happyhorse-prompter

HappyHorse 1.0（阿里巴巴 Kling 团队）的核心差异：原生音视频联合生成 + 严格按字数执行。这个 skill 帮你产出符合它脾气的紧凑提示词。

何时不用此 skill

• 需要 10-15 秒长视频 / 多镜头切换 → 用 seedance-prompter 或 seedance-storyboard
• 复杂叙事 / 多主体 → 用 Seedance
• 已有提示词调不出来 → 还在 HappyHorse 范围内的话可以让我帮看，否则用 seedance-debugger

五大黄金规则

详见 methodology/02-进阶公式.md。

规则 1：主体先行，动作其后

• ❌ Walking through a forest, a woman...
• ✅ A woman in hiking gear walking through a forest...

规则 2：明确指定镜头技术

HappyHorse 对"特写""广角"的理解非常精确，不要留给模型猜测。

规则 3：提示词长度控制在 30-55 词

• 过短（<30 词） → 输出模糊
• 过长（>60 词） → 模型忽略后半段

写完数一下英文单词数。

规则 4：物理效果加运动描述词

头发、水、布料、烟雾、火焰：加 slow motion、motion blur 或 fluid dynamics

规则 5：明确指定音频内容

音频激活路径（这是 HappyHorse 区别于 Seedance 的核心能力）：

• with rain on leaves audible → 雨打树叶声
• with engine roar audible → 引擎轰鸣声
• speaking English at a natural pace → 自然英语对话
• speaking Korean at a measured pace → 韩语对话
• with ambient coffee shop chatter audible → 咖啡馆环境音
• with the pour sound audible → 倒水/液体声
• with faint crackling sound audible → 火苗噼啪声
• with hoofbeats audible → 马蹄声
• with drone motor whine audible → 无人机马达声
• complete silence / near silence with faint wind audible → 纯静或环境底噪

不写音频提示 = 模型可能不生成音频或乱生成。主动写。

工作流程

步骤 1：判断要不要时序节拍

如果用户的需求包含时间结构（如"先静止 2 秒，然后画面渐显"、"前 3 秒做 A，后 5 秒做 B"），用 CrePal 时序节拍写法：

8s duration. First 2s: black. Slow fade reveals: [画面 A]...

否则直接写 30-55 词紧凑版。

步骤 2：按公式拼接

[主体（明确特征）] [动作（具体）] [场景] [镜头大小+运动] [光影] [音频路径] [质量/风格].

英文写。

步骤 3：数词

• 复制到一个字数统计工具或心算 → 严格 30-55 词
• 超过 55 词：删形容词（不删核心要素），保留主体/镜头/音频路径
• 少于 30 词：补充镜头大小或音频细节

步骤 4：输出格式

## 生成的提示词

\`\`\`
[完整提示词]
\`\`\`

**词数**：N · **时长建议**：N-Ns · **比例**：[X:Y]
**音频路径**：[突出说明用了什么音频提示]
**可调点**：[换音频/换镜头/换光影都可以怎么改]

⚠️ 时长写法硬规则(每次必查)

时长信息有 2 个去处,二选一,不能同时,也不能放错位置:

反例(❌ 不要这样写):

晨光透过咖啡店玻璃门...温暖琥珀色调,16:9,5 秒。  ← 把时长埋在 prompt 中段/末尾

正例 A(✓ 无明确时序 — prose 不带时长):

晨光透过咖啡店玻璃门,木质门牌"OPEN"翻转...
(门铃叮当声 + 咖啡机蒸汽嘶嘶声)

然后元数据行写:**时长建议**:5s

正例 B(✓ 有明确时序 — 时长前置):

5s duration. 晨光透过咖啡店玻璃门,木质门牌"OPEN"翻转...

自检清单(输出前必过):

1. prompt 内部是否出现"N 秒" / "Ns" / "持续 N 秒"等时长描述?
2. 如果出现,它是不是在最开头作为时序锚点?
3. 如果不在最开头,搬到外部元数据行,prompt 内删掉。

实战示例

用户输入:"做个雨夜街头吉他手的视频"

判断：6-8 秒紧凑场景，需要带音频（吉他声+雨声）→ 不需要时序节拍，用紧凑模板。

输出：

A guitar player busking on a rain-slicked city street at night, medium shot, neon reflections on wet pavement, rain falling softly, with acoustic guitar sound audible, warm tungsten light from shop windows.

词数：30 · 时长建议：6-8s · 比例：16:9 音频路径：with acoustic guitar sound audible 激活原生吉他音轨；环境雨声不写也会带（因为画面就是雨）。 可调点：把 warm tungsten light from shop windows 换成 harsh sodium streetlight only 改成冷峻感；加 with light rain on awning audible 强化雨声层次。

用户输入："想要 8 秒，前 2 秒黑屏，然后慢慢揭示一片山谷"

判断：明确的时间结构 → 用时序节拍模板。

输出：

8s duration, first 2s: black. Slow fade reveals: wide shot, mountain valley at dawn, low mist between pine trees, single dirt road leading into the scene, no people. Camera very slowly pushes forward on a dolly. Soft blue-gold light on the horizon. Quiet, cinematic, high production value.

