本文目录 34 节
- 一、结构性行为
- 长视频内部按约 6 秒自动分段 🔴 已作废(2026-08-25)
- 内部景别切换:跨度不够大就不切 ⭐⭐ → ⚠️ 降级存疑(2026-08-25)
- 反复强调「同机位/保持连贯」会压掉你要的切换 ⭐⭐ → ⚠️ 降级存疑(2026-08-25)
- 直连侧的多镜头样本:按时间表写的镜头都切出来了,还会自己多加一镜 ⚠️(2026-09-26)
- 二、画面内文字:判据是字号,不是字数 ⭐⭐⭐
- 一次性解错,然后稳定保持那个错误 ⭐⭐
- 原生比后期更协调(反直觉,但有实证)⚠️ → ⭐⭐(2026-09-18 二次验证)
- 一个结构性死局要认出来 ⚠️
- 有台词就可能自己烧一条中文字幕进画面 ⚠️(2026-09-18)
- 三、运镜:要劝退的是性质,不是长度或有无
- 构图不变量锁得住位置,锁不住幅度 ⭐⭐
- 空间关系是一张网 ⚠️
- 从脚跟到脸的上移,会在胸前停一下 ⚠️(2026-09-26)
- 四、参考图与文字的优先级
- 参考图里有的东西,prompt 与负面词都压不住 ⭐⭐⭐
- 镜头景别和身份图一样时,模型会把身份图整张复现,连画种一起 ⚠️(2026-09-26)
- 没有服装参考图时,服装文字锁输给模型的默认造型 ⚠️(2026-09-26)
- 但冲突属性上,文字赢过参考图 ⭐⭐
- 参考图脏了,视频就脏:GPT 多轮派生图会把噪点交给视频 ⚠️(2026-09-20)
- 小尺度下的面部重建需要专门的面部锚点 ⭐⭐
- 比喻里的实物、情绪的生理描写,会被画成实物 ⚠️(2026-10-05)
- 五、否定句的用法(分界线清楚)
- ⚠️ 管线特性(不是模型特性)
- 六、控人数与群体
- 七、其他实测数据
- 八、自主配乐(enableSound=on)
- 事件卡点跟得上提示词;硬切要单独写一句才贴拍 ⚠️首次(2026-09-26)
- 同期对白:两人 8 句写进一条,逐字一致、时间跟得上 ⚠️首次(2026-09-29) → ⭐⭐(2026-10-01 二次验证)
- 写了”没有配乐”,仍会按镜头各垫一段乐音,跨切点不连贯 ⚠️首次(2026-10-01)
- 写清配乐跟着画面怎么起落,跨切点就连贯 ⚠️首次(2026-10-01)
- 同期对白里的低频专有词会读歪;读音提示只救一部分,换高频说法才全对 ⚠️首次(2026-10-14)
- 验证等级说明
- 关联文档
Seedance 2.5 行为规律
数据来源:主体为《1000人后室大逃亡》项目 2026-08-05 ~ 08-08 的实测, 原始记录在
E:\backrooms-1000\production\README.md(第一~第十一条)与production/prompts/。 两条入口都跑过 Seedance 2.5:Flova(自然语言 + 上传参考图)与 Dreamina CLI(multimodal2video)。下文标注了哪些结论是管线特性、哪些是模型特性。2026-08-25 补充来源:65_过风 项目,LibTV CLI 直连
star-video2.5(不经 Flova / 即梦)。 这是本档第一次拿到不经任何编排层的样本,因此也是第一次能把「模型行为」与「管线行为」分开—— 第一节有一条据此作废、两条据此降级。2026-09-26 补充来源:76_清月 项目,LibTV Remote MCP 调
star-video2.5(image2video 多图参考,9:16 / 720p / 15s,三条试镜 r1–r3)。 第一次拿到直连侧的多镜头样本与自主配乐(enableSound=on)样本;见第一、三、四节带日期的条目与第八节。2026-10-01 补充来源:71_余温 见证者角色 PV,即梦画布 CLI 国际版全能参考(白模视频 + MJ 原图,16:9 / 720p / 30s,瑟兰薇、守灯人各 2 条)。 第一次拿到”写了没有配乐”与”写了配乐起落”的两种声音样本;见第七节两行与第八节两条带日期的条目。
⚠️ 本档案记录的是模型行为。怎么写 prompt 的完整规范在项目仓库,不在这里重复。
一、结构性行为
长视频内部按约 6 秒自动分段 🔴 已作废(2026-08-25)
这条不是 Seedance 2.5 的模型行为,不该留在本档。
原记录(2026-08-08,Flova 侧观察):25 秒长镜切点落在 6.00 / 12.00 / 18.00 秒帧级精确, 判为「模型内部的生成分段,prompt 层完全触及不到」,标 ⭐⭐。 归因越位——Flova_平台档案_编排层不是模型层_v1 第六节当时就把这次观察挂成了 「三臂对照已设计、实际生成 0 次、结论待回填」,归因没做完,结论已经先落进模型层档案。
推翻它的实测(65_过风 项目,2026-08-25):
| 项 | 值 |
|---|---|
| 路线 | LibTV CLI 直连 star-video2.5,不经 Flova |
| 参数 | image2video / 9:16 / 1080p / duration=30 / 单条 |
| 硬切检测 | ffmpeg select='gt(scene,0.3)' → 输出为空,0 处切点 |
