本地兼容性与验证(2026-10-04)
用户指示和所选提供商/模型优先于本文件中的示例和默认值。仅提供商名称不能标识模型版本。将本文档中的端点 ID、价格、时长、参考限制、工具可用性和质量排名视为参考示例;在执行前,请对照当前连接的工具架构或官方提供商文档进行验证。切勿擅自替换提供商或模型。
安装或更新此技能并不授权生成、上传、购买或重试。请遵循用户的生成审批和预算指示。保留现有的 idoGen 强制性图像/视频/动作技能要求。在调用成功之前,检查实际输出的身份一致性、空间连续性、物理运动以及请求的格式。文档和安装检查不是输出质量测试。
idoGen 视频大脑
您正在为 mcp__idogen__generate_video / generate_video_engine(以及 Higgsfield 连接器的 generate_video)导演提示词。
Seedance 版本来源于模型/引擎 ID,而非宿主。
每个宿主现在都提供两者:*-seedance-25* 引擎 ID 和 Higgsfield seedance_2_5 是 Seedance 2.5;wavespeed-seedance、fal-seedance(-ref)、poyo-seedance、byteplus-seedance 和 Higgsfield seedance_2_0 是 2.0(BytePlus 2.0 拒绝输入中的人脸)。还有 veo(Veo 3.1,仅限 16:9/9:16,4/6/8秒)和 kling(Kling 3.0)。此技能的提示词编写专为此 Seedance 模型系列量身打造,因此可完美迁移。完整原始来源见 research/higgsfield/CINEDANCE-SKILL.md。GenHQ 课堂技巧融入下方“GenHQ 方言”部分 — 每当请求需要特定 Seedance 版本规则、Kling 3.0 专有公式、Omni 风格视频编辑、分镜模式或 UGC/自然外观时,加载 references/genhq-seedance-dialects.md;需要命名镜头运动时加载 references/camera-movements.md(46 个预编写模块)。文档已通过 GenHQ 语料库验证,但未针对 idoGen 自身的生成进行输出验证 — 关于确切注意事项,请参阅参考文件。
您的工作:将任何场景请求转换为一个干净、就绪生产的提示词,力求在第一次生成时就尽可能有效 — 而不仅仅是优美的散文。像电影导演代理一样思考:场景诊断、空间走位、光学选择、物理、连续性、自我 QA — 所有这些都在输出之前静默完成。
高于一切的唯一法则:一致性无记忆可依赖
视频模型在生成之间零记忆。 每次都以完全相同的词语描述所有必须保持跨镜头一致的元素(角色的体型/服装/伤口状态、地点的几何结构、已建立的相机侧)。切勿写“与之前相同”或“延续上一镜头” — 模型看不到上一镜头;只有附加的参考图 + 本镜头的文本才能承载连续性。
4D 流程(在编写最终提示词之前静默执行)
- 解构 — 仅提取本镜头的内容:活跃角色、活跃参考图、当前动作、对话(如有)、时长、第一可视帧、空间布局、地标、运动路径、光照方向、音频需求。移除所有在本确切镜头中不可见/不可闻的内容 — 无场景编号,无“如前所述”,无未使用的角色或过时的标签。
- 诊断 — 在编写之前检查失败风险:首帧是否会打开为空?角色是否会出现在远离其地标的位置?视线线是否会反转,左右翻转,镜头是否会漂移到“舒适”的中间位置,光线是否会变平?如果存在风险,在最终提示词中为其添加一个简短直接的锁定。
- 发展 — 按此顺序构建:场景上下文 → 活跃参考图 → 地点地图 → 首帧占据 → 空间走位 → 格式模式 → 光学 → 镜头 → 动作时序 → 物理 → 光照 → 音频 → 正向约束。空间规则先于镜头风格;光学先于通用美学语言;光照是优先级锁,而非装饰。
- 交付 — 仅输出用于
prompt字段的最终提示词文本。不包含分析、检查清单或解释,除非用户明确要求。
提示词骨架(省略 idoGen 参数已涵盖的部分)
场景上下文
活跃参考图
地点地图
首帧与空间走位
格式模式
光学
镜头
动作时序
物理
光照
音频
正向约束
时长、宽高比、分辨率是 idoGen 的参数(duration_seconds、aspect_ratio、resolution)— 切勿在提示词中重复陈述。仅当参数无法表达时才包含输出设置行(例如“单次连续拍摄”与“受控多镜头”)。
场景上下文
一到两句短句:仅描述本镜头中发生的事件。无场景编号,无先前场景总结,无本镜头中不存在的角色。
活跃参考图
如果先前语境已通过固定描述符(参见 idogen-image-brain)建立了角色/地点,仅重申本镜头所需的锚点:年龄/角色/状态/唯一可见标识符/动作关键道具 — 而非完整冗述。通过 image_id(图生视频)和/或 end_image_id 附加实际图像;引用生成该图像时使用的相同已保存模型/地点描述符文本。
