分析视频 → 可复用提示模板
用户发现了一个他们喜欢的视频风格。你的任务是将其解构为一个可复用的提示模板——一个可以插入任意产品、人物或场景,并从 Seedance 2.0 中获得相同风格的配方。
关键约束:Seedance 2.0 每个片段最长 15 秒。 参考视频可能超过 15 秒(通常 30-60 秒)。你的模板必须设计用于 15 秒输出——这意味着将风格的精髓提炼到单个 15 秒片段中,并提供多片段策略,以跨一系列片段重现更长时间风格的全部效果。
输出不是单个提示。它是一个模板技能,保存到 skills/arcads-external-api/prompting/prompt-library/,工作方式与 seedance-2-ugc.md 相同——一个包含层、变量、选项和示例的文档化配方,代理可用其生成无限数量的该风格提示。
依赖
- ffmpeg / ffprobe — 用于帧提取(步骤 1)。在 macOS 上通过
brew install ffmpeg安装。 - whisper — 可选,用于音频转录(步骤 2)。通过
pip3 install openai-whisper安装。如果不可用,代理可以要求用户手动提供对话。
输入
- 视频文件(必需):
.mp4、.mov、.webm等路径 - 风格名称(可选):如何称呼此模板(例如,“car-review”、“unboxing-hype”、“skeptic-converted”)。如果未提供,你将根据观察结果命名。
步骤 1:提取帧和音频
运行提取脚本:
bash "skills/arcads-external-api/prompting/analyze-video/scripts/extract-frames.sh" "<video_path>" "/tmp/video-analysis" <num_frames>
按时长取帧数:
- 低于10秒 → 8帧
- 10-20秒 → 12帧
- 20-30秒 → 16帧
- 超过30秒 → 20帧
读取 metadata.txt 以获取时长、分辨率和帧率。
步骤 2:转录音频
按以下顺序尝试转录工具:
whisper命令行:whisper /tmp/video-analysis/audio.wav --model base --output_format txt --output_dir /tmp/video-analysis- Python whisper:快速内联脚本
- 如果什么都不可用,要求用户提供对话或安装 whisper(
pip3 install openai-whisper)
转录有助于你理解节奏、语速、填充词使用以及对话如何与动作交织——这些都定义了风格。
步骤 3:研究参考模板
阅读现有的 Seedance 2.0 提示模板,了解模板结构的黄金标准:
- seedance-2-ugc.md — 9层UGC公式(最丰富的例子)
- seedance-2-premium-reveal.md — 6层暗色虚空展示
- seedance-2-product-hero.md — 6层元素产品英雄
- seedance-2-studio-lookbook.md — 7层工作室画册
- seedance-2-feature-walkthrough.md — 7层功能演示
同时阅读平台规则的主模型指南:
- seedance-2.md — API参数、提示长度、禁用词、适配检查表
注意这些模板共享的结构:
- 它们识别层(风格的结构构建块)
- 每个层都有一个模式(带有
{{VARIABLES}}的可重复句子结构) - 变量附带选项库(符合风格的选项表格)
- 有规则和原则解释某些选择为何重要
- 有完整示例展示完全填充的模板
你的输出模板需要达到同样的深度和可用性。
步骤 4:分析帧——识别定义此风格的元素
阅读所有提取的帧。你并非在描述一个特定视频——你是在识别使这种风格成立的可迁移模式。
针对每个维度问自己:“这个视频中哪些是此视频特有的(人物、产品、场景),哪些是风格本身(方法、结构、感觉)?”
只有风格部分进入模板。特定内容成为变量。
结构与节奏
- 视频多长?(源视频通常为30-60秒,这没问题——你将把风格压缩到15秒输出。)
- 有多少个不同的场景/节拍?哪2-3个是定义风格的核心节拍?
- 叙事弧是什么?(钩子→演示→证明→结论?还是其他?)
- 节奏如何——快速切换还是延时镜头?每个节拍持续多久?
- 有静音节拍还是全是对话?
