分析影片 → 可重複使用的提示模板
有人找到他們喜愛的影片風格。你的工作是將其解構為一個可重複使用的提示模板——一個公式,他們可以將任何產品、人或場景套用進去,並從 Seedance 2.0 獲得相同的風格。
關鍵限制:Seedance 2.0 每個片段最長 15 秒。 參考影片可能超過 15 秒(通常為 30-60 秒)。你的模板必須為 15 秒輸出設計——這意味著將風格的精髓濃縮到一個 15 秒片段中,並提供一個多片段策略,以便在一系列片段中重現較長風格的全部效果。
輸出不是單一提示。它是一個模板技能,儲存在 skills/arcads-external-api/prompting/prompt-library/ 中,其運作方式與 seedance-2-ugc.md 相同——一個具有層次、變數、選項和範例的文件化公式,代理可用於生成該風格的無限提示。
相依套件
- ffmpeg / ffprobe —— 影格擷取所需(步驟 1)。在 macOS 上透過
brew install ffmpeg安裝。 - whisper —— 可選,用於音訊轉錄(步驟 2)。透過
pip3 install openai-whisper安裝。如果不可用,代理可要求使用者手動提供對話內容。
輸入
- 影片檔案(必填):
.mp4、.mov、.webm或類似格式的路徑 - 風格名稱(可選):此模板的名稱(例如「car-review」、「unboxing-hype」、「skeptic-converted」)。如果未提供,你將根據觀察結果來命名。
步驟 1:擷取影格與音訊
執行擷取腳本:
bash "skills/arcads-external-api/prompting/analyze-video/scripts/extract-frames.sh" "<video_path>" "/tmp/video-analysis" <num_frames>
依時長決定影格數量:
- 少於 10 秒 → 8 個影格
- 10-20 秒 → 12 個影格
- 20-30 秒 → 16 個影格
- 超過 30 秒 → 20 個影格
讀取 metadata.txt 以取得時長、解析度和幀率。
步驟 2:轉錄音訊
按順序嘗試轉錄工具:
whisperCLI:whisper /tmp/video-analysis/audio.wav --model base --output_format txt --output_dir /tmp/video-analysis- Python whisper:快速內嵌腳本
- 如果都沒有,要求使用者提供對話內容或安裝 whisper(
pip3 install openai-whisper)
轉錄稿有助於你理解節奏、語速、填充詞使用方式,以及對話如何與動作交織——這些都定義了風格。
步驟 3:研究參考模板
閱讀現有的 Seedance 2.0 提示模板,以了解模板結構的黃金標準:
- seedance-2-ugc.md —— 9 層 UGC 公式(最豐富的範例)
- seedance-2-premium-reveal.md —— 6 層暗黑虛空揭曉
- seedance-2-product-hero.md —— 6 層元素產品英雄
- seedance-2-studio-lookbook.md —— 7 層工作室型錄
- seedance-2-feature-walkthrough.md —— 7 層功能示範
也請閱讀平台規則的主要模型指南:
- seedance-2.md —— API 參數、提示長度、禁用詞、適應性檢查清單
請注意這些模板共有的結構:
- 它們識別層次(風格的結構性建構模組)
- 每個層次都有一個模式(包含
{{VARIABLES}}的可重複句子結構) - 變數附有選項庫(符合該風格的選擇表格)
- 有規則與原則解釋為何某些選擇很重要
- 有完整範例展示完全填寫好的模板
你的輸出模板需要達到相同水準的深度與可用性。
步驟 4:分析影格——識別定義此風格的因素
讀取所有擷取的影格。你不是在描述一個特定影片——而是在識別構成此風格的可轉移模式。
針對每個維度問自己:「這個影片中,什麼是此影片特有的(人物、產品、場景),相對於什麼是此風格(手法、結構、感覺)?」
只有風格部分會進入模板。特定細節則變成變數。
結構與節奏
- 影片時長為何?(來源影片通常為 30-60 秒,這沒問題——你將為 15 秒輸出壓縮風格。)
- 有多少個不同的場景/節拍?哪 2-3 個是定義此風格的必要節拍?
- 敘事弧度為何?(鉤子 → 示範 → 證明 → 結論?或其他方式?)
- 節奏為何——快速切換還是長時間停留?每個節拍持續多久?
- 是否有靜默節拍,還是全部都是對話?
- 15 秒壓縮問題: 如果你必須僅用 3 個節拍和 2-3 句口語,捕捉此影片的整體感覺,你會保留哪些時刻?