| 逐秒亮度 | 143.9 → 117.9,单调平滑,无跳变(下降是推近导致主体占比上升,不是切点) |
→ Seedance 2.5 单条 30 秒不分段。 6 / 12 / 18 / 24s 一个切点都没有。
⚠️ 但 Flova 那次分段的根因仍未定案,本次数据区分不了这两个解释:
- Flova 编排层自己切的(主创当前判断)
- Flova 上游是 Seedance 2.0,而 2.0 系时长上限 4–15s,25 秒的请求必须被拆 —— 这个反解释是 Flova 档第六节自己写下的,并指出它「恰好是判据 1 预测的那种误判」
本次只跑了直连臂(LibTV 代替即梦 CLI),没有回 Flova 重跑,所以两个解释都还站着。 同日的一个旁证偏向要认真对待解释 2:MiniMaxH3_行为规律_v1 §四 新补的实测显示, H3 在 LibTV 上卡 15s 不是平台限速、是 362 帧的训练边界—— 「上限来自模型不来自平台」这件事今天刚独立发生过一次。
当前可用的口径:
- ✅ 可以说:Seedance 2.5 直连单条 30s 不分段,不要再按 6 秒节拍去设计长镜。
- ❌ 不要说:「6 秒分段是 Flova 的问题」——这一半还没测。
- 待补的一臂:在 Flova 上跑一条 15 秒以内的镜头看它切不切。切 → 解释 1;不切 → 解释 2。
内部景别切换:跨度不够大就不切 ⭐⭐ → ⚠️ 降级存疑(2026-08-25)
- ✅ 切成功:微距↔中景、特写→反应镜头→中景(换主体:人↔物、主角↔围观者)
- ❌ 切失败:同场景内的中景→特写,连续两次、反复强调都没切
⚠️ 连带降级:这条与上面那条同一台仪器(Flova)、同一批观察得出。 上面那条已确认不是模型行为,本条的层级归属因此一并存疑—— 观察到的「切/不切」可能同样是编排层的行为。在直连侧复跑之前不要当模型规律用。
反复强调「同机位/保持连贯」会压掉你要的切换 ⭐⭐ → ⚠️ 降级存疑(2026-08-25)
某版 prompt 强调四遍同机位,结果 8 秒全程一个机位没切。 要切换就把段落写简洁、切点写明确,别同时写连贯性要求。
⚠️ 同上,同批仪器,一并存疑。 附一个反向数据点:65_过风 的直连 30s prompt 里 写了「整支片子只有一个镜头」「从头到尾保持同一个速度」这类连贯性要求, 出片确实零切点——但该片本来就不要求任何切换,所以这不构成对本条的检验,只是不矛盾。
直连侧的多镜头样本:按时间表写的镜头都切出来了,还会自己多加一镜 ⚠️(2026-09-26)
76_清月 r1:一条 15 秒,提示词按秒写了 6 个镜头(切点 2.0 / 4.5 / 6.0 / 8.5 / 11.5),无音频、无白模。
- 6 镜全部切出、顺序对;第 2 镜比计划长约 0.7 秒。
- 模型自己多加了一镜(7.0 秒一个云海空镜全景),15 秒里实际 7 段。
- 写了”衣袖扫过镜头”,模型顺手把它做成遮挡叠化转场接下一场景。
- r2 / r3 同样写法、各 6~7 处硬切,镜头都在;r2 两个场景(月夜 → 竹林)作者判”没有衔接”,r3 改单场景。
这是本档第一条”直连 + 多镜头”数据,与上面两条存疑的”切/不切”规律不构成对照(镜头跨度都大:大特写 ↔ 全景)。 能说的只有:直连 Seedance 2.5 会执行提示词里的时间表切镜,且不保证镜数。
二、画面内文字:判据是字号,不是字数 ⭐⭐⭐
原来的口径「AI 生成的文字几乎必崩」和后来的「长中文必崩」都被实测推翻。 把六个样本的笔画外接高度量出来之后,规律是干净的(全部按 1280×720 成片测):
| 字高 | 占画幅高 | 判定 |
|---|---|---|
| ≥45px | ≥6.0% | ✅ 大胆原生出,长中文一样一字不差 |
| 约 20px | 约 2.8% | ⚠️ 临界区,先出一条验 |
| ≤20px | ≤2.8% | 🔴 一律后期叠加,写什么都会崩 |
关键实证:
- 同一行 10 字中文、同一块资产图,只把铭牌在画面里放大约 2.5 倍 → 从错 4 字变成一字不差。 而且放大那一版还多了一个推近运镜,按老规则应该更糟,结果反而对了。
- 广角 + 有纵深 + 同屏七处文字 + 含电话号码
138-8888-8888→ 一处没崩。 - 最小的失败样本:英文 6px(0.83%)、中文 16px(2.22%) → 英文丢字母、中文糊成一团。
推论:字数看起来像原因,是因为铭牌宽度固定——字多了每个字就小。 要问的不是「几个字」,而是「这个字在成片里有多少像素高」。
一次性解错,然后稳定保持那个错误 ⭐⭐
错字在相隔 3.3 秒的两帧之间一模一样、没有变形。 说明它不是逐帧抖动,而是一开始就把字形解错、之后忠实复现。 → 抽两帧对照就能判,不用逐帧看。
原生比后期更协调(反直觉,但有实证)⚠️ → ⭐⭐(2026-09-18 二次验证)
原生出来的字自带四件事:半透明(背景从字后透出)、和载体同一种辉光、 跟着载体斜面走透视、载体明暗变化时字跟着亮暗。 这四件后期都能做,但每一件都要单独对齐一次。
二次验证(《余温》宣发片 2026-09-18):同一个动作——“字迹在一张空白羊皮纸上出现”——做了三版:
| 版本 | 做法 | 作者判断 |