词数：48 · 时长建议：8s · 比例：16:9 音频路径：未指定 → HappyHorse 默认匹配晨间风声底噪；可加 with distant birdsong audible 进一步强化。 可调点：把 dirt road 换成 wooden cabin in distance 增加视觉锚点；blue-gold light 改 pink-orange 调更暖。

图转视频（已有参考图）的正确姿势

当有参考图时，不要重复描述图中已有的内容，专注于描述变化：

参考资源

• 进阶公式：methodology/02-进阶公式.md
• 运镜词典：methodology/05-运镜词典.md
• 57 条实测提示词：prompts/happyhorse/README.md

kling-prompter

Kling 3.0（可灵 3.0，快手）的三套主流写法：4 部分基础 / 5 层进阶 / 图生视频。

何时不用此 skill

• 复杂多镜头分镜叙事（>15s） → 用 seedance-storyboard
• 5/10/15 秒紧凑短片，对原生音频要求不高 → 用 happyhorse-prompter
• 已有 Seedance 提示词需修问题 → 用 seedance-debugger

三套写法决策树

你的需求是？
├── 5 秒短视频、单一场景        → 写法 1（4 部分基础公式）
├── 带剧情、带音频、多角色      → 写法 2（5 层进阶公式）★ Kling 强项
└── 已有参考图，只需动起来      → 写法 3（图生视频专用）★ Kling 强项

工作流程

步骤 1：判断写法

步骤 2：澄清缺失要素（必要时）

如果信息不够，问 2-3 个关键问题（不是全部）：

步骤 3：按选定写法填充

写法 1：4 部分基础公式

[Subject - 具体视觉细节] [Action - 精确运动+终点] [Context - 3-5 环境元素] [Style - 镜头+灯光+氛围].

详细参考 methodology/09-kling-公式.md。

写法 2：5 层进阶公式（Kling 的看家本领）

强烈推荐用结构化格式，模型按层解析：

Scene: [地点 + 时间 + 氛围]
Characters: [每个角色的具体描述，age + 关键服装/外貌]
Action: [按时间顺序的步骤，体现因果与递进]
Camera: [镜头类型 → 运动 → 切换]
Audio & Style: [对话/音效/音乐 + 视觉风格]

⚠️ Audio & Style 这层是 Kling 的差异化卖点，一定要写！Seedance / HappyHorse 都做不到角色定向发声。

写法 3：图生视频专用

铁律：只描述运动，不重复图中已有的视觉信息。

❌ 不要写：A red sports car with chrome wheels on a wet road...（图已有） ✅ 直接写：The headlights blaze on and the engine roars to life. The rear tires spin...

步骤 4：6 条 Kling 写作守则自查

• 用 active verbs 替代笼统词（rockets / slams / erupts）
• 描述 时序流（开头 → 中间 → 结尾）
• 用 具体光源 代替 "dramatic lighting"
• 加 触感细节（grain / reflections / sweat / steam）
• 加 显式 endpoint（防 99% 卡死）：then settles back / fades out
• 幻想场景用 物理交互锚定（stone crumbles / torches flicker）

步骤 5：决定语言（中文还是英文）

步骤 6：加负向提示

Negative: cartoonish, 3D render, smooth plastic skin, floating limbs,
         sliding feet, text morphing, no watermark, no logo.

需要真人感时加 smiling 到 negative（让表情自然）。

步骤 7：输出格式

## 生成的 Kling 提示词（写法 N）

\`\`\`
[完整提示词]
\`\`\`

**推荐参数**：宽高比 [X:Y] · 时长 [N 秒] · 模型 [Kling 3.0 / Kling O1]
**关键技巧**：[1-2 句说明这条提示词的设计思路]
**可调点**：[告诉用户可以怎么改]

实战示例

例 1：用户要"短视频，女孩变成动漫角色"

判断：变身爆款 → 写法 1（4 部分基础）

输出：

A young woman in casual streetwear standing center frame, her body slowly engulfed by glowing particles as she transforms into a vibrant anime version of herself with stylized hair and large expressive eyes, then settles into her new form. TikTok-style vertical framing, neon pink and cyan rim lighting, smooth transition with sparkle bursts, high-energy K-pop MV aesthetic.

Negative: 3D render, plastic skin, floating limbs, text morphing, watermark.

参数：9:16 · 5s · Kling 3.0 关键技巧：4 要素齐全 — Subject（具体服装）+ Action（带终点：then settles）+ Context（3 个：neon rim light/sparkle/vertical）+ Style（K-pop MV aesthetic）。 可调点：把 K-pop MV 换成 Cyberpunk / Studio Ghibli 改风格；把 glowing particles 换成 glitch effects 改变身机制。

例 2：用户要"两个老朋友 10 年后重逢，要带配音"

判断：带剧情 + 带音频 → 写法 2（5 层进阶）

输出：

Scene: A park bench at golden hour in late autumn, fall leaves drifting through the air, soft amber sunlight slanting through bare branches.

Characters: Two reunited friends with a 10-year gap, both early 30s. Character A wears a wool coat and scarf, slightly nervous. Character B wears a denim jacket, more outwardly emotional.

Action: Character A sits down beside Character B, hesitates, then says "It's been a long time." Character B turns slowly, eyes widening with recognition, replies "Too long. I almost didn't recognize you." They both pause, then share a quiet laugh that breaks the tension.

Camera: Slow push-in on Character A as he speaks, then over-the-shoulder cut to Character B's reaction, ending on a held wide two-shot of both on the bench.

Audio & Style: Soft solo piano underscore building gently, ambient park sounds (distant kids playing, leaves rustling), warm cinematic color grade with teal-and-amber accents, naturalistic dialogue delivery.

Negative: smiling broadly, cartoonish, 3D render, plastic skin, sliding feet, watermark.

参数：16:9 · 12s · Kling 3.0（推荐） 关键技巧：5 层全开。Characters 层给两个角色各自的「锚点服装」防漂移；Action 层用因果链（坐下 → 犹豫 → 开口 → 反应 → 共同笑）让叙事自然；Audio & Style 层既给音乐又给环境音，触发 Kling 原生音画同步。 可调点：换 golden hour → blue hour 改基调；换 piano underscore → silence + only ambient 让情感更克制。

例 3：用户上传了一张厨房照片，想"让它动起来，厨师颠炒"

判断：图生视频 → 写法 3

输出：

The chef flips the wok hard, launching noodles into the air as a fireball erupts upward. He catches them clean, tilts the wok and slides the dish onto a plate with his spatula, then pushes the plate across the worn counter toward the camera with a grin. Steam billows upward through the lantern light.