運鏡與構圖
- 主要的拍攝視角為何?(自拍、手機支架、他人拍攝、螢幕錄影等)
- 構圖在不同節拍之間如何變化?(更緊、更寬、不同角度、全程相同角度)
- 是否有定義此風格的標誌性運鏡或構圖選擇?
剪輯風格
- 跳接?連續鏡頭?縮時?分割畫面?
- 轉場如何運作?硬切、溶解、文字疊加?
- 是否有重複出現的視覺主題?(產品特寫、反應表情、使用前/使用後)
對話與腳本結構
- 鉤子格式為何?(提問、大膽主張、動作中、反應)
- 對話如何結構?(劇本式、即興、畫外音、螢幕文字)
- 哪些說話模式定義了語氣?(填充詞、句子長度、詞彙等級)
- 口語與螢幕動作之間有何關聯?
語氣與能量
- 哪 3-4 個情緒詞語能捕捉氛圍?
- 能量在影片中如何變化?(漸增、持平、達到高峰後下降)
- 與觀眾的關係為何?(像對朋友說話、針對粉絲、自言自語思考)
燈光與技術品質
- 燈光手法為何?(自然光、環形燈、陰鬱、過曝)
- 手機品質還是精緻?有哪些技術「缺陷」是美學的一部分?
- 音訊品質——手機麥克風、領夾麥、畫外音、環境音?
是什麼讓此風格與眾不同
這是最重要的分析。在完成以上所有分類後,找出讓此風格有別於一般 UGC 影片或一般產品評論的 2-3 件事。可能是節奏、鉤子格式、產品揭露方式或剪輯節奏。這些定義性特徵將成為你模板的核心。
15 秒優化計畫
來源影片幾乎肯定超過 15 秒。在建構模板之前,規劃風格如何對應 Seedance 的 15 秒限制:
- 此風格的最小可行版本是什麼? 識別哪些節拍/元素是必要的,哪些是可有可無的。一個 15 秒的片段需要捕捉風格的精髓——讓人說「哦,那是那種影片」的東西。
- 此風格是否需要多片段策略? 如果風格的威力來自敘事弧度(鋪陳 → 回報)或功能逐一介紹,則需要 2-3 個片段。如果風格更偏向氛圍或單一瞬間,一個片段可能就夠了。
- 能容納多少句口語? 以自然語速,15 秒可容納 2-3 個短句。計算來源轉錄稿中的句子數量,找出哪些句子承載了風格的語氣。將它們放入模板的對話規則中。
- 節拍結構為何? 15 秒 = 最多 2-3 個節拍。將來源影片的節拍結構映射到 3 節拍骨架:鉤子 → 核心時刻 → 收尾。
步驟 5:建構模板
建立一個新的 markdown 檔案,結構化為可重複使用的提示技能。該檔案應是自包含的——有人應能閱讀它並生成此風格的提示,而無需看過原始影片。
模板結構
# [風格名稱] — Seedance 2.0
**使用時機:** [描述此模板產生何種類型的影片]
**模型指南:** 先閱讀 [seedance-2.md](seedance-2.md) 了解平台規則、API 參數和適應性檢查清單。
## 什麼定義了此風格
[2-3 段說明此風格的獨特之處及其有效的原因。這是「理論」部分——它幫助提示撰寫者直觀理解風格,以便做出好的變數選擇,而不只是填空。]
## 結構
[識別此風格的層次/建構模組。如果此風格運作方式不同,請勿硬套 9 層 UGC 模型。如果是 5 層風格,就讓它是 5 層。如果是 12 層,就讓它是 12 層。讓影片的實際結構驅動模板。]
## 逐層公式
### 層次 N:[名稱]
[解釋此層次的作用以及為何它對這個風格很重要。]
**模式:**
\```
[包含 {{VARIABLES}} 的可重複句子結構]
\```
**變數:**
| 變數 | 選項 | 備註 |
|----------|---------|-------|
| `VARIABLE_NAME` | 選項 1、選項 2、選項 3 | [指引] |
[包含特定於此風格的選項庫、提示和注意事項]