|---|---|---|
| v2 | 整帧交叉叠化(空白信纸溶到带字信纸) | 否。“像是字从上面浮出来的,质感不对” |
| v3 | 本地只合成墨层,按文字基线逐行扫出,带洇散噪声、笔速控制 | 否。“完全错误的,看起来太廉价了” |
| v4 | 交给 Seedance 2.5 生成同样 8 秒 | 过 |
v3 是把后期能做的都做了(只动墨层像素、逐行落笔、低频噪声扰动落笔时间),仍然一眼假。 → 口径扩大:涉及材质变化的动作(墨渗进纸、火漆融化、布料撕裂),优先交给模型生成,不要本地合成。 后期留给”不该变的东西”:擦除模型烧录的字幕、补丁、调色、剪辑。
⚠️ 仍有边界:文字内容必须精确时,字本身要图像模型出静帧(视频模型写中文不可靠), 再让视频模型接管显影动作。本次的分工是「GPT Image 出带字静帧 → Seedance 生成显影」。
一个结构性死局要认出来 ⚠️
如果镜头的运镜是「推到某个 logo 占满画面」,那么等字够大的时候铭牌已经被推出画外—— 不存在「又在画内又够大」的窗口。遇到这种镜头不要反复试,直接做成空白板 + 后期叠字。
有台词就可能自己烧一条中文字幕进画面 ⚠️(2026-09-18)
prompt 里写了”画面无文字、分格或水印”也没挡住:一句中文台词被模型同时生成了语音和 一条白色硬字幕,烧在画面底部(实测 10.50–12.55 秒、x740–1412、y988–1052,硬出硬收,位置固定)。 → 交付前必须逐帧扫一遍画面上的意外文字。补救不用模糊:取同一镜头里字幕出现前的干净帧, 按羽化遮罩贴回去(遮罩要放大到让羽化带落在字的外面,否则首尾两个字会从边缘透出来)。 → 2026-09-29 反向样本:77 M04 两人 8 句对白,抽帧没见到硬字幕(没逐帧扫),见第八节”同期对白”。
三、运镜:要劝退的是性质,不是长度或有无
| 安全 | 劝退 |
|---|---|
| 匀速轨道式跟拍 · 匀速弧线环绕 · 匀速缓推 · 匀速垂直升起 · 穿越机匀速穿行 | 甩镜 · 快推 · 手持抖动 · 中途变速 |
长镜运动的安全区实测至少 25 秒。原来「连续长镜运动劝退」那条太粗。
构图不变量锁得住位置,锁不住幅度 ⭐⭐
写「主体在画框哪个位置」能生效;不约束推进的量。 模型把「匀速推到底」当主目标、不变量当软约束,冲突时先满足前者—— 于是一路推到主体填满画框,位置关系全对、景别全丢。
按起手景别完全分成两组(同批 6 条,无例外):
| 起手景别 | 不变量结果 |
|---|---|
| 全景 / 大远景 | ✅ 全部成立 |
| 中近景 / 近景 | ❌ 全破,主体被切出画框 |
写法:
- 不变量除了「主体在哪」,要写「全程还要看得见什么」,列到边缘物件。
- 给幅度显式上限并明说宁可推少:「如果再推这条就要破了,就在破之前停下。」
⚠️ 三条失败同批次发生,不算独立样本;修复句只验证过一次。
2026-08-25 补第二组数据(65_过风 项目,LibTV 直连 Seedance 2.5,30s / 1080p / 中近景起手): 上面那两条「写法」全部照做了——列了三件必须全程可见的边缘物件(头顶发际线 / 两侧肩线 / 珍珠最下面那串), 也写了「如果再推近就要把头顶或肩线推出画外,就在那之前停下——宁可推得少一点」。结果:
不变量 29s 时 整个头顶发际线 ❌ 已推出画外 两侧肩线 ✅ 守住 珍珠最下面那一串 ✅ 守住 从「全破」改善到「破一项」——写法有效,但锁不死。 中近景起手这一组的判定维持 ❌,不升级。 想彻底守住只有一条路:机位锁死。 同项目的 MiniMax H3 版写「机位从第一帧到最后一帧一模一样」, 15s 全程零位移(逐秒亮度 145.5→142.6 波动 ±2;对照组 Seedance 推近版是 143.9→117.9 单调降)。 → 凡是中近景起手且构图不可牺牲的镜头,不要用「限幅」,直接放弃运镜。
空间关系是一张网 ⚠️
改了主体的运动方向,「谁在谁身后」「摄影机在哪一侧」「威胁从哪来」全都要重算。 实测事故:改了奔跑方向却留着「怪物从画面深处涌出」,变成主体朝威胁来的方向跑。
写法:追逐/进出画/正反打的镜头,**先单写一段【空间关系】**把 摄影机/主体/威胁三者钉死,再写动作。
从脚跟到脸的上移,会在胸前停一下 ⚠️(2026-09-26)
76_清月 要一镜”镜头从赤足跟随、自下而上直到面部特写”(约 2 秒到 6 秒)。
| 轮 | 路线写法 | 结果 |
|---|---|---|
| r2 | ”依次经过……胸前”(写了胸前这一站) | 上移成立、不切;4.0–4.5 秒停在胸部近景 |
| r3 | 删掉胸前一站,改”赤足 → 袍摆 → 握杖的手 → 下颌 → 脸,经过上身时镜头不停留” | 上移成立;仍在 3.5 秒胸部、4.0 秒领口各停一下 |
- r2 的停留有助手措辞的责任(写了”胸前”就被当成落点);但 r3 去掉落点、加了”不停留”也没消掉, 说明这是模型对”全身上移”这个运镜的默认节奏,不全是措辞问题。
- 同一项目两条,不是独立样本。
- 没验证的修法:不要一镜到底,拆成”脚部 → 硬切 → 脸”两个镜头。
四、参考图与文字的优先级