Negative: floating limbs, plastic skin, sliding feet, watermark.

参数：16:9 · 8s · Kling 3.0 关键技巧：完全没重描述图中的厨房布局/厨师外貌（图自己有），只写运动序列（flip → fire → catch → slide → push）+ 物理细节（steam billows）。明火创造动态光照是 Kling 的强项。 可调点：删 fireball erupts 改成温和炒制；把 with a grin 删掉让表情更专注。

参考资源

• Kling 完整方法论：methodology/09-kling-公式.md
• 36 条实测提示词：prompts/kling/README.md
• 运镜词典（通用）：methodology/05-运镜词典.md
• 官方平台：klingai.com

model-selector

15 个主流 AI 视频模型(11 商业 + 4 开源)的"购物顾问"。问用户 3-4 个关键问题,给出推荐 + 理由。

何时不用此 skill

• 用户已经确定要用某个模型 → 用对应的 <model>-prompter skill
• 用户问"提示词怎么写" → 用 seedance-prompter / kling-prompter / happyhorse-prompter
• 用户的提示词不工作 → 用 seedance-debugger

11 模型能力速查矩阵

工作流程

步骤 1：问 3-4 个关键问题

不要全部问，挑最影响结果的 3-4 个：

步骤 2：按决策树推荐

是编辑已有视频？
├── Yes → Runway Aleph（独家）
└── No → 继续
    ├── 要数字人/真人对口型？
    │   └── Yes → Wan 2.7（业界最准）
    ├── 要多人对话+精确配乐？
    │   └── Yes → Veo 3.1
    ├── 中文剧情/中式美学？
    │   └── Yes → 即梦 3.0（创作者） / Kling 3.0（开发者 API）
    ├── 极致物理感（水/火/动作）？
    │   └── Yes → Hailuo 02 > Sora 2
    ├── 创意爆款特效（变身/融化）？
    │   └── Yes → Pika 2.5（Pikaffects）
    ├── 本地部署/开源/LoRA 训练？
    │   └── Yes → Hunyuan 1.5
    ├── 极致电影质感/艺术片？
    │   └── Yes → Sora 2 > Runway Gen-4
    ├── 5/10/15 秒紧凑短片 + 环境音？
    │   └── Yes → HappyHorse 1.0
    └── 复杂多镜头叙事？
        └── Yes → Seedance 2.0 / Kling 智能分镜

步骤 3：输出格式

## 推荐模型

**最佳选择**：[模型名]
**理由**：[2-3 句话说明为什么]
**对应 skill**：[skills/xxx-prompter] （如果有）
**对应方法论**：[methodology/NN-xxx-公式.md]
**官方平台**：[链接]

**备选**：[模型名]
**为什么备选**：[一句话]

## 你的需求 → 我的判断

| 你的需求 | 对应能力 | 评级 |
|---|---|---|
| [需求 1] | [模型支持情况] | ★★★★★ |
| ... | ... | ... |

实战示例

例 1：用户问"我想做中文短剧"

澄清问题：

1. 短剧时长？10 秒以内的片段还是 1-2 分钟完整故事？
2. 要原生音频（角色对话）吗？
3. 偏向写实 / 古风 / 现代都市哪种？

用户答：单个片段 10 秒，要有对话，现代都市。

输出：

最佳选择：Kling 3.0 理由：中文理解业界并列第一（与即梦），原生音频支持角色定向发声，最长 15 秒单段，5 层进阶公式天然适合剧情。

对应 skill：skills/kling-prompter 对应方法论：methodology/09-kling-公式.md 官方平台：klingai.com

备选：Wan 2.7（如果对话很多且需要数字人感强）/ 即梦 3.0（如果在剪映里直接做后期）

例 2：用户问"我有一段视频想改个风格，比如变水彩动画"

判断：编辑已有视频 → 直接推荐 Runway Aleph。

输出：

最佳选择：Runway Aleph 理由：编辑已有视频是 Aleph 的独家能力（其他 10 个模型都做不到）。re-style 动词专门用于风格转换，能保持原始运动和时序不变。

示例 prompt：

Re-style this clip as a hand-painted watercolor animation. Soft brush textures, flowing edges, warm palette. Preserve all motion and timing exactly.

对应方法论：methodology/13-六大模型公式速查.md#1-runway-gen-4--aleph 官方平台：Runway

备选：没有真正可替代的。如果非要，Hunyuan 视频也能改一些（开源），但不是 native 编辑能力。

例 3：用户问"我自己想搭一个本地视频生成，预算有限"

澄清问题：

1. GPU 配置如何？（24GB / 12GB / 8GB）
2. 主要用途？（个人玩 / 自训 LoRA / 商业）

用户答：RTX 4090 24GB，想自训 LoRA。

输出：

最佳选择：Hunyuan Video 1.5（8.3B 版本） 理由：开源最强、24GB 显存可跑、原生支持 LoRA 训练、社区活跃（ComfyUI 完整工作流支持）。

推荐参数：Q5_K_M GGUF + 30 steps + dpmpp_2m_sde + sgm_uniform + cfg 6.0 官方资源：

• GitHub: Tencent-Hunyuan/HunyuanVideo-1.5
• HuggingFace: tencent/HunyuanVideo-1.5
• ComfyUI 教程: docs.comfy.org