### [...更多層次...]
## 節拍結構(15 秒格式)
[詳細說明此風格中單一 15 秒片段的 3 節拍框架。什麼是節拍 1(鉤子)、節拍 2(核心)、節拍 3(收尾)?哪些節拍有對話,哪些是靜默動作?總共最多 2-3 句口語。]
## 多片段策略(如適用)
[如果完整風格需要超過 15 秒,則顯示如何將其拆分到 2-3 個片段中。每個片段必須能夠獨立存在,並有自己的鉤子能量,但組合起來能重現完整風格。包含一個表格,顯示哪些功能/時刻放入哪個片段。]
## 語氣與節奏指南
[如何為此風格校準能量、說話模式和節奏。包含特定於此風格的節奏提示庫。]
## 技術規格
[定義此風格外觀與感覺的燈光、相機品質、音訊特性。包含使其看起來真實的特定「缺陷」。]
## 完整模板
[單一複製貼上區塊,用於一個 15 秒片段,所有變數標記為 {{PLACEHOLDERS}}。最多 3 個節拍,最多 2-3 句對話。這是核心單位——從此模板生成的每個提示都會產生一個 15 秒的 Seedance 片段。]
## 範例提示
[展示一個多片段範例(2-3 個片段),使用與來源影片**不同**的產品/人物/場景。每個片段都是一個完整的 15 秒提示。它們一起展示此風格如何在一系列片段中運作。]
## 適應性檢查清單
[一個快速檢查清單,用於在提交提示前驗證所有層次都已涵蓋。始終包含來自 seedance-2.md 的標準 Seedance 2.0 檢查。]
模板的關鍵原則
-
每個提示都是 15 秒。 這是 Seedance 2.0 的硬性限制。模板必須產生適合 15 秒內的提示——最多 3 個節拍,最多 2-3 句口語。如果風格需要更多,模板應包含一個多片段策略,顯示如何拆分到 2-3 個獨立的 15 秒提示中。
-
變數應是有意義的選擇,而不是開放的填空。 對於每個變數,提供一個符合此風格的精選選項庫。「任何燈光」是無用的。「自然窗光、廚房頂燈、陽台金色時刻光」則提供了真正的指引。
-
捕捉規則,而不僅僅是結構。 如果鉤子必須是一個問題,就這麼說。如果應該剛好有一個靜默節拍,就這麼說。模板應使人難以寫出糟糕的提示。
-
範例提示必須使用與來源影片不同的內容。 如果來源影片是一位女性在她的臥室評論一款精華液,那麼範例應該是一個男性在他的廚房評論一條蛋白棒(或任何其他情況)。這證明了模板可以概括應用。
-
在模板模式中包含一個
@(img1)產品圖片參考,因為 Seedance 提示接受產品圖片的圖片參考。 -
保留風格的語氣。 如果原始影片使用特定類型的填充詞、特定的句子結構、特定的能量模式——將它們編碼到模板的對話規則和語氣指南中,以便從中生成的每個提示聽起來都很正確。
-
對話必須適合 15 秒。 一個自然說話的人在大約 15 秒內可以說 2-3 個短句,並有停頓。如果來源影片有密集、快速的對話,模板應註明說話者的語速很快,每個句子應簡潔有力。計算字數——30-40 個口語單詞是 15 秒的實際上限。
-
遵循 Seedance 2.0 平台指南。 所有模板必須遵守 seedance-2.md —— 提示長度(100-260 字)、無禁用詞(「cinematic」、「professional」、「stunning」、「8k」、「studio」、「perfect」)、明確的動作指定以及產品參考的一致性錨點。
步驟 6:儲存並呈現
- 將模板儲存到
skills/arcads-external-api/prompting/prompt-library/seedance-2-<style-name>.md - 在對話中列印摘要:
- 識別了什麼風格
- 關鍵層次/結構
- 它的獨特之處
- 儲存的檔案路徑
- 詢問:「想讓我使用此模板生成一個測試提示,以確保它能正常運作嗎?」
如果他們回答是,則為一個與來源影片不同的產品/人物/場景生成一個提示——這驗證了該模板確實可重複使用。
步驟 7:提交至 Arcads API
在生成並儲存提示後,提供將其提交至 Arcads 以生成影片的選項。
API 端點: POST /v2/videos/generate
請求主體:
{
"model": "seedance-2.0",
"productId": "<product-uuid>",
"prompt": "<the-generated-prompt>",
"aspectRatio": "9:16",
"duration": 15,
"resolution": "720p",
"audioEnabled": true,
"referenceImages": []
}
提交前:
- 詢問使用者
productId(或使用首個產品 ID,如果使用者尚未建立則引導他們去建立)。 - 如果提示包含
@(img1)產品圖片參考,則透過POST /v2/uploads端點上傳產品圖片(如有必要,先引導使用者至產品頁面),並從回應中取得 presigned URL。 - 設定
referenceImages陣列。 - 讓使用者審查完整的請求主體。
- 解析回應以提取
taskId並提供影片狀態檢查說明(例如「你的影片正在生成!任務 ID:abc-123。你可以透過 GET /v2/tasks/abc-123 檢查狀態」)。