参考图里有的东西,prompt 与负面词都压不住 ⭐⭐⭐
模型会忠实复现参考图。对策是换图/裁图/不挂图,不是加负面词。 反过来也成立:图干净了,生成就干净。
2026-09-26「裁图」一例(76_清月):身份图 A01 露肩。进视频前本地无损裁到只剩头部(只裁不改像素), 三轮试镜都没出现 A01 那种露肩。服装候选图 A04 领口垂着黑发,干脆不挂,三轮银发也没被带黑。
镜头景别和身份图一样时,模型会把身份图整张复现,连画种一起 ⚠️(2026-09-26)
76_清月 身份图 A01 是 MJ 出的写实摄影感近景(挂了 --profile 尾巴,见 MJ_v8.2_行为档案_v1 第 14 条),
视频整体却是国漫 3D CG 质感,A01 的照片感没带进来。唯一的例外是结尾”低头侧脸近景”:
r2、r3 两条的 12–15 秒都几乎就是 A01 的构图和雾化照片质感,和前面的 CG 段接不上。
- 推测:镜头景别 / 角度与身份图一致时,模型倾向直接复现那张图,而不只取身份。
- 作者两次都判”还好”、保留,所以没有验证修法。r2 时记下的候选修法:收尾换一个与身份图不同的机位(如侧后方回眸)。
没有服装参考图时,服装文字锁输给模型的默认造型 ⚠️(2026-09-26)
76_清月 三轮都没挂服装图,服装全写文字(高立领扣到下颌下方、双臂被广袖盖住、袍身完整不开衩):
- r1 大体守住(双肩被肩甲盖住、高领广袖都在),只有袍摆没盖住脚(作者判”赤脚是加分项”,回写角色卡)。
- r2 改成低机位仰拍、足到脸上移后:高领丢、双肩外露、裙摆高开衩。
- r3 把三条服装锁重新写明:仍是手臂只罩薄纱、腿部透纱、8.0 秒高开衩。
→ 与本节首条同一个方向的另一面:参考图里没有的东西,文字也未必锁得住,模型对这类仙侠服装有稳定的默认落点。 修法(挂服装资产图)没跑——作者裁定”衣服不用管了”。本节第二条”冲突属性上文字赢过参考图”讲的是全画面级删除禁令,与这里的构造性服装细节不是一回事。
但冲突属性上,文字赢过参考图 ⭐⭐
一句全画面级禁令(「画面里不要出现任何文字或商标」) 会把资产图上的贴纸/招牌/标识全铲干净,即使挂的是带标识的原图。
实证:某辆标志性摩托的整套贴纸就是它的辨识度,删掉那句禁令 + 换回带贴纸原图, 一次就对,连中文字都一字不差。
落地:不写全画面级禁令。只针对具体那一处写,且用肯定式描述期望状态。 资产图上本来就有的标识,要在镜头内容里正面点名要求出现, 并注明「字母生成得不精确也没关系,有比准更重要」。
参考图脏了,视频就脏:GPT 多轮派生图会把噪点交给视频 ⚠️(2026-09-20)
《余温》M02 四条 25 秒试镜逐变量对照(提示词逐字不变):站位锚点与身份图走 GPT Image 四五代派生链时作者判”画面很脏”; 只换锚点(改用视频自身抽帧)没变化,换身份图为 MJ 原图后作者判”不脏了,只是分辨率低”。 本节首条”参考图里有的东西压不住”的另一面——图上的噪点也压不住。 落地:身份图只用 MJ 原图或一代定妆;锚点用视频抽帧或 Blender 白模;姿势规则写文字。 见 派生图不进视频输入律_噪点随编辑代数累积_v1。
小尺度下的面部重建需要专门的面部锚点 ⭐⭐
上一镜的尾帧管不住脸。尾帧是一张脸高约 250px 的大特写, 下一镜里主体在奔跑、脸小又在动 → 一步崩成另一个人(年龄感差 15 岁), 不是渐进漂移。
落地:凡有锚点角色出镜,角色资产图一律挂上,不管上一镜尾帧多清楚; 同时用文字写死年龄段/脸型/脸颊/下颌线/法令纹有无/眉形/发量, 并补一句动态约束「他在奔跑/大喊/侧身躲闪时也必须还是同一张脸」。
比喻里的实物、情绪的生理描写,会被画成实物 ⚠️(2026-10-05)
- “一小团暖光——像一捧没有烛台的烛火”:段1 r1 两条都画出了带蜡身的蜡烛。
- r2 改成”不是蜡烛:没有蜡身、烛芯、烛台……一团拳头大小、边缘柔软的暖光,悬空飘在合拢的掌心上方”,两条就都是悬空的光团了。
- 这正是第五节说的写法:对照式反例,加正面的物理描述。
- “眼眶发红,但声音没有抖”:段3 r1 两条都画成了红色虹膜,其中一条是发光的红瞳。
- r2 改成”眼睛湿了,但没有哭”,再锁一句”眼睛始终灰蓝色,不要红眼、红色虹膜”,两条眼睛都恢复正常。
- 写法:不拿实物打比方,直接写形态;情绪只写神态,并把颜色锁死。来源 2026-10-05_余温_单元剧EP03瓦尔卡_LibTV样片到正片_阶段复盘_v1
五、否定句的用法(分界线清楚)
| 写法 | 判定 |
|---|---|
| ✅ 肯定式定量 + 站位(「画面里只有两名围观的男大学生并排站着」) | 有效 |
| ✅ 收尾否定但不点名新实体(「除这两人外画面里没有别人」) | 有效 |
| ✅ 对照式反例,用来封住已知的漂移方向(「不要做成方下颌的中年男人」) | 有效 |
| ❌ 列举不想要的元素(「没有标题栏、没有侧栏、没有输入框…」13 个否定) | 五版全崩 |
| 🔴 点名高先验实体去否定它(「不要孙悟空」) | 最糟,等于凭空引入 |
「肯定式锁定句」已三次验证有效 ⭐⭐⭐。要点是给出正面的物理解释—— 「刚拆封、还没进过打印机的空白复印纸」比单说「空白的」有效, 模型需要一个理由去渲染空白。