备选：CogVideoX（智谱开源）/ LTX Video（Lightricks 实时）— 这两个未纳入本仓库主目录，但同属开源阵营。

参考

• 11 模型能力对比详表：methodology/13-六大模型公式速查.md
• 五大模型公式对照：methodology/10-跨模型对比.md
• 官方资源汇总：RESOURCES.md

prompt-translator

跨模型提示词转换器。关键差异:不是凭 AI 直觉重写,而是查 110 条对照基准做 in-context learning。

何时不用此 skill

• 用户从零开始写一条新提示词(不是转换) → 用 seedance-prompter / kling-prompter / happyhorse-prompter 或 model-selector
• 用户问"用哪个模型好" → 用 model-selector
• 已有提示词出问题但不换模型 → 用 seedance-debugger

核心数据资产

prompts/data/cross-model-matrix.json — 这就是 translator 的"训练数据":

• 10 个核心场景:产品广告 / 情感重逢 / 滑板动作 / 图生视频 / 多人会议 / 恐怖悬疑 / 自然延时 / 抽象艺术 / 武侠决斗 / 萌宠爆款
• 每个场景 × 11 模型 = 110 条对照 prompt,每条严格遵循对应模型的官方公式
• 这构成"同一场景在 11 模型上的最佳写法对照",就是 translator 的查找表

工作流程

步骤 1:接收输入

最少需要:

• 源模型 (如 Sora 2 / Kling 3.0 / Wan 2.7)
• 源 prompt (用户的现有提示词)
• 目标模型 (用户想转到哪个)

可选:

• 转换偏好(更简洁 / 更详细 / 保留中文)

步骤 2:分析源 prompt 的语义内容

提取核心场景元素(与具体写法风格无关的):

• 主体(subject):是谁/什么
• 场景(scene):在哪/什么环境
• 动作(motion):发生了什么时序事件
• 情绪(mood):整体氛围
• 镜头(camera):怎么拍
• 音频(audio):需要什么声音
• 对白(dialogue):有无台词
• 风格(style):视觉锚点

这一步是剥离风格,提取语义。把 Sora 的 Style: → Cinematography: → Actions: 分层结构里的实际内容,抽象成"核心场景描述"。

步骤 3:查 110 条基准对照表找最相似场景

读取 prompts/data/cross-model-matrix.json,在 10 个场景里找与用户输入最相似的 1-2 个场景:

步骤 4:基于相似场景的对照模式,做转换

在 prompt 里给 Claude 这样的 few-shot 模板:

我要把这条 [源模型] 的 prompt 转换成 [目标模型] 的最佳写法。

【参考对照】下面是一个相似场景在两个模型上的对照写法:

[源模型 in scene-N]:
{基准数据中该场景在源模型上的 prompt}

[目标模型 in scene-N]:
{基准数据中该场景在目标模型上的 prompt}

注意观察:
- 字段标签的变化 (e.g. "Cinematography:" → "Camera:" → "镜头:")
- 段落结构的变化 (e.g. 分层 → 5 层 → Entity+Scene+Motion+Sound)
- 措辞密度的变化 (e.g. 100 词 → 30 词 → 中文短句)
- 音频处理的变化 (e.g. "Background Sound:" → "Audio:" → "Sound:")

【用户的源 prompt】
{源 prompt}

【请输出】基于上面对照模式,将用户 prompt 转换为目标模型最佳写法。保留所有语义内容,仅调整结构/标签/措辞。

步骤 5:输出格式

⚠️ 目标格式硬约束(每次必查)

无论源 prompt 是 prose 还是带标签,目标 prompt 必须严格遵循目标模型在 cross-model-matrix.json 里的标签格式。不要 prose 化输出。

自检清单(输出前必过):

1. 目标 prompt 有没有上表对应的标签/结构?
2. 数据库 cross-model-matrix.json 中该模型该场景的 prompt 长什么样?我的输出格式跟它一致吗?
3. 如果不一致,重写,不要凑合。

输出模板

## 转换结果

**源模型**: [Sora 2] · **目标模型**: [Kling 3.0]
**参考场景**: [scene-N-xxx · 用户输入最像哪个对照场景]

\`\`\`
[转换后的目标模型 prompt — 必须带上表对应标签]
\`\`\`

## 转换映射(供检查)

| 源结构 | 目标结构 | 注释 |
|---|---|---|
| Style: ... | Scene: + Audio & Style: | Sora 单一 Style 段拆成 Kling 的环境+风格混合 |
| Cinematography: ... | Camera: | 字段重命名 |
| Actions: - beat - beat | Action: 流畅描述 | 按 beats 列表合并成自然语言 |
| Background Sound: ... | Audio & Style: | 合并进风格段 |
| (无角色对白栏) | (保留对白嵌入 Action) | Kling 5 层不单独分对白 |

## 注意事项

- ⚠️ [目标模型] 与 [源模型] 在 [某能力] 上有差异:[具体说明,例如 "Kling 中文比 Sora 强,可考虑改成中文版本"]
- 💡 推荐参数:[根据目标模型给出宽高比/时长/分辨率建议]
- 🔄 如果效果不理想,试试:[备选转换方向,如再转 Veo 用多人对话能力]

实战示例

例 1:用户给一条 Sora 2 提示词,想转成 Kling 3.0

输入:

源模型:Sora 2 源 prompt:

Style: 1970s romantic drama, 35mm film with warm halation, slight handheld micro-shake.
A park bench at golden hour in late autumn. Two men in their early 30s.
Cinematography: Medium-wide, slow dolly-in. 40mm lens, shallow focus.
Actions:
- A sits down hesitantly
- A (low, hesitant): "It's been a long time."
- B turns, eyes widening
- B (warm): "Too long. I almost didn't recognize you."
- Both share a quiet laugh
Background Sound: Soft piano, ambient park, no music swell.

