企业官网建设流程全解析

这条视频是我用 Seedance 生成的：一只近十米高的怪兽从城市边缘的浓雾里站起来，主角捏着光剑从废墟堆上冲过去，一刀砍在怪兽脚踝，金属火花炸开，怪兽轰然倒地。成片30秒，前后改了四版提示词、调了两轮参数，最后总算达到“能发出来”的标准。

先说结论：这类“打怪兽”题材，其实是检验 AI 视频生成能力最划算的测试样本。它同时集齐了最难生成的几个要素——高速运动、剧烈镜头变化、物理碰撞、角色连续动作，任何一个环节崩了，整条片子就露馅。愿意花时间把这条视频从想法推到成品，你对 Seedance 的理解会比刷一百条教程都扎实。

我这次不用“随便跑几条素材”的玩法，而是按完整短片流程走：分镜、提示词、逐镜头生成、剪辑拼接、后期补救，每一步都有可复用的套路。下面把整个过程拆开聊，你直接照抄也行。适合谁看？就是想用 Seedance 这类工具做剧情向短片、短视频内容，又不想只做风景空镜，想搞定人物动作和镜头运动的创作者。

1. 项目拆解：为什么“打怪兽”是最划算的压力测试

1.1 题材最难的地方在哪

先别急着动手生成，得想清楚“打怪兽”这类片子到底难在哪儿。很多新手第一次用 Seedance 生成流畅的风景视频，觉得效果惊人，转头就去做角色战斗，结果生成出来的东西像果冻一样抖，或者主角跑到一半手没了，当场崩溃。

那是因为风景视频对“物理规律”的要求极低：云可以飘、水可以流，哪怕形变一点，人眼看不太出来。但“打怪兽”不一样，它有几个硬性要求：

• 高速运动稳定性：主角冲刺、怪兽挥爪，都是大幅度的位移，模型很容易在帧间出现撕裂，常见表现是背景扭曲、角色四肢错位。
• 连续动作一致性：上一帧武器还在右手，下一帧突然换手，或者怪兽体型忽大忽小，这是角色类生成最容易犯的病。
• 物理交互：刀砍上去要有火花，脚踩地面要有尘土，这种碰撞反馈需要模型对“因果”有理解，否则攻击动作打到空气上，整段就假了。
• 镜头语言：不能一直是大全景，得推拉摇移，景别切换时还要保证画面里的角色对得上——这比单镜头生成难度又上一个台阶。

把难点列出来，你会发现提示词和参数设置都有了方向：每一项都要针对性去补。

1.2 工具链路的设计思路

Seedance 这类模型，从文本直接生成视频只是其中一种模式。更稳的做法是把一条完整视频拆成多个短镜头，每个镜头用首尾帧或者图生视频模式控制，最后在剪辑软件里拼起来。

我这次选的工作流是：文本生成分镜脚本 → 用 Seedance 的文生视频跑关键镜头 → 对不满意的镜头改用图生视频或首尾帧模式重跑 → 剪辑拼接 → 后期调色加音效。

这中间最重要的一次选择，是“不要试图用一条视频生成搞定整个战斗”。现在很多模型支持十几秒甚至更长的视频，但越长越容易漂，角色到后面基本就走样了。拆成 4 到 6 秒的镜头，每个镜头只表达一个动作，成功率会高很多，这点后面展开细说。

1.3 一条 30 秒成片的最小可行方案

我给自己定的目标是：30 秒成片，镜头控制在 5 个，每个镜头 5 到 8 秒，总生成次数控制在 20 次以内。这个方案有两个好处：一是 30 秒足够讲清一个“遭遇—反击—胜利”的微型结构，二是 20 次生成以内的成本，在可接受范围内。

具体分配是：

• 镜头 A（4秒）：城市边缘，怪兽从雾中站起，主角背影入画。
• 镜头 B（5秒）：主角抬头、拔剑，眼神坚定。
• 镜头 C（6秒）：主角踩着废墟向前冲锋。
• 镜头 D（8秒）：近景，一刀砍中怪兽脚踝，火花四溅。
• 镜头 E（6秒）：怪兽失衡倒地，尘土扬起，主角站在废墟上。