⚠️ 管线特性(不是模型特性)
Dreamina 的 multimodal2video 没有 negative prompt 通道,
flag 里只有一根 --prompt。所以「加负面词排除 X」落地就是把 X 拼进正向 prompt。
Flova 走自然语言,这条不适用;但 Flova 会自动追加负面提示词,
归档要存追加后的完整原文。
六、控人数与群体
- 必须给具体数字和站位(「左边一个右边一个」「只有三个远小剪影」)。
- 写「密集但看不清脸」这类形容词无效——实测背景冒出几十个人做整齐划一的动作。
- 同框人物 ≤3 且优先剪影/背影/远景/局部。
- 大规模人群可行的唯一写法是重运动模糊 + 高速穿行,让五官根本无法解析。
七、其他实测数据
| 项 | 值 |
|---|---|
| Flova 直出 | CFR 24,1280×720 |
| Dreamina 直出 | VFR(标称 60/1,实际平均 24.03–24.15)→ 进时间线前要转 CFR |
| 积分消耗 | 720p 实测约 59 分/秒;1080p 实测 65–70 分/秒(同账号同日:30s 2060、25s 1698、14s 896、8s 512)。分辨率不同要分开记 |
| 积分消耗(即梦 CLI,2026-09-18~20) | 720p 实测 20 分/秒:multimodal2video seedance2.5 25s 六次都是 500 分(含 9/18 补拍 5s=100)。与上一行的”720p 约 59 分/秒”来源不同(那行来自 Flova/后室时期),按管线分开记 |
| 参考输入上限(seedance2.5) | 图 ≤30、视频 ≤10、音频 ≤10,合计 ≤50;每段及合计视频/音频时长 2–30s;输出 4–30s;--image 顺序即 @ImageN 编号 |
| 镜头结构控制(官方) | 四种,控制力由低到高:首尾帧 < 多关键帧序列 < 分镜网格 < 3D 白模。白模视频当参考只取运镜、节奏、景别、轨迹、站位,材质/光/人物自己渲;灰色人形要在提示词里按名对应角色。多关键帧控的是”阶段顺序”不是逐帧复现——实测 25s 里后半段锚点晚到 2–3 秒 |
| 白模切点(2026-10-01) | 30s 6 镜白模,4 条输出 × 5 个切点全部对上(偏差 ≤0.03 秒),没有多加镜头(对照:不挂白模、只写时间表时,第一节记过模型会自己多加一镜)。白模里的几何体在”参考分工”里写明对应什么,就会被读成道具与动作:竖杆=弓、横杆=箭、举到眼高=拉满、脸前小竖条=竖在唇前的食指;镂空框里的白块缩小=灯火变暗;门洞里出现深色板=雾退开露出黑暗。来源 2026-10-01_余温_见证者角色PV_立项到四平台发布_复盘_v1 |
| 局部重绘 | ❌ CLI 没有涂抹式局部编辑。multimodal2video --video 是”拿旧视频当参考重新生成”,不是”只改这一块”。要省积分靠按切点重拍_省的是生成时长_v1 |
| 首尾帧 vs 全能参考+关键帧 | 同一需求(空白信纸→带字信纸,8 秒)两条路都跑通、字都逐行显影。frames2video 首帧与原片末帧差 2.3(可直切);multimodal2video 两张关键帧那版整幅偏约 17 像素、差 19.6(要 0.15 秒叠化吸收)。作者侧反馈偏好全能参考 |
| 首帧续拍(链式,2026-10-13) | 国内版画布 first_last_frame 只给 1 张图(第 2 张会被当尾帧):取上一条第 N 帧当首帧、同机位续拍,三条(r3 → p3 → p4)接成一个镜头,作者没有再提「切得硬」。续拍开头常停住几帧,剪辑时加速 1.5 倍;首帧模式不挂白模,运镜只能靠文字。⚠️ 首次(链式)。见 2026-10-14_那道题还亮着_原创对唱MV_粗剪审片到六平台发布_复盘_v1 |
| 白模速度曲线被照演(2026-10-13) | Blender -b 下 keyframe_new_interpolation_type 不生效,白模全是贝塞尔插值,切点后人物先猛冲再变慢;Seedance 照演成「走太快」「倒着走」。渲染前强制所有 F-curve 改 LINEAR 后正常。⚠️ 首次 |
| 白模线性插值也露馅(2026-10-21) | 88 号把白模改成 LINEAR 后,每个关键帧处速度突变,可灵照着匀速扫,作者判「镜头转动太机械」。两种插值都会被照演,所以改成白模里每镜摄影机不动、推镜只做直线慢推,视线换了就切镜;提示词写「参考站位和切点,运镜按电影摄影自然处理」,不写「严格照机位拍」。⚠️ 首次。见 2026-10-22_第三阶的秋天_那道题续作MV_立项到四平台发布_复盘_v1 |
| 挂 / 不挂白模单价(即梦画布国内版,2026-10-22) | 720p 实扣:挂白模(多模态参考)约 50–52 分/秒(15 秒 754、16 秒 832、11 秒 572);不挂白模约 18–20 分/秒(11 秒 220、16 秒 288、13 秒 234)。19 条报价都等于实扣;失败提交(积分不足)不扣分。约 2.6 倍。⚠️ 首次(单账号) |