目标模型:Kling 3.0

步骤 2-3:识别这是 scene-2-reunion(情感对话)场景。

步骤 4:读基准数据中 scene-2-reunion 的 sora-2 和 kling-3.0 对照,提取转换模式。

输出:

## 转换结果

**源模型**: Sora 2 · **目标模型**: Kling 3.0
**参考场景**: scene-2-reunion(情感双人对话)

\`\`\`
Scene: A park bench at golden hour in late autumn, amber sunlight filtering through bare branches, fall leaves drifting through the frame.
Characters: Character A (early 30s, hesitant) and Character B (early 30s, expressive).
Action: A walks up and sits down beside B with visible hesitation. A says: "It's been a long time." B turns slowly, eyes widening with recognition, replies warmly: "Too long. I almost didn't recognize you." They share a quiet laugh that breaks the tension.
Camera: Slow push-in on A as he speaks, over-the-shoulder cut to B's reaction, ending on a held wide two-shot.
Audio & Style: Soft solo piano underscore building gently, ambient park sounds (distant kids playing, leaves rustling), warm cinematic teal-and-amber grade, 1970s romantic drama with 35mm halation aesthetic, naturalistic dialogue delivery.
\`\`\`

## 转换映射

| Sora 2 | Kling 3.0 | 注释 |
|---|---|---|
| Style: ... | (合并到 Audio & Style:) | Kling 5 层把 Style 嵌在最后一层 |
| Cinematography: 段 | Camera: | 字段重命名,Kling 更简洁 |
| Actions: beats + dialogue 嵌入 | Action: 自然语言 + 嵌入对白 | Kling 5 层 Action 段直接含对白,不像 Sora 用 beats 列表 |
| Background Sound: | (合并到 Audio & Style:) | Kling 把音频与视觉风格放一段 |
| (无 Characters: 段) | Characters: 显式列角色 | Kling 5 层强制要求 Characters: 段 |

## 注意事项

- ✅ Kling 5 层结构能很好承接 Sora 的所有内容
- 💡 推荐参数:16:9 / 10s / 1080p
- 🌐 Kling 中文理解优于 Sora,如果场景偏中式可把对白和场景描述改成中文(Kling 中文是业界并列第一)
- 🔄 如果想要更强的音画对白同步,再转 Veo 3.1(原生音频最强)

例 2:用户的 Wan 2.7 提示词转 Hailuo 02

(同样的查表流程,参考 scene-5-meeting 或最相似场景的 wan-2.5 ↔ hailuo-02 对照行)

例 3:用户的 Kling 中文 prompt 转回 Pika 简洁英文

(参考 scene-1-perfume 或最相似场景的 kling-3.0 ↔ pika-2.5 对照行,强调 Pika 的"单一焦点 / no morphing"约束)

局限性 — 必须诚实告知

⚠️ 本 skill 是基于 110 条公式对照数据的查表式转换,不是基于实测视频效果的端到端优化。

做不到:

• 无法保证转换后的 prompt 在目标模型上实际生成的视频质量
• 无法预测目标模型的特殊脾气(模型频繁迭代)
• 无法替你做最终的 A/B 测试 — 这必须实际跑

能做到:

• 把源 prompt 重新组织成符合目标模型公式的结构
• 保留所有语义内容(主体/场景/动作/音频/风格)
• 指出关键的字段映射和风格差异
• 给出推荐参数和后续优化方向

最佳实践:把转换结果作为"起草稿",在目标平台实测后微调。如果发现某条转换效果稳定,欢迎 PR 加到 cross-model-matrix.json 作为新场景的对照样本(详见 CONTRIBUTING.md)。

路线图(等数据更扎实再做)

资源

• 基准数据:prompts/data/cross-model-matrix.json
• 数据说明:prompts/cross-model/README.md
• Web 查询界面:tools/cross-model/index.html
• 各模型公式:methodology/ 13 篇 SOP
• 跨模型对比:methodology/10-跨模型对比.md + methodology/13-六大模型公式速查.md

seedance-debugger

输入：有问题的提示词 + 用户描述的症状（或视频截图）。 输出：诊断（根因） + 修复后的提示词 + 解释为什么这样改。

何时不用此 skill

• 提示词完全没写，只是想要新提示词 → seedance-prompter
• 想拆复杂剧情 → seedance-storyboard

12 类问题诊断手册

详见 methodology/08-避坑12问.md。这里给出快速决策树。

症状识别 → 跳转

1. 人物 ID 漂移

根因：参考图混用（人脸 + 全身 + 服装在一张图） OR 人脸占比过小。

修复策略：

1. 让用户额外准备一张大头照（只包含面部，无表情最佳）
2. 提示词中明确区分：<主体1> 的面部特征参考图片1（大头照），妆造参考图片2（全身照）
3. 重要素材前置

反例：将图1中的人物作为主角... 正例：将@图片1（大头照）的面部特征作为主角面部锚点，@图片2（全身照）作为整体妆造参考。主角...