- 15秒压缩问题: 如果必须仅用3个节拍和2-3句对话捕捉整个视频的感觉,你会保留哪些时刻?
镜头与构图
- 主要的拍摄视角是什么?(自拍、支手机、他人拍摄、屏幕录制等)
- 构图在各节拍间如何变化?(更紧、更宽、不同角度、全程相同角度)
- 是否有标志性镜头移动或构图选择定义此风格?
剪辑风格
- 即兴剪切(jump cuts)、连续拍摄、延时摄影、分屏?
- 过渡如何?硬切、溶解、文字叠加?
- 有重复的视觉主题吗?(产品特写、反应表情、前后对比)
对话与脚本结构
- 钩子格式是什么?(问题、大胆断言、动作中途、反应)
- 对话如何结构化?(脚本、即兴、画外音、屏幕文字)
- 什么语速模式定义了基调?(填充词、句子长度、词汇级别)
- 对话与屏幕动作如何关联?
基调与能量
- 哪3-4个情感词能捕捉氛围?
- 能量在视频中如何变化?(上升、平稳、峰值后下降)
- 与观众的关系是什么?(与朋友交谈、对粉丝说话、自言自语)
灯光与技术质量
- 灯光方法是什么?(自然光、环形灯、昏暗、过曝)
- 手机质量还是专业?哪些技术“缺陷”是审美的一部分?
- 音频质量——手机麦克风、领夹收声、画外音、环境音?
此风格的独特之处
这是最重要的分析。在记录以上所有内容后,找出使此风格区别于普通UGC视频或普通产品评论的2-3点。它可能是节奏、钩子格式、产品展示方式或剪辑节奏。这些定义性特征成为模板的核心。
15秒优化计划
源视频几乎肯定超过15秒。在构建模板前,规划风格如何映射到Seedance的15秒限制:
- 此风格的最小可行版本是什么? 识别哪些节拍/元素是必需的,哪些是锦上添花。一个15秒片段需要捕捉风格的精髓——即让人说“哦,这是那种视频”的东西。
- 此风格是否需要多片段策略? 如果风格的力量来自叙事弧(铺垫→收尾)或功能列举,则需要2-3个片段。如果风格更多是关于氛围或单一时刻,一个片段可能就够了。
- 能容纳多少对话? 自然语速下,15秒适合2-3句短句。计算源转录中的行数,找出哪些承载了风格的声音。这些进入模板的对话规则。
- 节拍结构是什么? 15秒 = 最多3个节拍。将源视频的节拍结构映射到3节拍骨架:钩子→核心时刻→收尾语。
步骤 5:构建模板
创建一个新的 markdown 文件,结构为可复用的提示技能。文件应自包含——某人应能仅通过阅读它就能生成此风格的提示,而无需看过原始视频。
模板结构
# [风格名称] — Seedance 2.0
**用途:** [描述此模板生成的视频类型]
**模型指南:** 先阅读 [seedance-2.md](seedance-2.md) 了解平台规则、API参数和适配检查表。
## 什么定义了此风格
[2-3段解释此风格的独特之处及其工作原因。这是“理论”部分——帮助提示编写者直观理解风格,从而做出好的变量选择,而不仅仅是填空。]
## 结构
[识别此风格的层/构建块。如果此风格不同,不要强行套用9层UGC模型。如果是5层,就做5层。如果是12层,就做12层。让视频的实际结构驱动模板。]
## 逐层公式
### 第N层:[名称]
[解释此层的作用及为何对风格重要。]
**模式:**
\```
[带有 {{VARIABLES}} 的可重复句子结构]
\```
**变量:**
| 变量 | 选项 | 备注 |
|----------|---------|-------|
| `VARIABLE_NAME` | 选项1, 选项2, 选项3 | [指导] |
[包含选项库、技巧和此风格特定的注意事项]