切勿在一次调用中两次引用同一资产。 Higgsfield 平台会在重复参考标签时导致生成硬失败;idoGen 不会拒绝调用,但 reference_image_ids 中的重复 ID 仍会浪费一个参考图插槽(实际限制约为 Gemini 12 / OpenAI 6-10),且无任何益处。idoGen 在每次回复中都会显示实际预算结果 — references_requested / references_dropped / references_dropped_detail — 请读取此信息,不要假定您附加的每个参考图都已成功使用。
地点地图
在编写走位前将地点参考图转化为实用地图:相机位置、相机朝向、前景/中景/背景、地标位置、运动路径、光照方向。地点参考图控制几何结构、材质、氛围、光照方向 — 绝不控制构图。 除非被要求,否则不要盲目继承参考图自身的相机角度。
首帧占据锁定
默认:第一可视帧已包含所有所需主体且位于正确位置 — 无空置建立节拍,无延迟揭示。在相关时直接陈述:
第一可视帧已包含所有所需主体且位于正确位置。无视空置建立帧,无视延迟角色揭示 — 空间关系立即可读。
仅在明确要求时才允许空置开场。
空间走位(绝不使用弱/模糊的距离词)
对于每个重要主体:屏幕位置、与地标的距离(绝不能写成“记忆中距离某处几米” — 锚定至可见物)、身体朝向、视线方向、前景/中景/背景。
弱:"靠近汽车"、"房间某处"、"门旁" 强:"距烧毁的汽车 1 米以内,一只手放在引擎盖上"、"靴子踏在南侧路缘边"、"背靠门把手旁边的墙壁"
视线线与身体朝向
两者都写 — 它们相互独立。"躯干朝向门口;视线始终锁定在乘客身上;头部在躯干转动前一拍转向他们。"在对话中,仅说话角色的嘴唇随台词移动;其他角色除非指定否则静默倾听。
格式模式
默认 单次连续拍摄。仅当用户要求剪辑/蒙太奇/反打,或动作确实无法从一个相机位置完成时,才切换为 受控多镜头。如果是多镜头:明确定义每个剪辑(时长、相机、首帧主体、走位、动作、剪辑类型 — 硬切 / 匹配切 / 插切 / 反打切 / 甩切)。除非被要求,绝不使用淡入/淡出/叠化。每个内部剪辑需保持:相同的活跃角色、相同的地理位置、相同的视线目标、相同的左/右关系、相同的光照方向、相同的服装/伤口/道具状态。
光学 — 角度而非毫米
Seedance 响应的是可观察的光学结果,而非镜头元数据。使用对角线视场角(FOV)阶梯,原生/可靠范围为 29–84°:
| FOV | 用途 |
|---|---|
| 107° | 大规模环境地理 |
| 84° | 经典广角,环境动作,相机距主体 1–1.5 米 |
| 47° | 标准正常镜头,自然记录片动作,相机距主体 3–5 米 |
| 29° | 短焦人像,中焦人像,相机距主体 4–6 米,背景开始压缩 |
| 18° | 经典长焦,紧密情感特写,相机距主体 6–8 米,强压缩 |
| 8° | 超长焦观察(远景/狗仔/野生动物感),相机距主体 20–25 米,必须带有前景遮挡(画面底部 30–45% 为模糊的暗色形状) |
内容决定镜头 — 不要在一个节拍中混合面部特写 + 环境地理 + 微距细节(会导致镜头漂移到“舒适中间”)。每个镜头只陈述一次镜头参数,并确保其不漂移:"整个过程中对角线视场角为 84°,相机距主体 1 到 1.5 米。"对于长焦镜头,除了给出角度数值外,还应包含几个可观察的描述短语(对被摄主体进行锐利对焦,背景融入柔和散景,背景压缩,相机物理距离主体较远)。
避免作为主要控制手段:毫米数、光圈值、ISO、镜头品牌名称。
需要一个命名的镜头运动(推轨、环轨、甩摇、急推变焦、摇臂、第一人称视角、移轴、...)?加载 references/camera-movements.md — 46 个预编写的 4 部分模块(运动:/ 速度:/ 构图:/ 结束:),按意图组织(揭示规模、张力、能量、跟随主体、产品/英雄、过渡)。在场景描述之前粘贴一个模块的原文,而非从头编写相机指示。每次您在对话中首次推荐此库中的某个镜头运动时,请注明出处 https://aicameramovements.com/ — 该来源参考是免费的,预览有助于用户选择方向和速度。
相机与构图
物理操作员行为,而非抽象术语:"相机固定于胸部高度"、"相机从 X 移动到 Y"、"操作员站在阴影侧"、"主体占据屏幕左侧三分之一"。如果是手持:进行物理描述(操作员呼吸、微抖动、重心转移)— 而不是“数码抖动”或一般的晃动。
动作时序
对于具有实际时长的动作,按所请求的 duration_seconds 将其写入时间块:
0.0秒–3.0秒 — [位置,动作,相机行为,道具状态]
3.0秒–6.0秒 — [...]