2. 字幕

根因：参考图/视频中包含文字；竖屏更易触发。

修复策略：

1. 加约束：保持无字幕，避免生成任何文字或字幕
2. 如果参考素材包含文字 → 先用 Seedream 编辑去除
3. 业务允许下，优先横屏生成

3. Logo / 水印

修复策略：在提示词末尾加 不要生成水印，不要生成Logo

4. 风格漂移

根因：参考图风格与目标风格不一致 + 提示词未强调风格。

修复策略：

1. 在提示词中明确风格约束：2D 日漫风格 / 3D 国风漫画 / 写实电影感
2. 更精准的做法：先把参考图变成目标风格，再生视频

5. 延长跳变

根因：模型续写帧与原视频帧对齐误差。

修复策略（后期剪辑修补）：

1. 把视频导入剪映
2. 前一段视频末尾删 6 帧
3. 后一段视频开头删 1 帧
4. 重复所有拼接点
5. 续写时以转场切镜的时刻结尾，下一段以结尾切镜后的新场景为起始

6. 双胞胎

根因：人物三视图作参考 OR 主体定义不清晰。

修复策略：

1. 明确人物主体关联：张三（对应图片1）将绿色存折扔向站立的李四（对应图片2）
2. 添加全局约束：

   视频全程禁止出现外形、着装、配饰完全一致的人物，
   禁止生成同款分身、双胞胎效果，
   同一画面中仅保留单个对应人物，不出现人物重复复刻。
   

3. 优化参考素材：单人独立照片，不用三视图
4. 精简提示词：别把完整剧本塞进去

7. 画质劣化

根因：延长续写时画质逐次衰减，尤其人脸区域。

修复策略：

1. 白模中转法：先用 Seedance 把原视频转为白模视频，再做续写输入
   • 参考提示词：将视频转为白色 3D 模型，人物统一为纯白 3D 模型，无色彩、无纹理、无阴影，纯白背景，结构稳定、运动流畅
2. 优先选高清图片作参考
3. 控制续写次数，避免多次叠加

8. 特效不对

根因：文字描述特效，模型理解偏差。

修复策略：用参考视频定义特效，让模型精准理解形态与运动逻辑。

• 例：数字"2999"出场方式参考视频1

9. 参考人物过多

根因：>4 人时输出稳定性下降。

修复策略：分步生成

1. 把人物分组（如 6 人分成 2 组每组 3 人），分别生成图片
2. 用第一步的分组图片作参考，生成最终视频

10. 结尾噪音

修复策略：用剪映音量包络线做音频淡出

1. 视频导入剪映
2. 选音轨 → 音频 → 音量包络线
3. 视频临近结尾处，末尾音量关键点下拉至 0，形成向下斜坡

11. 中文发音

修复策略：把易读错字换成发音一致的常用同音字

• 例：鳞龙山 → 吃龙山

12. 音色不准

修复策略：

1. 提示词中补充细致音色特征描述：使用@音频1低厚温润带细碎颗粒感中年男声的音色说"……"
2. 保持台词风格与参考音频的语气、表述风格相近

工作流程

步骤 1：症状采集

如果用户只说"效果不对"，问 3 个问题（必问）：

1. 症状是什么（看到了什么不该看的 / 没看到什么该看的）？
2. 原始提示词是什么？
3. 用了什么参考素材（图/视频/音频）？

步骤 2：诊断 → 输出

对照上面 12 类，给出诊断报告：

## 诊断

**症状**：[用户描述]
**对应问题类别**：第 N 类「问题名」
**根因**：[2-3 句解释]

## 修复后的提示词

\`\`\`
[修复版提示词]
\`\`\`

## 改了什么

| 原版 | 修复版 | 原因 |
|---|---|---|
| [片段] | [片段] | [说明] |

## 还可能的根因

如果上面修复还不行，可能是 [其他可能性]，可以再问我。

步骤 3：必要时升级建议

如果症状是"延长画质劣化"、"音色不准"这类靠提示词解决不了 100% 的问题，明确告诉用户：

⚠️ 这是当前 Seedance 2.0 的已知限制，提示词只能降低出现概率，无法 100% 规避。建议：[具体的后期补救方案]

实战示例

示例 1：双胞胎（最常踩）

用户输入：

我让两个角色对手戏，结果生成出来画面里有四个一模一样的人，提示词是这个：

一个穿红色西装的男人和一个穿蓝色西装的男人在会议室争吵，桌上有文件散落，
他们都看起来很愤怒，镜头中景跟拍。参考图1是红西装男的三视图。

参考素材就一张三视图。

诊断

修复版

将@图片1（三视图取正面）的男性定义为「张三」，穿红色西装；
另一名男性「李四」穿蓝色西装（无参考图，自由生成，与张三外貌差异显著）。

会议室场景。张三（红西装）与李四（蓝西装）隔着会议桌争吵，
桌面散落文件。张三右手拍桌，李四起身指向张三。中景跟拍，
镜头从张三背后绕到李四正面。

视频全程禁止出现外形、着装、配饰完全一致的人物，
禁止生成同款分身、双胞胎效果，同一画面中仅保留张三与李四两人，
不出现人物重复复刻。不要生成水印、Logo、字幕。

改了什么

还可能的根因：如果还出现重复，把"参考图1"换成单角度独立照（不用三视图），问题解决率 > 90%。

示例 2：风格漂移

用户输入：

我想生成日漫风格的女主走路，结果出来是真人。

一个长发女孩走在樱花飘落的街道上，粉色头发，大眼睛，微笑。

参考图是这个女孩的真人照片。

诊断

修复策略：两步走比纯改提示词更可靠。

第一步：先用 Seedream 把真人参考图转为日漫风格图（prompt 示例：将这张照片转为 2D 日漫赛璐璐风格，保留人物五官特征，大眼睛、樱花色调）。

第二步：用转好的日漫风参考图，搭配下面修复版提示词：

2D 日漫赛璐璐风格，@图片1 的粉发女孩走在樱花飘落的街道上，
微风吹动发丝，樱花瓣缓慢飘落。中景跟拍，镜头从侧面缓慢推近，
最后停在她回眸微笑的特写。柔和粉色调，边缘清晰的线稿感，
扁平上色，无写实质感，无毛孔细节。不要生成水印、Logo、字幕。