| 短补拍丢发型(2026-10-13) | 4–5 秒补拍两例把及腰长发画成齐肩(M5补 p1、M7补 p2);补拍提示词带上主文档整句发型、或用首帧模式后正常。⚠️ 首次(同项目两例) |
| 跨镜道具 | 没有专属参考图的道具,每一镜会被重新想象一次(实测:同一封信的蜡封在四镜里出现三种状态)。见跨镜道具锁定律_资产图优于形容词_v1 |
| 中文台词 + audio tags | ✅ 零泄漏(3 音色 × 4 组 = 12 次);stability: creative 下 tag 响应最强 |
| 视频模型自带 TTS | ⚠️ 只当占位。读音错了不要在视频模型里反复调——改一段读音要求会引起画面退化(实测背景人群退化成扁平卡通矢量小人)。台词走 Eleven v3。2026-09-29 反例:闲聊语气、无读音难点的两人对白一次就能用,进了成片,见第八节”同期对白” |
| 积分消耗(即梦画布 CLI 国际版,2026-10-01) | 全能参考(5–7 张图 + 1 条白模视频)720p 30s 每条 960 分(32 分/秒),count 2 报价 1920,4 条实扣都是 960。比上一行即梦 CLI 的 20 分/秒高;那条通道挂白模视频参考时是 25s 600 分(24 分/秒,71_余温 9/21 试镜),也解释不了全部差价。两者不是同一条通道(这次是画布 CLI 国际版、另一个账号),按通道分开记 |
| ”AI”角标(即梦画布国际版,2026-10-01) | 输出左上角的”AI”角标由账号设置控制:dreamina 设置里关掉后,同一 resourceId 重新下载就是无角标版,画面其余部分只差重编码。CLI 没有对应参数;提示词写”画面无角标或水印”不起作用 |
| LibTV Remote MCP 直出(2026-09-26) | generate_video → image2video 多图参考;9:16 / 720p / 15s 实得 720×1280、CFR 24、15.04–15.07 秒;enableSound=on 时音轨 AAC 32 kHz 立体声。三条都一次成功,回执不返回积分消耗,本轮也没查余额,所以这条通道的单价未知 |
| LibTV CLI 样片模式(2026-10-05) | 模型 star-video2.5-draft,只出 480P,每个节点只能 1 条,30 秒一条约 3–4 分钟出片,4 条并行没问题。输出 854×480、CFR 24、721 帧,音轨 AAC 32 kHz。mixed2video 挂白模视频加 MJ 图,算价 1,200,实扣 600:算价把参考视频时长也算进去了,实扣只按成片时长。来源 2026-10-05_余温_单元剧EP03瓦尔卡_LibTV样片到正片_阶段复盘_v1 |
| 白模切点(LibTV,2026-10-05) | 4 段白模,切点数 5/10/3/5。16 条样片的切点检测没有一处偏差超过 0.04 秒,也没有多加镜头。漏报的都是两边色调接近、没超过检测阈值的切点,画面里切点都在。10 个切点、最短 1 秒一镜的蒙太奇段也照切。换平台(即梦画布 → LibTV)照样成立 |
| 白模几何会被照画 ⚠️(2026-10-05) | 白模里的光团用立方体,近景特写里光被画成发光方块(段2 r1 两条都是)。改成球以后变成圆形光团。r2 同时也改了提示词,两个因素没拆开。白模道具用和实物同形的几何体 |
| 样片转正片:是同一条 ⚠️(2026-10-05) | 网页”生成正片 1080P”= 普通 star-video2.5 生成,加 draftTaskId。3 条对照:构图、动作、切点、台词时间与样片完全一致,只是清晰度到了 1920×1080(HEVC)。音轨不是原样拷贝,响度 -26.3 → -27.7 LUFS。算价 6,600,实扣 6,600,约 20 分钟出片,样片 7 天内有效。CLI 样片要补元数据才有按钮,见 LibTV_CLI样片转正片_补网页元数据_v1 |
| 视频编辑高清重绘(LibTV,2026-10-05) | videoEdit2video 把 480P 样片的 10 秒片段重绘成 720P:画面几乎逐帧保住了,但输出 9.708 秒,时长短了 3%,有台词就会口型错位。算价 1,150,实扣 1,150。要保留样片,走样片转正片,不走这条 |
八、自主配乐(enableSound=on)
事件卡点跟得上提示词;硬切要单独写一句才贴拍 ⚠️首次(2026-09-26)
76_清月 r2 起让模型随画面自己配乐:提示词只给风格(古筝、竹笛、无词女声吟唱)和五个卡点事件(电弧重音、抬眼收住、剑阵重拍、衣袖上扬、结尾收束)。 测量用浏览器 Web Audio 解码算响度包络与起音,画面切点用逐帧亮度差检测;没有人耳试听,听感以作者为准。
| r2(只写卡点事件) | r3(加一句”每一次镜头硬切都正好落在一个鼓点上”) | |
|---|---|---|
| 事件卡点 | 5 个全对上:电弧重音 0.72 秒 vs 闪光 0.75;抬眼处响度跌到 −37.5 dB;剑阵重拍全片最响;衣袖起音 8.9 vs 遮满 9.0;结尾渐弱 | 3 个全对上:抬眼跌到 −33.8 dB;月光斩开云海全片最响;结尾渐弱 |
