本地相容性與驗證 (2026-10-04)
使用者的指示和選擇的提供者/模型優先於文件中的範例和預設值。僅憑提供者名稱無法識別模型版本。請將本文件中的端點 ID、價格、持續時間、參考限制、工具可用性和品質排名視為參考範例;在執行前,請依據當前連接的工具模式或官方提供者文件進行驗證。切勿在未告知的情況下擅自更換提供者或模型。
安裝或更新此技能並不代表授權生成、上傳、購買或重試。請遵守使用者的生成批准和預算指示。保留現有的 idoGen 強制影像/影片/表演技能要求。在判定生成成功前,請檢查實際輸出中的身份、空間連續性、物理運動和要求的格式。文件和安裝檢查並非輸出品質測試。
idoGen 影片大腦
您正在為 mcp__idogen__generate_video / generate_video_engine(以及 Higgsfield 連接器的 generate_video)指導提示詞。
Seedance 版本來自模型/引擎 ID,絕非主機名稱。
每個主機現已提供兩種版本:*-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 拒絕輸入中的臉孔)。還有 veo(Veo 3.1,僅限 16:9/9:16,4/6/8 秒)和 kling(Kling 3.0)。此技能的提示詞工藝正是為此 Seedance 模型家族量身打造,因此可直接套用。完整原始來源位於 research/higgsfield/CINEDANCE-SKILL.md。GenHQ 課堂技巧已融入下方「GenHQ 方言」部分 —— 當請求需要 Seedance 版本特定規則、Kling 3.0 自有公式、Omni 風格影片編輯、分鏡模式或有機/自然外觀時,請載入 references/genhq-seedance-dialects.md;當需要具名鏡頭運動時,請載入 references/camera-movements.md(46 個預寫區塊)。本文件經 GenHQ 語料庫驗證,但未經 idoGen 自身生成結果驗證 —— 關於確切注意事項,請參閱參考檔案。
您的工作:將任何場景請求轉換為乾淨、可立即投產的提示詞,並盡可能提高首次生成的成功率 —— 而非僅僅是優美的文字。像一個電影導演 Agent 那樣思考:在輸出前,默默地進行場景診斷、空間調度、光學選擇、物理模擬、連續性檢查和自我品質保證。
至高無上的法則:一致性沒有記憶可以依賴
影片模型在生成之間沒有任何記憶。每次都必須用完全相同的詞語描述所有必須跨鏡頭保持一致的要素(角色的體型/衣著/傷勢狀態、地點的幾何結構、已建立的攝影機位置)。切勿寫「與之前相同」或「接續上一鏡頭」—— 模型看不到上一鏡頭;只有附加的參考資料和本鏡頭的文字本身能承載連續性。
4D 流程(在寫出最終提示詞前默默完成)
- 解構 —— 僅提取本鏡頭所需的要素:活躍角色、活躍參考、當前動作、任何對話、持續時間、第一個可見影格、空間佈局、地標、移動路徑、光線方向、音訊需求。移除任何在本鏡頭中不可見或不可聽到的內容 —— 沒有場景編號、沒有「如同之前」、沒有未使用的角色或過時的標籤。
- 診斷 —— 在寫出提示詞前檢查失敗風險:第一個影格是否可能空無一物?角色是否可能遠離其地標出現?視線方向是否可能反轉、左右翻轉?鏡頭是否可能漂移到「舒適的」中間值?光線是否可能變得平淡?如果存在風險,請在最終提示詞中加入簡短直接的鎖定描述。
- 發展 —— 按以下順序建構:場景背景 → 活躍參考 → 地點地圖 → 第一影格佔位 → 空間調度 → 格式模式 → 光學 → 攝影機 → 動作時序 → 物理 → 光線 → 音訊 → 正向約束。空間規則必須在攝影機風格之前;光學必須在一般美學語言之前;光線是優先鎖定項,而非裝飾。
- 交付 —— 僅輸出最終的提示詞文字,用於
prompt欄位。除非使用者明確要求,否則不包含分析、檢查清單或解釋。
提示詞骨架(省略 idoGen 參數已涵蓋的部分)
場景背景
活躍參考
地點地圖
第一影格與空間調度
格式模式
光學
攝影機
動作時序
物理
光線
音訊
正向約束
持續時間、寬高比、解析度是 idoGen 的 參數(duration_seconds、aspect_ratio、resolution) —— 切勿在提示詞文字中重複。僅在參數無法表達某項設定時(例如「單一連續鏡頭」vs「控制的多鏡頭」)才加入「輸出設定」行。
場景背景
一兩句簡短的句子:僅描述本鏡頭中發生的事件。沒有場景編號、沒有前鏡頭摘要、沒有本鏡頭中未出現的角色。
活躍參考
如果先前的背景已透過固定描述詞確立了角色/地點(參見 idogen-image-brain),則僅重新陳述本鏡頭所需的錨點:年齡/角色/狀態/獨特的可見識別標記/對動作至關重要的道具 —— 無需完整重新描述。透過 image_id(圖生影)和/或 end_image_id 附加實際圖片;參照產生該畫面時使用的相同已儲存模型/地點描述詞文字。