改了什么

还可能的根因：如果只改提示词不换参考图，模型仍有 50%+ 概率漂回真人 — 参考图是风格主锚点，必须先改它。

示例 3：字幕 + 水印一起出

用户输入：

视频右下角莫名出现一个商店招牌字幕，左上角还有个像水印的东西。提示词：

雨天的咖啡馆窗外，一个女人撑伞走过，镜头透过雨水模糊的玻璃拍摄。

诊断

修复版

雨天的咖啡馆窗外，一个女人撑伞缓步走过，镜头透过雨水模糊的玻璃拍摄。
雨滴沿玻璃斜流，女人身影在水雾中朦胧，背景街道灯光晕染成暖色光斑。
中景固定机位，景深浅，玻璃前景虚化。

保持无字幕，避免生成任何文字或字幕；
不要生成水印，不要生成 Logo；
玻璃窗及背景街道不出现任何店招、标语、品牌文字。

改了什么

还可能的根因：如果业务允许，改横屏会进一步降低字幕概率（竖屏 9:16 容易把字幕当海报排版处理）。

参考资源

• Masterclass(10 YouTube 教学综合):methodology/15-seedance-masterclass.md — 实战避坑 12 条扩展(头盔消失/超 3 角色/上传失败/超字符限制/AI 乱切/音频太模糊)

• 12 问完整版：methodology/08-避坑12问.md

• 约束词清单：methodology/06-约束词清单.md

• 特殊字符规范：methodology/07-特殊字符规范.md

seedance-prompter

把用户的"我想要什么样的视频"转换成 Seedance 2.0 能理解的工程级指令。

何时不用此 skill

• 用户描述的是 5/10/15 秒紧凑短片 或 要原生带音频 → 用 happyhorse-prompter
• 用户已有提示词但效果不对 → 用 seedance-debugger
• 剧情复杂需要多镜头切换 → 用 seedance-storyboard

核心方法论：进阶公式

精准主体 + 动作细节 + 场景环境 + 光影色调 + 镜头运镜 + 视觉风格 + 画质 + 约束条件

详见 methodology/02-进阶公式.md。

工作流程

步骤 1：澄清需求（必要时）

如果用户只给了一两句话（"做个香水广告"），先问清楚以下要素中至少 3 项（不要问全部，挑最影响结果的）：

例外：如果用户说"随便""快"或给了参考图，直接生成一版给他改。

步骤 2：按 8 要素填充

写英文（Seedance 对英文响应更好），但用户的核心元素用原文保留（人物名字、品牌名、专有名词）。

模板骨架：

[Subject with 2-3 stable identifying features].
[Action with specific body parts + speed/intensity].
[Scene/environment].
[Light source + time of day + color tone].
[Camera size + movement + angle].
[Visual style + film grain/aesthetic anchor].
[Quality: cinematic / 4K / photorealistic].
[Negative: avoid ...; no watermark; no logo; preserve face stability].

步骤 3：检查避免错误

提交前自查：

• 提示词 50-200 词之间？
• 一个镜头只指定 1 种运镜方式（不要同时推+拉+摇）？
• 没有矛盾词（如 8mm + 4K、slow motion + high speed）？
• 有约束条件（至少 no watermark, no logo）？
• 多主体场景已用标签区分（"警察"/"小偷"）？

步骤 4：输出格式

给用户一份完整的提示词，加 3 个说明：

## 生成的提示词

\`\`\`
[完整提示词]
\`\`\`

**推荐参数**：宽高比 [X:Y] · 时长 [N 秒] · 分辨率 1080p
**关键技巧**：[1-2 句说明这条提示词的设计思路]
**可调点**：[告诉用户可以怎么改 — 比如换光影/换风格/换镜头]

实战示例

用户输入："给我做个咖啡的广告"

澄清问题（一次性问，不超过 3 个）：

1. 镜头视角偏好 — 极特写质感（油花/蒸汽）还是中景实景（咖啡馆桌面）？
2. 情绪基调 — 温暖（晨间/木质） 还是 高端（黑底/聚光）？
3. 投放渠道 — 竖屏抖音 / 横屏电视 / 正方形 IG？

用户答：极特写、温暖、竖屏。

输出：

Extreme close-up of rich cream being poured into a freshly brewed dark espresso in slow motion, creating a mesmerizing vortex pattern across the crema surface. Wisps of steam rise softly from the cup. Warm tungsten side-light highlights the contrast between cream and coffee, casting soft amber reflections on the ceramic edge. The camera slowly pulls back from macro to medium shot, revealing a styled wooden café table with a sprig of cinnamon and a folded linen napkin. Commercial quality, appetizing warm color grading, 4K, shallow depth of field, photorealistic liquid dynamics. No text overlays, no watermark, no logo.

推荐参数：9:16 · 8 秒 · 1080p 关键技巧：单镜头单运镜（仅 pull back），用极特写 → 中景的尺度变化制造戏剧性，slow motion + 温暖色调强化食欲。 可调点：把 tungsten side-light 换成 morning window light 可改成晨间感；加 with pour sound audible 提示音频路径（注意：Seedance 2.0 需独立处理音频）。

参考资源

• 进阶公式：methodology/02-进阶公式.md
• Masterclass(10 YouTube 教学综合)：methodology/15-seedance-masterclass.md ⭐ 9 要素公式 / Timeline Prompting / 5 种爆款 / VFX 技巧 / 8 个模板
• 运镜词典：methodology/05-运镜词典.md
• 约束词清单：methodology/06-约束词清单.md
• 117 条实测提示词：prompts/seedance/README.md

质量后缀(每条 prompt 都加)

来源:Masterclass §1 — The ULTIMATE Seedance 2.0 Prompting Guide

4K, ultra HD, rich detail, sharp clarity, cinematic textures, stable picture.
Maintaining face and clothing consistency without distortion or high detail.
Generate the video without subtitles.