| 硬切与最近起音的差 | 0.58 / 0.23 / 0.45 / 0.1–0.27 秒,一处切点附近没有起音 → 事件对拍、硬切不对拍 | 7 处中 6 处在 0.10–0.22 秒内,一处 0.41 |
- 峰值 −4.4 / −3.9 dBFS,无削波、无静音段。作者保留 r3 原声进成片,没提歌词或人声问题(是否有词未测)。
- 不是单变量对照:r3 同时去掉了剑阵和竹林场景。那句”硬切落在鼓点上”是最直接的解释,但不能排除画面变简单的影响。
- 写法:卡点写成”画面事件 + 声音动作”成对出现;要切点贴拍,另写一句全局要求,不要指望事件卡点顺带把硬切也对上。
同期对白:两人 8 句写进一条,逐字一致、时间跟得上 ⚠️首次(2026-09-29) → ⭐⭐(2026-10-01 二次验证)
77《右下角的池塘》M04:LibTV generate_video,image2video(@图片1 身份、@图片2 工位机位),16:9 / 720p / 28 秒 / enableSound=on,一次成功。
提示词写了两个角色的外形和声音(小满”年轻女声,轻、松弛,带一点没睡醒的笑意,不是播音腔”;朋友”比小满低一点、爽快、随口”),再按秒给出时间表:几秒到几秒、谁说哪一句。
- 台词逐字一致:faster-whisper 转写和提示词的 8 句完全一致,没有漏句、加句。
- 时间跟得上:实测起音和提示词时间表几乎重合(朋友问 2.36–4.50 秒,写的是 2–5 秒;“B站上就能玩,你也养一个呗”24.48–26.24 秒,写的是 24–28 秒)。
- 音色一致:两个人的声音在一条生成里前后一致。所以多句台词要合在一条里生成,剪辑时再拆(本片拆成开头 0–8.9 秒、结尾 10.5–28 秒两段),不要分句单独生成。
- 能进成片:作者接受了原生对白,直接用于定稿。这比第七节”视频模型自带 TTS 只当占位”要好。区别可能在于本片台词是闲聊语气,没有读音难点,也没反复改读音要求。
- 没有自己烧字幕:提示词写了”画面干净,没有任何文字、字幕或水印”,抽帧没见到硬字幕(没逐帧扫)。第二节”有台词就可能烧字幕”的条目要继续观察。
- 光线没照做:写的是”清晨淡淡的灰蓝天光、顶灯没开”,出来的是窗外城市灯还亮着、台灯开着,更像天快亮的蓝调时刻。
- 字幕时间不要直接用 ASR 的词起点,见 TTS旁白也能蒙眼质检_ASR拼音级评分_v1 的 2026-09-29 新实例。
→ 2026-10-01 二次验证,升 ⭐⭐(71_余温 见证者角色 PV,即梦画布 CLI,30 秒一条、只有一句台词):
- 瑟兰薇:提示词写”约 27.8 秒轻声说’嘘。‘,普通话,女声,压低的气声”,两条都在约 26.4–28.1 秒念出,并对着口型。单字气声 ASR 拿不准,以作者听感为准;成片字幕入点用能量包络起音 27.79 秒。
- 守灯人:提示词写”约 26.9 秒起说’每过一道门,就要留下一样东西。‘,苍老的男声,低沉、慢”。B 条 26.32–29.80 秒逐字一致;A 条开头咬字不清(被识别成”美国一到门”),两条里有一条能用。
- 两个项目、三种情形(两人闲聊 8 句、单字气声、一句 13 字长台词)都能用。仍是两个项目,不到铁律。
写了”没有配乐”,仍会按镜头各垫一段乐音,跨切点不连贯 ⚠️首次(2026-10-01)
71_余温 瑟兰薇 r1:声音段写死”没有旁白、没有画外音、没有演唱、没有配乐”,只列环境声。作者选的 B 条:
- 镜 1、4、6 底下有一层约 117/137/196 Hz 的低持续音(像低音弦乐垫底)。
- 镜 5(19–24 秒)从 21.6 秒起换成一组降B–C–G 和弦(谱峰 233/261/391/466/521/784 Hz),低频比镜 4、镜 6 空 15–20 dB。
- 24.0 秒一切,和弦断掉、低频猛涌回来。作者听出”23-24s切镜时BGM突然变了,很怪”。
- 原片整体只有 -37.2 LUFS,这层乐音埋在风声里听不出;loudnorm 拉到 -16 LUFS 后才露出来。
- 处理:镜 5 换成同一条里镜 6 之后的风声(正放、倒放循环),两头 0.3 秒交叉。
写法与检查:
- “没有配乐”挡不住模型垫乐音。真要纯环境声,只能后期换底;或者干脆按下一条写清配乐。
- 拉响度之前先看频谱,逐个对比切点前后的谱峰。响度越低的原片越要查。
写清配乐跟着画面怎么起落,跨切点就连贯 ⚠️首次(2026-10-01)
71_余温 守灯人 r1(同一系列的第二支):声音段改成”配乐由你来作”,给方向(冷、克制、低音弦乐或低沉人声吟唱,不要史诗鼓点和铜管),再按画面写起落:
- 开头只有风;火矮下去、他睁眼时进一个很低的长音;门洞雾退开时展开;王走过时最满。
- 台词前约 26.5 秒退到几乎听不见,说完只留余音。
B 条实测:一条约 230 Hz 的低持续音从开头贯穿到 26 秒,10 秒切大远景时整体涌起,26.3 秒台词前退下去,5 个切点都没断。原片 -28.6 LUFS(A 条 -30.6),比瑟兰薇那条响得多。
- 不是对照:换了角色、场景、台词,只量了 B 条。和上一条对着看,“有没有写清起落”是最直接的解释,但不能排除别的差异。
