剩下的风格、情绪、氛围等也依次展开。按照上述步骤，大家就可以生成一个非常完整的提示词。

三、通用提示词生成框架：SCELA+

上面的八个要素大家记起来还是比较费劲，即梦团队根据以上各个元素，总结了一套名为 SCELA+  的提示词编写框架。它把提示词拆成场景、角色、表情动作、镜头语言、氛围情绪五个模块，末尾的加号代表可以额外补充光照、特效和参考素材。其实 SCELA+  框架本身的字母顺序就代表了提示词的生成顺序：先搭舞台，再安排演员，指导表演、设置机位，最后注入灵魂。这正是剧组的开工顺序，也是模型最容易听懂的顺序。

具体含义如下：

1. S 是场景，用三到五个具象元素搭出时空坐标：地点 + 时代 + 天气 + 核心道具 + 空间层次；

   
   

2. C 是角色，用“特征锚点”锁定辨识度：一个核心特征、多个辅助特征，加服装材质；

   
   

3. E 是表情动作：动作按起承转合进行拆分，表情按眼神、嘴角、微表情进行拆分；

   
   

4. L 是镜头语言：遵循“景别 + 运动 + 角度 + 焦点”的公式；

   
   

5. A 是氛围情绪：用通感调动多重感官；

   
   

6. + 号是补充说明：用来补光照细节、特效参数，或者用 @ 引用素材。

   
   

大家在编写提示词时，按照上述顺序进行编写，拼接起来就是一份完整的视频生成提示词，例如下面的例子：

四、画面质量提升提示词关键技巧

除了上述提到的 SCELA+  写作框架，要让你生成的画面更加完美，还有各种各样的小技巧。利用好这些技巧，会让你的画面更加生动、活灵活现。

4.1 运镜：不只写怎么动，还要写动多少

很多人只会简单描述“移动一下镜头”，这种虚的提示词模型只能瞎猜，结果要么不动，要么乱晃。

其实描写运镜可以从两个角度展开：

第一个角度是运镜方式，主要有推、拉、摇、移、跟、升降。推是向前靠近主体，拉是向后远离，摇是机身不动、镜头左右上下转，移是平行移动，跟是跟随主体，升降是垂直上下；进阶还有环绕、俯冲拉升、变焦、甩镜和轻微振动，分别对应转圈、俯冲、伪运镜、快速切换和手持的紧张感。

另一个角度是运镜参数：运镜速度是匀速还是变速，运镜幅度是“摇镜 30 度”还是“环绕半圈”，运镜起止点是从“人物脚部缓慢拉升至面部特写”，还是“从远景匀速推近至中景”。

所以大家以后可以将“慢慢推”这种含糊的提示词，修改为“匀速推近，3 秒完成”这类可执行指令，才能让画面生成的镜头更加稳固。

4.2 光照：五个维度定住画面质感

光照决定的不只是亮不亮，还有立体感、情绪基调和视觉质感。专业的光照描述，要补足五个维度。

先定主光源的位置，它决定明暗结构。常见就五种：顶光、侧光、逆光、底光、前光。举个例子，如果大家在提示词中写“主光源为 45 度左侧光，人物面部呈现经典伦勃朗三角光”，一句话就可以奠定画面整体的明暗关系与基调。

再定光源的性质。硬光来自直射阳光或聚光灯，阴影边缘锐利，适合强调轮廓和力量感；柔光来自阴天或柔光箱，过渡自然，适合人像。提示词里可以这样写明“硬光边缘锐利”或“柔光漫射过渡自然”。

然后是层次与色温。光的层次可以分为三层：主光定基调、补光填阴影、轮廓光把主体和背景分开。色温一般用来展示情绪，暖光（3000K）复古温馨，冷光（6500K）疏离，青橙对比自带电影感。

最出效果的是光影细节：阴影是软是硬，光线里有没有介质（丁达尔效应、雾中光束、可见的灰尘），表面是什么响应（金属反光、皮肤次表面散射）。一句很优秀的提示词对光影的描述是这样的：“夕阳穿过百叶窗投下条纹阴影，灰尘在光束中飞舞”。这一句加进去，画面立马有了立体的空气感。

4.3 情绪：把抽象感受翻译成身体信号

情绪其实非常难写，也非常决定角色的真实性和观众的代入感，是决定视频生成成败的关键因素。

对视频生成大模型来说，它并不认识具体的情绪，例如“悲伤”；但如果大家这样描述：“眼眶泛红、泪水打转、嘴角颤抖、喉结滚动”，很明显大模型可以生成出来。这就是描写情绪需要用到的“外化翻译法”。简而言之，就是把抽象情绪翻译成可视化的身体信号。

4.4 别写“不要”

在视频生成大模型的提示词编写中，有一套反直觉的原则：尽量别在提示词里写“不要”。对于字节跳动的 Seedance 大模型来说，它不太能理解否认指令，往往是你越强调不要什么，画面里越容易出现什么。所以很多时候我们需要换一个说法。

将“不要手指错误”改成“手指自然弯曲，五指分明”，“不要背景闪烁”改成“画面全程稳定，无闪烁”，“不要多余的人”改成“仅单人出镜，无额外角色”。

4.5 画面数值化：把大概变成具体参数

前面的技巧解决的是画面“像不像”的真实感问题，画面数值化主要用来解决“准不准”的问题。

画面数值化最有用的是时间轴。把 15 秒切成几段，用 [03秒]、[46秒] 标出来，每段只安排一个核心动作。

还有一种数值化的应用是细节的强度。比如“运动强度 7/10”就很实用，限定了范围的同时给出了当前画面的具体强度，模型生成得会更准。

涉及复杂物理效果时，还可以直接声明参数，如“重力系数=0.8”“布料柔韧度=high”。数字不是玄学，而是在告诉模型“到什么程度”。

4.6 多镜头

目前豆包的 Seedance 大模型支持最长生成 15s 的视频。要让这么短的时间具有叙事感，推荐使用多镜头叙事，而不是一个镜头拍到底。

对于时间轴分段的提示词来说，可以这样设计：按“起承转合”拆成三到五段，开头建环境，中间用中景带主体，再用特写抓情绪，最后拉远收尾。段与段之间的光影过渡和叙事衔接，交给模型自己计算。

还有一些进阶的做法是景别递进，让“远景到中景再到特写”形成一条视觉路径；还可以融入“术语”，比如“在恐慌时刻应用希区柯克变焦，随后环绕镜头展示空间关系”。

4.7 提示词精简

学了这么多框架和技巧，这时候大家可能会说：是不是我的提示词把每一方面都写得特别完善，生成的效果就一定好呢？

其实不然。对于 Seedance 模型来说，最佳的提示词生成区间是 30–200 个词，超出这个范围，质量会明显下滑，主要是因为模型的注意力被稀释了。有实测显示，冗余度超过 38%，模型对动作指令的响应准确率会明显降低。

当然了，精简并不是让你机械地删除文字，而是要有“保留动作骨架，剥离修饰脂肪”的思想，一定要保留主体特征和核心动作。对于一些需要大量描写面容的词句，可以使用“@图1 参考面容”上传需要的面容图片，既能保持面容的一致性，又能很好地压缩内容。

下面举一个例子：

原来冗长的提示词：

将 video-prompt-director skill 添加到你的skill技能库中

2. 输入想要生成的相关场景，得到提示词加持的智能体会给出需要输入的建议和必需参数