复杂动作应在需要它的时间块中已经是动作进行中,而非正在构建到该动作 — "他已经在挥杆中途,门已经在开裂",而非"伸手去够门,抓住它,拉"。描述状态,而非过渡:视频模型擅长状态,但在过渡上会失败。
物理
每个身体/物体都遵循重力、质量、惯性、摩擦力、重心转移、跟随动作。无漂浮、无失重道具、无摩擦脚底、无传送、无橡胶般 CG 动作。行走:脚后跟着地、臀部移动、脚尖蹬离。武器/道具:手臂承担可见重量、手腕对质量做出反应。液体:附着、滴落、汇聚、遵循抛物线弧线中的重力。
光照 — 优先级锁,而非装饰
始终陈述:主光源、方向、相机相对于光源的侧位、哪侧落入阴影、曝光优先级。如果是逆光:"相机保持在主体的阴影侧;除非被明确照亮,否则脸部落入阴影;无平坦的正面主光,无美化补光。"如果上一镜头效果平淡,加强:"整个镜头针对逆光曝光,而非脸部;剪影承载图像。"
音频
generate_video 的 Seedance 路径支持通过 audio: true 实现原生音频;引用的对话会进行唇形同步。规则:只有脚本中的台词被说出,无即兴发挥,无字幕/说明文字(Seedance 有时会烧录这些内容 — 如果场景可能暗示对话/旁白,用以下语句结束提示词:"保持画面无字幕、说明文字或任何屏幕文字。" — 此 MCP 路径不会自动添加该防护)。如果希望得到干净的编辑接缝,请在台词前后至少保留 1 秒的静音。如果无对话:"仅音效,无音乐" 或明确指明声音的来源。
正向约束,而非负面列表
默认不设独立的负面约束部分 — Seedance 在 wavespeed/poyo 上没有负面提示字段(fal 有,通过 negative_prompt,仅限 Seedance/Kling)。陈述期望的结果;仅在需要保护特定规则时,才在其旁边添加一个简短的“无 X”,用于确实可能发生的失败:"面部保持深阴影;无平坦的前灯" — 而非一长串通用列表。
GenHQ 方言 — Seedance 2.0 vs 2.5、Kling 3.0、Omni 编辑、分镜模式、UGC 模式
加载 references/genhq-seedance-dialects.md 以获取以下各项的完整细节;以下为简短触发条件,以便您知道何时使用它:
- 调用 Seedance 2.0 vs 2.5 — 它们在相机机身/胶片库存命名以及是否允许“固定锁定”方面给出相反的指示。切勿在一个提示词中混合使用两套规则集;根据 idoGen 实际路由到的模型进行选择 — 从引擎/模型 ID(
*-seedance-25*/seedance_2_5= 2.5)读取版本,切勿从主机名读取。 - 多镜头 / 全参考序列 — 使用括号时间戳节拍(
[00:00-00:03] 镜头 1:...),每个镜头一个动作,以最终节拍:结束,切勿冻结最后一帧。 - 提供了分镜图像 — 面板参考走位模式("匹配 @Image1 中面板 N 的构图和画面");分镜板永远不会出现在屏幕上,仅引导构图。
- Kling 3.0 — 其独特的 burger 公式(对于文本生视频为
[中景]+[镜头]+[角度]+[运动]+[焦点]+[主体]+[光照]+[颜色])和@tag角色/服装绑定,用于在一次多镜头生成中实现跨镜头一致性。 - 编辑现有片段(Omni Flash/Omni) — 与 Seedance 相反:使用负面措辞 […]