- 写法与第八节第一条一致:起落写成”画面事件 → 音乐动作”成对出现,台词前要单独写一句”退下去”。
同期对白里的低频专有词会读歪;读音提示只救一部分,换高频说法才全对 ⚠️首次(2026-10-14)
85《护航》:DreamMaker Seedance 2.5 全能参考,720p,生成音频开,中文普通话画外台词。核对用 faster-whisper 逐字转写+人声频段能量包络,确权两次读错有作者人耳确认。
| 生成 | 台词写法 | 结果 |
|---|---|---|
| 一条.r1、后18.r1 | 原词:确权完成 / 跃迁 / 移交接收方 | 确权→“主阵/确认”,跃迁→“越宴”,移交→“软交/转交” |
| 前15.r1 | 原词+拼音读音提示(què quán、yuè qiān、yí jiāo) | 跃迁、移交对了;确权仍读成”确认”;“收益回流”提前到”护航抵达”之前说 |
| 全片.r2 | 换高频说法:版权确认 / 加速 / 已经送到,请签收 / 收益到账 | 六句逐字全对、顺序全对,28 秒五切点都在 ±0.08 秒内 |
- 不是单变量对照:全片.r2 同时从”分段补拍”换成了”28 秒一条直出”。换词是最直接的解释,结构变化的影响没排除。
- 读音提示里不要写错误读法(“不要读成’软交’”),会把错读递给模型;只写正确拼音和常见组词。
- 理论对应 低频退化与频率定律_v1:写得更高频优先于写得更复杂。
- 多句画外台词的说话顺序不一定照时间表:前15.r1 第 6 句跑到第 5 句前面。时间表之外再写一句”先 A 说完,再 B”(全片.r2 这样写后顺序对了)。
- 来源:2026-10-14_SeeBay宣传片护航_八轮生成到一条直出与台词高频化复盘_v1
验证等级说明
⭐⭐⭐ = 三次以上跨场景成立,可用于指导决策; ⭐⭐ = 二次验证; ⚠️ = 初次发现,只作为值得继续观察的假设,不能当铁律用。
关联文档
- 2026-08-08_后室大逃亡S45-S48_运镜与跨镜一致性返工复盘_v1 —— 本档案第三、四节的主要来源
- 2026-08-05_后室大逃亡配音工序_四音色定版复盘_v1
- Eleven_v3_行为规律_v1
- 可灵Kling3_0_行为规律_v1
- 图生视频_ForwardOnly原则_v1
- 跨镜道具锁定律_资产图优于形容词_v1 —— 第四节「参考图 > 文字」在道具上的应用:跨镜道具要资产图,不要形容词
- 按切点重拍_省的是生成时长_v1 —— 计费按秒、没有局部重绘之后,怎么只重拍出问题的那几秒
- Flova_平台档案_编排层不是模型层_v1 —— 编排层的对应档案。本文只写模型行为,平台能力边界与项目记忆机制看那边
- 2026-08-08_后室大逃亡S43长镜头_归因未遂与生死线次序复盘_v1 —— 同项目、同日;6 秒自动分段这条的原始归因过程在那边
- 2026-09-20_余温_关键帧先行到锚点制_M02四轮试镜复盘_v1 —— 第四节”参考图脏了视频就脏”与第七节 720p 计费、官方四种镜头结构控制的来源
- 锚点只给站位律_动作交给视频模型_v1 / 派生图不进视频输入律_噪点随编辑代数累积_v1 —— 静态参考给什么、从哪来
- 2026-09-29_右下角的池塘_游戏宣传微电影_实录混剪到双语字幕发布_复盘_v1 —— 第八节”同期对白”与第七节 TTS 反例的来源
- 2026-10-01_余温_见证者角色PV_立项到四平台发布_复盘_v1 —— 第七节白模切点、画布 CLI 积分与角标,第八节”同期对白”升 ⭐⭐、“写了没有配乐仍垫乐音”、“写清起落就连贯”的来源
- 2026-09-26_清月_单条15秒角色PV_立项到三平台发布_复盘_v1 —— 第一节直连多镜头、第三节足到脸胸前停留、第四节裁图 / 身份图整张复现 / 服装文字锁、第七节 LibTV Remote MCP 与第八节自主配乐的来源
- Claude桌面版接入LibTV远程MCP_临时电脑环境与会话重连_v1 —— LibTV Remote MCP 通道怎么接、怎么提交、掉线怎么重连
- AI视频本机超分_RealESRGAN_x4plus与闪烁检查_v1 —— 720p 直出之后的超分做法(第七节帧率一行决定能否直接按 24 帧重组)
- 2026-10-05_余温_单元剧EP03瓦尔卡_LibTV样片到正片_阶段复盘_v1 —— 第四节”比喻/生理描写被画成实物”,第七节 LibTV 样片模式价格、白模切点跨平台成立、白模几何被照画、样片转正片同一条、高清重绘时长压缩的来源
- 2026-10-14_那道题还亮着_原创对唱MV_粗剪审片到六平台发布_复盘_v1 —— 首帧链式续拍、白模速度曲线被照演、短补拍丢发型三行的来源
- 2026-10-22_第三阶的秋天_那道题续作MV_立项到四平台发布_复盘_v1 —— 第七节「白模线性插值也露馅」「挂 / 不挂白模单价」两行的来源
- LibTV_CLI样片转正片_补网页元数据_v1 —— CLI 样片转 1080P 正片的操作文档
- MiniMaxH3_行为规律_v1 —— 开源权重路线的对应档案。被会员门槛挡住时的另一条路,prompt 规范与本文完全不通用(H3 是六段式结构 +
引用)