每个镜头对应一个明确的“目标动作”，绝不塞两个连续动作进去。这样即使某个镜头失败了，重跑的代价也小。这条原则，请务必记住——它能帮你省一半的生成配额。

2. 先写分镜，再碰提示词

2.1 分镜表是提示词的地基

很多新手拿起 Seedance 就开始输提示词，写“一个英雄在打一只巨大的怪兽”，出来的画面能猜到大差不差，但要控制镜头、动作、气氛，就完全不行了。我习惯先做一张分镜表，把每个镜头的画面内容、镜头运动、景别、氛围全定下来，提示词只是把表格翻译成模型听得懂的语言。

我这次使用的分镜表示意：

这张表的价值在于：每次生成前你都能指着某一栏告诉 Seedance“镜头语言是什么”“主角在哪”“怪兽在哪”，而不是让模型自由发挥。Seedance 对文本的理解已经很强，但你不给它边界，它就会自己“编故事”，这经常导致连续镜头的主角形象对不上，后面想修都难。

2.2 正面提示词的结构化写法

分镜表有了，提示词的写法就有章法了。我总结出一套适合动作类视频提示词的结构，四个要素缺一不可：

主体描述 + 动作描述 + 环境与光照 + 镜头语言与风格质感

比如镜头 D 的提示词，我不会只写“打怪兽”，而是这样写：

一个穿深灰色战斗服的年轻剑士，手持发光的蓝色能量剑，从画面右侧冲向画面左侧，双手握剑劈向一只巨大怪兽的金属质感的脚踝，剑刃与脚踝接触瞬间爆发出耀眼橙红色火花，火星向四周飞溅。怪兽的部分皮肤是粗糙的深色甲壳，表面有裂缝和发光纹路。环境是城市废墟，背景有倒塌的高楼和烟雾，黄昏光线，低角度手持镜头，快速跟拍，轻微晃动，电影感，高细节，8k 质感，慢动作。

这里面的关键词拆开看：主体是“年轻剑士+战斗服+蓝色能量剑”，动作是“从右向左冲、双手劈砍、火花飞溅”，环境是“城市废墟、黄昏、烟雾”，镜头语言是“低角度手持、跟拍、轻微晃动、电影感”。Seedance 会把每个信息都当作约束条件，你给的信息越具体，它的发挥空间越小，出错的概率越低。

不过也要注意一个反直觉的点：提示词不是越长越好。超过一定长度后，模型会抓不住重点，反而把次要信息放大。我的经验是控制在 60 到 90 个词左右，核心信息前置，修饰信息往后放。

2.3 负面提示词比正面提示词更重要

Seedance 这类模型默认会有一些周期性出现的毛病，比如手部畸变、身体扭曲、文字乱码。你必须用负面提示词明确告诉它不要做什么，否则它会反复犯同样的错。

我这次固定使用的负面提示词如下：

多手指，畸形手指，肢体断裂，扭曲，身体形变，面部崩坏，模糊，画面闪烁，闪烁条纹，跳帧，残影，运动模糊过度，文字，水印，logo

这里有个细节值得多说：像“运动模糊”这种词，看起来是电影感的一部分，但生成模型很容易把模糊变成全局糊成一片，所以我直接禁掉，后期想要模糊自己加。负面提示词不是固定不变的，同一个动作不同镜头，失败后看是什么原因崩的，就把对应词加进去。比如镜头 C 连续两次主角跑着跑着腿就少了一条，排查后补上“腿部交叉，多条腿”这种词，再跑就正常了。

3. 生成实操：Seedance 关键参数与调优记录

3.1 关键参数如何理解与设置

很多用户对外层的“一键生成”很熟悉，但对里面的参数不求甚解。Seedance 生成界面里通常会有这么几项关键参数：分辨率、时长、帧率、运动强度、场景一致性、随机种子。我逐个讲一下我的设置逻辑。

先说分辨率。很多人一上来就选 1080p，生成一次要等很久，结果构图不对、动作崩了，白白浪费时间。我习惯先用 720p 跑粗稿，确认这个镜头动作没问题，再上 1080p 跑终版。最终发布在主流视频平台，720p 到 1080p 的差距其实没那么夸张，短视频平台压缩之后更是差别不大。

再说运动强度。这个参数直接决定了画面的“动感”。太低，主角的动作像在水里游泳，软绵绵的；太高，背景和角色一起乱飞。我用的方法是：先把运动强度拉到 70% 跑一版，如果主角动作干脆、背景轻微模糊，那刚好；如果背景墙都扭成波浪了，降到 50% 再试。打斗场面一般 60% 到 70% 是一个甜点区间。