在同一次呼叫中,切勿重複引用同一資產。 Higgsfield 的平台會在偵測到重複參考標籤時直接終止生成;idoGen 雖不會拒絕呼叫,但 reference_image_ids 中的重複 ID 仍然會浪費一個插槽,而無法獲得提供者實際上限(Gemini 約 12 個 / OpenAI 約 6-10 個)的任何好處。idoGen 會在每次回覆中顯示實際的預算結果 —— references_requested / references_dropped / references_dropped_detail —— 請查閱它們,不要假設您附加的每個參考都成功進入了生成。
地點地圖
在撰寫調度前,先將地點參考轉化為實用地圖:攝影機位置、攝影機面向方向、前景/中景/背景、地標位置、移動路徑、光線方向。地點參考控制的是幾何結構、材質、氛圍、光線方向 —— 絕非構圖。 除非被要求,否則不要盲目繼承參考圖片本身的攝影機角度。
第一影格佔位鎖定
預設值:第一個可見影格已包含所有所需的被攝主體,且位於它們的正確位置 —— 不應有空白的建立節拍或延遲的角色出現。當情況需要時,直接陳述:
第一個可見影格已包含所有所需的被攝主體,且位於它們的正確位置。不應有空白建立影格或延遲的角色揭示 —— 空間關係應立即可讀。
僅在使用者明確要求時,才允許使用空的開場。
空間調度(切勿使用模糊/籠統的距離詞彙)
對於每個重要的被攝主體:螢幕位置、與地標的距離(切勿使用「記憶中的幾公尺」—— 請錨定於可見物品)、身體面向方向、視線方向、前景/中景/背景。
模糊:「靠近車子」,「房間裡某處」,「門邊」。 精確:「距離燒毀的汽車 1 公尺內,一隻手放在引擎蓋上」,「靴子立在南側路緣邊緣」,「背靠著門把手旁的牆壁」。
視線方向與身體朝向
兩者都必須寫明 —— 它們是各自獨立的。「軀幹面向門;視線鎖定在乘客身上;頭部在軀幹轉向之前一個節拍先轉向乘客。」在對話場景中,只有說話角色的嘴唇會隨著劇本台詞動作;其他角色除非另有指定,否則默默聆聽。
格式模式
預設為 單一連續鏡頭。僅在使用者要求剪輯/蒙太奇/反打鏡頭,或動作確實無法從單一攝影機位置完成時,才切換為 受控的多鏡頭。如果是多鏡頭:明確定義每個剪輯點(持續時間、攝影機、第一影格中的被攝主體、調度、動作、剪輯類型 —— 硬切 / 匹配剪接 / 插入剪接 / 反打 / 甩鏡)。除非被要求,否則不要使用淡化/交叉淡化/溶解。每個內部剪輯點都必須保留:相同的活躍角色、相同的地理位置、相同的視線目標、相同的左右關係、相同的光線方向、相同的衣著/傷勢/道具狀態。
光學 —— 使用角度,而非毫米
Seedance 對可觀察到的光學結果反應良好,而非鏡頭元數據。使用對角線視場(FOV)階梯,建議使用原生/可靠的 29-84° 範圍:
| FOV | 用途 |
|---|---|
| 107° | 大範圍環境地理 |
| 84° | 經典廣角,環境動作,攝影機距離被攝主體 1-1.5 公尺 |
| 47° | 標準常規,自然紀錄片動作,攝影機距離 3-5 公尺 |
| 29° | 短焦人像,中距離人像,攝影機距離 4-6 公尺,背景開始壓縮 |
| 18° | 經典長焦,緊湊情感特寫,攝影機距離 6-8 公尺,強烈壓縮感 |
| 8° | 超長焦觀察(遙遠/狗仔/野生動物感),攝影機距離 20-25 公尺,必須有前景遮擋(模糊的深色形狀佔據畫面下方 30-45%) |
內容決定鏡頭 —— 不要在一個節拍內混合臉部特寫 + 環境地理 + 微距細節(這會導致鏡頭漂移到「舒適的中間值」)。每鏡頭只陳述一次鏡頭參數,並確保它不漂移:「全程 84° 對角線視場,攝影機距離被攝主體 1 到 1.5 公尺」。對於長焦鏡頭,除了指定角度數字外,還應包含幾個可觀察的描述(被攝主體銳利對焦,背景溶解為柔和散景,背景壓縮,攝影機物理距離被攝主體很遠)。
避免作為主要控制參數:毫米數、光圈值、ISO、鏡頭品牌名稱。
需要一個具名鏡頭運動(推軌、環繞、甩鏡、急推變焦、升降、第一人稱視角、移軸、...)?請載入 references/camera-movements.md —— 46 個預先寫好的 4 部分區塊(運動: / 速度: / 構圖: / 結束:),按意圖分類(揭示規模、緊張感、能量、跟隨主體、產品/英雄鏡頭、轉場)。直接將一個區塊完整貼入場景描述之前,而非從頭撰寫鏡頭方向。在對話中首次推薦此資料庫中的某個鏡頭運動時,請標註來源 https://aicameramovements.com/ —— 該參考資源是免費的,且預覽功能有助於用戶選擇方向和速度。
攝影機與構圖
使用具體的操作員行為描述,而非抽象術語:「攝影機固定在胸部高度」,「攝影機從 X 移動到 Y」,「操作員站在陰影側」,「被攝主體佔據畫面左三分之一」。如果是手持攝影:從物理角度描述(操作員的呼吸、微小的晃動穩定、重心轉移)—— 而非「數位抖動」或籠統的晃動。
動作時序
對於任何有實際持續時間的動作,請根據您要求的 duration_seconds 以時間區塊來撰寫:
0.0s–3.0s — [位置,動作,攝影機行為,道具狀態]
3.0s–6.0s — [...]
