然地说{Say goodbye to scooping… forever.}＜猫咪轻柔的咕噜声＞



3-6 秒:镜头固定中景，猫咪主角跳出离开，产品主体的滚筒缓缓自动旋转，分离干净猫砂与结团废物，废物落入下方垃圾桶，运转安静平稳。用英文女声说{It cleans itself two minutes after your cat leaves.}＜滚筒轻柔运转的机械声＞

6-9 秒:镜头缓慢推近至近景，产品主体顶部面板亮起柔和指示灯，一只手举起手机，屏幕显示猫咪健康数据图表。用英文女声说{Zero odor. Track your cat's health right from your phone.}＜手机清脆提示音＞

9-12 秒:镜头环绕产品主体半圈，第二只猫好奇走近，机器立即感应暂停不动，猫咪嗅探后离开。用英文女声说{Dual safety sensors protect every cat.}＜红外感应轻柔提示音＞

12-15 秒:镜头缓慢后拉至全景，温馨客厅里产品主体安静伫立，猫咪主角慵懒趴在旁边梳理毛发，画面定格。用英文女声温暖收尾{Ellenpent. Love your cats, not the litter.}（轻快温馨的钢琴 BGM 渐强收尾）

（3）最后再针对画质、风格和视频约束做收拢，并进行脚本内容的质检，避免出现镜头冲突、篇幅失衡、风格漂移等负面情况。

画质:超写实,电影质感,细节丰富,4K,肤质与毛发质感细腻,光影柔和自然



风格:超写实温馨居家商业广告,暖色调,日系清新光线

约束:保持无字幕,避免生成任何文字或字幕,不要生成 Logo,不要生成水印,保持画幅 9:16 竖屏,人物不出镜或仅露手部



✅ 避坑自检（已逐项过）主体 ID 漂移：猫用单视图单图，产品用单图锚定，无多视图 ✓参考数合理：4 图 + 1 音频，在即梦 9 图限内，未堆砌 ✓时间戳合理：15 秒分 5 段，每段 3 秒，未在单段塞过多场景 ✓运镜不冲突：跟随→固定→慢推→环绕→后拉，一镜一种 ✓台词语种标注：英文口播，每句标「用英文女声说」✓风格明确防漂移：超写实 + 暖色调，避免漂移成动漫 ✓无字幕/无 Logo 约束：已加（带货字幕建议后期剪映加，可控）✓

从我扔进去一句模糊的需求，到拿到这么一份能直接粘走的专家级视频生成方案，整个过程只需要2分钟。


skill 怎么帮你写出对的脚本

整个任务流程我拆成了五步。

第一步，摸清你到底想要什么。

是生成新视频、改已有的、还是延长。视频场景是广告、TVC、短剧、电商、数字人还是科普，时长和画面比例多少，是发布在TK、Reels还是亚马逊。先把你的需求确认清楚。

第二步，盘素材，分配引用。

上传的每张图、每段视频和音频，都要标清楚用途，比如锁定人物、定调场景、参考运镜，还是给节奏音色。

另外，虽然SD 2.5最多支持 50 个参考，但不建议真放这么多，你堆的参考内容越多，视频生成一致性越低，精选四五个核心参考物就够了。

第三步，按时间戳写分镜内容。

这里不再是"镜头一、镜头二"那种传统写法，而是按时间段来组织镜头内容，并在每段写清楚主体、动作、运镜、音频、台词。

第四步，设计音频和约束。

SD 2.5 的音频跟视频可以一起原生生成，还能用音频来驱动镜头节奏和口型，能支持十几种语言，这次是真正能做到一键成片了。

第五步，避坑自检。

这里重点会检测几个东西，一是尽量避免视频里面直接加字幕，这样后面要做二次剪辑不方便；二是审查单个分镜下的运镜是否冲突，三是在时间戳里是否塞太多场景。

上面这五个步骤，实际上是Skill在模拟一个真实的商业视频编导专家，把SD的使用规范、运镜逻辑和踩坑经验，替你写进每一条分镜里。

如果觉得用Skill太复杂了，我也准备了一份极简版提示词，帮助你30s快速生成一份高质量的视频脚本，需要的朋友可以自取

# Seedance 2.5 通用提示词(免 skill 版)



＞ **这是什么**:把 `seedance-video-script` skill(v0.2.0)的核心知识底座,浓缩成一段自包含提示词。不装 skill 的朋友,复制粘贴到任意 AI(豆包 / ChatGPT / Kimi / 即梦对话框等)即可生成可用的 Seedance 2.5 分镜 prompt。

＞

＞ **来源**:基于 buluslan 开源 skill `seedance-video-script`(github.com/buluslan/seedance-video-script)提炼。

＞

＞ **覆盖度**:这段 ≈ skill 80% 能力(时间戳分段 / @引用 / 白模 / 音频符号 / 分镜公式 / 避坑)。进阶 20%(50 参考扩容策略、绿幕·区域·运镜编辑、三大任务模式细节)普通创作用不上,需要精细控制时装 skill。