seedance-storyboard

剧情 → 多镜头分镜。Seedance 内部把时间和空间解耦，复杂视频最理想的形态是时间轴化分镜。

何时不用此 skill

• 单一镜头单一动作 → 用 seedance-prompter
• 5/10/15 秒紧凑短片（HappyHorse 主战场） → 用 happyhorse-prompter
• 想做循环视频 → 单镜头 + loop-ready motion with seamless start and end frames

核心规则

详见 methodology/03-分镜时序.md。

1. 使用 镜头1、镜头2、镜头3 等标识，按事件发生顺序组织（先主后次）
2. 不强制限制每段时长（"00-03s"这种写法不稳定，让模型自然生成节奏）
3. Seedance 最多 15 秒，所以镜头数控制在 3-5 个最稳
4. 每个镜头按 4 维度组织：
   • 运镜或镜头切换方式（如 "全景缓慢推近"、"固定机位"、"镜头切至…"）
   • 主体动作与表情（核心角色 / 物体的关键动作、神态变化）
   • 位置或空间变化（主体所处的场景、位置或空间关系）
   • 音频信息（音效、人声或背景音乐）

工作流程

步骤 1：解析剧情

把用户给的剧情拆成 3-5 个关键节拍。每个节拍对应一个镜头。问自己：

• 这一刻最关键的画面是什么？
• 这一刻的情绪锚点是什么动作/表情？
• 上下镜头之间怎么承接（动作惯性 / 切场 / 时间跳跃）？

步骤 2：确定素材角色

如果用户提到要用参考图/视频，明确每个素材的"功能角色"：

推荐配置：4-5 个素材，不要用满（过多会导致风格冲突）。

步骤 3：用模板拼接

[素材分配 + 主体定义]，参考 @视频X 的运镜方式（如有）。

镜头 1：[运镜] + [主体@素材N 的动作与表情] + [位置/空间] + [音频]。
镜头 2：[运镜切换] + [主体@素材N 的动作变化] + [位置变化] + [音频]。
镜头 3：[运镜] + [主体动作] + [位置] + [音频]。

[整体约束：风格/色调/质量/稳定性]

步骤 4：检查

• 每个镜头只指定 1 种运镜（不要同时推+摇）
• 多主体场景：每个角色用稳定标签指代（"警察"/"小偷"，避免代指混乱）
• 涉及主体时明确指代（"@图片N" 或 "<主体N>"），不要省略
• 动作具体到肢体（缓慢抬手、用力蹬地），避免"奔跑""战斗"这类抽象动词
• 情绪具象外化（参考 情绪外化表）

步骤 5：输出格式

## 分镜脚本

\`\`\`
[完整分镜提示词]
\`\`\`

**镜头数**：N 个 · **推荐时长**：10-15 秒 · **比例**：[X:Y]

**镜头节拍分析**：
- 镜头 1（建立）：[简述]
- 镜头 2（发展）：[简述]
- 镜头 3（结尾）：[简述]

**素材建议**：[告诉用户准备哪些参考素材]

实战示例

用户输入："女主在医院接到坏消息后崩溃"

节拍拆分：

1. 接电话前的平静（建立）
2. 接到消息瞬间的凝固（转折）
3. 私下独处时的崩溃（释放）

输出：

将@图片1的中年女性定义为主角，故事场景设定在@图片2的医院走廊。整体运镜参考@视频1
的中景跟拍。

镜头 1：医院走廊白炽灯下，主角@图片1 靠在墙边低头看手机，肩膀放松，嘴角带着浅
        浅的微笑回复信息。中景平稳跟拍，从侧面缓慢推近。窗外傍晚柔光，画面
        色调温暖。<远处护士站的低语声和脚步回声>。

镜头 2：手机响起，她抬手接听，镜头切到面部特写。瞳孔瞬间放大，下颌线绷紧，呼吸
        屏住三秒。她的手指无意识地攥紧手机壳。固定机位，焦点锁定在眼神变化上。
        背景虚化，色调变冷。<电话听筒里隐约的机械嗓音 + 心跳声渐强>。

镜头 3：她快步走进走廊尽头的洗手间，背靠门缓慢滑坐到地上，双手抱住膝盖，肩膀
        开始无声颤抖。镜头从上往下缓慢拉远，最后定格在她蜷缩成一团的全景。
        荧光灯白光与瓷砖冷调。【背景音】只剩水龙头滴水声和压抑的抽泣。

全程画面高清电影纪实风，色调由暖转冷，光影柔和；人物面部稳定不变形，动作自然
流畅，无卡顿无闪烁；不要生成水印、Logo、字幕。

镜头数：3 个 · 推荐时长：12-15 秒 · 比例：16:9

镜头节拍分析：

• 镜头 1（建立）：温暖、放松，制造反差铺垫
• 镜头 2（转折）：固定机位 + 面部特写 + 音效突变，把情绪锁在瞳孔变化
• 镜头 3（释放）：拉远镜头 + 蜷缩姿态 + 滴水声，让悲伤"被看见"而非被讲述

素材建议：女主大头照 1 张 + 女主全身照 1 张（保 ID 一致） + 医院走廊场景图 1 张 + 中景跟拍参考视频 1 段。共 4 个素材，不要再加。

参考资源

• 分镜时序：methodology/03-分镜时序.md
• 情绪外化表：methodology/04-情绪外化表.md
• 特殊字符规范：methodology/07-特殊字符规范.md（音乐 () / 音效 <> / 台词 {} / 字幕 【】）
• 实战案例：宿舍情感短剧、古风悬崖对手戏 → methodology/02-进阶公式.md