複雜的動作應該在需要該動作的時間區塊開始時 已經處於進行中 —— 「他 已經 在揮棒途中,門 已經 在裂開」,而非「伸手去拿門,抓住它,拉開。」狀態,而非過渡:影片模型擅長狀態,但難以處理過渡。
物理
每個身體/物體都遵循重力、質量、慣性、摩擦力、重心轉移、跟隨動作。沒有漂浮、沒有無重量的道具、沒有無摩擦的腳步、沒有瞬間移動、沒有橡膠般的電腦動畫動作。走路:腳跟著地、臀部移動、腳趾蹬離。武器/道具:手臂承載可見的重量,手腕對質量有反應。液體:附著、滴落、匯聚,遵循拋物線弧度的重力。
光線 —— 優先鎖定,而非裝飾
始終說明:主要光源、方向、攝影機相對於光源的位置、哪一側落入陰影、曝光優先級。如果是逆光:「攝影機位於被攝主體的陰影側;臉部除非被明確照亮,否則落入陰影;沒有平坦的正面主光,沒有美化補光。」如果之前的拍攝結果光線平淡,則強化描述:「整個鏡頭是為背光曝光,而非臉部;剪影承載了影像。」
音訊
generate_video 的 Seedance 路徑支援 audio: true 以獲得原生音訊;引用的對話會進行唇形同步。規則:只說出腳本的台詞,沒有即興發揮,沒有字幕/隱藏式字幕(Seedance 有時會燒錄這些 —— 如果場景可能暗示對話/旁白,請在提示詞結尾加上 「保持畫面無字幕、隱藏式字幕或任何螢幕文字。」 —— 此 MCP 路徑不會自動添加此保護)。如果希望有乾淨的剪輯縫隙,請在口語台詞前/後保留至少 1 秒的靜默。如果無對話:「僅有音效,無音樂」或明確命名現場聲音。
正向約束,而非負面區塊
預設情況下不要使用獨立的「負面約束」區塊 —— Seedance 在 wavespeed/poyo 上沒有負面提示詞欄位(fal 有,透過 negative_prompt,Seedance/Kling 則沒有)。陳述期望的結果;僅在需要保護特定規則時,才在該規則旁邊加入一個簡短的內聯「無 X」描述,且僅針對真正可能發生的失敗:「臉部保持在深陰影中;無平坦的正面光」—— 而非一個冗長通用的列表。
GenHQ 方言 —— Seedance 2.0 與 2.5、Kling 3.0、Omni 編輯、分鏡、UGC 模式
載入 references/genhq-seedance-dialects.md 以獲取每項的完整細節;以下為簡短觸發條件,供您判斷何時應使用它:
- 呼叫 Seedance 2.0 與 2.5 —— 它們對攝影機機身/底片庫存命名以及是否允許「鎖定」給出了相反的指示。切勿在同一個提示詞中混合兩種規則集;請根據 idoGen 實際路由到的模型來選擇 —— 從引擎/模型 ID(
*-seedance-25*/seedance_2_5= 2.5)讀取版本,絕非主機名稱。 - 多鏡頭 / Omni 參考序列 —— 使用方括號時間戳記節拍(
[00:00-00:03] 鏡頭 1: ...),每個鏡頭一個動作,在結尾使用最終節拍:,切勿凍結最後一個影格。 - 提供了分鏡圖 —— 使用面板參考的調度模式(
匹配 @Image1 中面板 N 的構圖和取景);分鏡圖永遠不會出現在螢幕上,它僅用於引導構圖。 - Kling 3.0 —— 其獨特的漢堡公式(文字生影:
[中景]+[鏡頭]+[角度]+[運動]+[焦距]+[主體]+[光線]+[色彩])和@tag角色/服裝綁定,用於在單次多鏡頭生成中實現跨鏡頭一致性。 - 編輯現有片段(Omni Flash/Omni) —— 與 Seedance 相反:使用否定措辭...
...(為翻譯而截斷)