## 怎么用(3 步)



1. 复制下面「主提示词」代码块整段

2. 粘贴到任意 AI 对话框,发送

3. AI 会反问你的视频需求,回答后它直接产出可粘到即梦 / 火山方舟的 prompt



---



## ? 主提示词(一键复制)



```

# 角色

你是 Seedance 2.5(字节跳动视频生成模型,即梦 Dreamina / 火山方舟在用)的视频分镜提示词专家。任务:把我的视频需求 + 素材,转成可直接粘到即梦或火山方舟的 Seedance 2.5 分镜 prompt。



# 工作流程

1. 先确认我的:①视频类型(产品广告/短剧/电商展示/数字人/科普/卡点剪辑…)②时长(单段≤30秒)③画面比例(抖音→9:16,B站/YouTube→16:9)④素材清单(几张图/几段视频/音频,分别是什么)⑤有无口播台词 ⑥想要的视觉风格。信息不全先问我,别瞎编。

2. 给每个素材分配 @引用 + 注明用途。

3. 用时间戳分段写分镜。

4. 设计音频 + 约束。

5. 过一遍避坑清单。

最后输出两块:【素材上传顺序】+【Seedance 2.5 Prompt】。



# Seedance 2.5 五大核心语法(必须遵守)



## ① 时间戳分段(2.5 核心新语法)

用「0-5秒:…;6-10秒:…」组织,不要再用"镜头1/镜头2/镜头3"。每段写四件套:

  主体 + 动作细节 + 运镜(每段只一种运镜) + 音频信息

示例:

  0-5秒:镜头缓慢推近,@图片1的产品置于白色台面,光线由冷转暖;＜环境白噪声＞

  6-12秒:镜头环绕产品中景,细节逐一显现;(轻柔钢琴BGM铺底)



## ② @引用(给每个素材标用途)

@图片N / @视频N / @音频N,必须注明用途,例如:

  「参考 @图片1 的人物形象」「场景参考 @图片2」「参考 @视频1 的运镜效果」「背景BGM参考 @音频1」

  多素材组合:@图片1的人物作主体,参考@视频1的运镜,场景参考@图片2,BGM参考@音频1

⚠️ 精选 4-5 个核心素材即可,别堆满(参考太多模型反而困惑);重要素材放 prompt 越靠前越好。



## ③ 白模 @白模N(2.5 新,锁空间/运镜/轨迹)

需要复杂运镜或空间结构时,用 3D 白模锁定机位/轨迹/构图:

  「参考 @白模1 的运镜、构图、景别」(白模管空间运镜,图片管外观材质色彩)



## ④ 音频符号(2.5 原生音频,视频自带声音)

用符号区分信息类型:

  台词 {}  例:{你好世界}

  音效 ＜＞  例:＜远处传来狗叫声＞

  音乐 ()  例:(背景中播放快节奏摇滚乐)

  字幕 【】 例:【第一章 启程】

小语种台词标语种:用日语说道{こんにちは}

音色参考要补特征描述:使用@音频1低厚温润带细碎颗粒感的中年男声



## ⑤ 分镜骨架(每段四件套怎么写)

- 动作:优先"低缓连续小动作"(缓慢抬手/微微低头/顺势转身),避开狂奔大跳剧烈翻滚;情绪具象外化(悲伤=低头、肩膀微颤、眼眶泛红,别只写"很悲伤")。

- 运镜:一镜一种,别同时推拉摇移;想要"电影感"要指明具体镜头+运动(如"宽幅航拍缓慢后拉"),只写"电影感"无效。

- 长场景(20秒+)用弧线节奏:开头铺垫 → 中段推进 → 结尾定格。



# 避坑自检(生成完逐项过)

- 人物换脸/ID漂移? → 用大头照+全身照,不用三视图,重要素材前置

- 参考人物＞4人? → 分组生成(每组≤4人)再合

- 字幕/Logo乱入? → 加约束:保持无字幕、避免生成任何文字、不要Logo、不要水印

- 想要动漫却变真人? → 必须加明确风格词:「2D日漫风格」「3D国风漫画」「赛博朋克冷蓝紫调」

- 4-5秒内塞太多场景? → 拆段,保证物理可行

- 中文台词发音不准? → 多音字/生僻字用同音字替换



# 输出格式(严格按此结构)

【素材上传顺序】(标注每个用途,按优先级排)

1. @图片1 — 人物形象(主角)

2. @图片2 — 场景参考

3. @视频1 — 运镜参考

4. @音频1 — BGM

…



【Seedance 2.5 Prompt】

[平台:即梦/方舟] [时长:N秒] [比例:16:9] [风格:超写实/2D日漫/…]

0-5秒:…

6-12秒:…

…

[台词{} / 音效＜＞ / 音乐() / 字幕【】]

[画质:高清,电影质感] [约束:保持无字幕、不要Logo水印]



现在请先问我:你要做什么视频?

```



---

写在最后

从上面的分镜脚本可以看到，Skill生成的内容并没有很复杂。

只是把“谁，在什么样的场景下，做什么事情，出现了什么结果”这个事情说清楚了而已，没有盲目往里堆华丽辞藻。

2026年的今天，无论是Image2还是Seedance，这些视觉模型的背后都是一个具备强大推理能力的Agent，聪明的就像一个会思考的，活生生的专家。

这时候，我们脚本、指令写多了不一定是好事，就像外行指导内行，最后的效果可能适得其反。

如果不是科班的设计师或者编导，我建议我们给的提示词一定要“从简”，只需要强调好规范和边界，剩下的就交给模型来发挥。

生活也是这样，真正有用的东西往往大道至简，我们需要做的就是删繁就简，返璞归真。

———

如果这篇文章对你有启发，不妨点个赞，或者分享给身边的朋友，想要第一时间阅读文章，可以给账号点个收藏?