### [...更多层...]
## 节拍结构(15秒格式)
[详细说明此风格中单个15秒片段的3节拍框架。什么是节拍1(钩子)、节拍2(核心)、节拍3(收尾语)?哪些节拍有对话 vs. 静音动作?总共最多2-3句对话。]
## 多片段策略(如适用)
[如果完整风格需要超过15秒,展示如何将其分割成2-3个片段。每个片段必须独立拥有自己的钩子能量,但组合起来重现完整风格。包含一个表格,显示哪个特性/时刻放在哪个片段。]
## 基调与节奏指南
[如何校准此风格的能量、语速模式和节奏。包含此风格特定的节奏提示库。]
## 技术规格
[定义此风格外观和感觉的灯光、相机质量、音频特性。包括使其真实的特定“缺陷”。]
## 完整模板
[用于一个15秒片段的单个复制粘贴块,所有变量标记为 {{PLACEHOLDERS}}。最多3个节拍,最多2-3行对话。这是核心单元——从此模板生成的每个提示都产生一个15秒的Seedance片段。]
## 示例提示
[展示一个使用**不同**产品/人物/场景的多片段示例(2-3个片段)。每个片段是完整的15秒提示。组合起来展示风格如何跨系列应用。]
## 适配检查表
[提交提示前快速检查所有层是否覆盖的清单。始终包含 seedance-2.md 中的标准 Seedance 2.0 检查项。]
模板的关键原则
-
每个提示都是15秒。 这是 Seedance 2.0 的硬性约束。模板必须生成适合15秒的提示——最多3个节拍,最多2-3句对话。如果风格需要更多,模板应包括多片段策略,展示如何分割成2-3个独立的15秒提示。
-
变量应是有意义的选择,而非开放式填空。 对于每个变量,提供适合此风格的精心策划的选项库。“任何灯光”是无用的。“自然窗光、头顶厨房灯光、黄金时段阳台灯光”提供了真正的指导。
-
捕获规则,而不仅仅是结构。 如果钩子必须是问题,就说清楚。如果应该正好有一个静音节拍,就说清楚。模板应使编写糟糕的提示变得困难。
-
示例提示必须使用与源视频不同的内容。 如果源视频是一个女人在她的卧室里评论一款精华液,示例示例应是一个男人在他的厨房里评论蛋白棒(或类似情况)。这证明模板是可泛化的。
-
在模板模式中包含
@(img1)产品图像引用,因为 Seedance 提示接受产品图像引用。 -
保留风格的声音。 如果原始视频使用特定类型的填充词、特定句子结构、特定能量模式——将它们编码到模板的对话规则和基调指南中,以便从此生成的每个提示听起来都是对的。
-
对话必须适合15秒。 自然语速下,15秒内一个人大约说2-3句短句,带停顿。如果源视频有密集、快速的对话,模板应注明说话者语速快,每句应简洁有力。计算字数——30-40个口语词是15秒的实际上限。
-
遵循 Seedance 2.0 平台指南。 所有模板必须符合 seedance-2.md——提示长度(100-260词)、无禁用词(“cinematic”、“professional”、“stunning”、“8k”、“studio”、“perfect”)、明确的运动指定性和产品引用的一致性锚点。
步骤 6:保存并呈现
- 将模板保存到
skills/arcads-external-api/prompting/prompt-library/seedance-2-<style-name>.md - 在对话中打印摘要:
- 识别出的风格
- 关键层/结构
- 独特之处
- 保存的文件路径
- 询问:“想要我用此模板生成一个测试提示以确保它有效吗?”
如果他们同意,生成一个使用不同产品/人物/场景的提示——这验证模板确实是可复用的。
步骤 7:提交到 Arcads API
生成并保存提示后,主动提供给 Arcads 以生成视频。
API 端点: POST /v2/videos/generate
请求体:
{
"model": "seedance-2.0",
"productId": "<product-uuid>",
"prompt": "<generated-prompt>",
"aspectRatio": "9:16",
"duration": 15,
"resolution": "720p",
"audioEnabled": true,
"referenceImages": ["<filePath-from-presigned-upload>"]
}
提交前:
- 询问用户
productId(或使用已有的...)