最后说随机种子。这是很多人忽略的神器。同一段提示词，不同种子生成结果差别很大，但如果你已经跑出了一个满意的镜头，想把其中某个小细节改一下（比如换武器颜色），就固定种子只改提示词，这样可以最大程度保留原来的构图和角色形象。

3.2 首尾帧模式：多镜头匹配的关键

30 秒成片最难的不是单个镜头好看，而是五个镜头里角色长得像同一个人。这就要用到 Seedance 的首尾帧模式。

原理很简单：模型把第一帧和最后一帧作为约束条件，生成中间的过渡内容。实际操作是：先跑镜头 A，得到满意的画面后，把镜头 A 的最后一帧导出，作为镜头 B 的第一帧上传，这样镜头 B 就从上一帧的画面继续“演下去”。按这个方式把五个镜头串起来，主角服装、怪兽体型都保持了高度一致。

具体操作流程：

1. 跑镜头 A，满意后导出最后一帧。
2. 打开 Seedance 的图生视频（或首尾帧）模式，上传镜头 A 的尾帧作为首帧，再上传镜头 B 尾帧的参考图（如果没有尾帧，可以先不管，只上传首帧）。
3. 填好镜头 B 的动作描述，重点是提示词里写明“延续上一画面中的角色”，比如“同一个穿深灰色战斗服的年轻剑士”。
4. 生成后检查首帧是否与上一镜头的尾帧衔接自然，如果衔接处有大跳变，重新调整提示词或换种子。

这个方法比单独生成五个镜头再硬拼要稳定得多，也是我这次成片能“骗过眼睛”的核心原因之一。

3.3 参考图：统一风格和怪兽外观的捷径

除了首尾帧，参考图也能帮大忙。我这次先单独生成了三张图：主角全身像、怪兽全身像、废墟城市环境图。然后用这三张图分别作为对应镜头的“角色参考”。

Seedance 的图生视频模式支持参考图输入，模型会尽量保持图中角色的外观。我的经验是：参考图选正面全身照，动作简单，背景干净，这样模型更容易提取到“角色特征”而不是被背景干扰。环境参考图则用来锁定色调，比如黄昏废墟，这个色调一旦定了，五个镜头都往这个方向靠，整个片子的质感就统一了。

不过参考图也有翻车的时候：如果参考图里角色太小，模型会忽略它，重新生成一个新角色。所以参考图一定要让主体占画面足够大的比例。

4. 多镜头衔接与后期补救

4.1 镜头组织的剪辑策略

五个镜头生成完毕，进入剪辑阶段。我用的剪辑逻辑是：先把五个镜头按顺序铺在时间线上，然后逐段检查三个位置的衔接——画面动作连续性、色调连续性、节奏连续性。

这里有个实用技巧：每个镜头不是从第 0 帧开始用到底，而是裁掉开头和结尾各 5 到 10 帧。因为生成结果首尾往往存在短暂的入场和出场畸变，尤其是镜头变化剧烈的镜头，开头几帧可能还没稳定下来。裁掉之后，衔接反而更干净。

另外，镜头 B 这种固定镜头的时长可以稍微拉长一点，给观众喘息空间；镜头 C 和 D 这种动作镜头要压缩时长，让节奏往前走。打怪视频的节奏本质上就是“松一紧一松一紧”，前期压抑、中期爆发、后期释放。

4.2 后期补救：用特效盖住生成瑕疵

再强的提示词和参数，也不可能保证五条镜头全部完美。我的镜头 C 第一版里，主角跑过一块广告牌时，广告牌上的文字糊成一团，非常显眼。像这种局部问题，与其重新生成整个镜头，不如在后期用杂物和颗粒素材盖掉。

我是这样处理的：在视频编辑软件里给镜头 C 叠加一层碎石飞溅素材，把广告牌区域遮住，同时加了一点景深模糊遮罩，只看得出背景在快速倒退，细节直接被隐藏。这个方法成本极低，但能救回一个镜头。

另一个常用补救是调色。五个镜头分别生成，哪怕提示词里都写了“黄昏”，色调也会有细微差异，拼在一起会感觉一跳一跳。我会给所有素材叠一个统一的颜色查找表，再把色温和对比度微调一致。这一步做完，成片的整体感会明显提升。

4.3 音效是最后一块拼图

AI 生成视频默认没有音效，但你绝对不能就这样发出去。打怪兽片子没有音效，效果直接打三折。怪兽的低吼、脚步的震动、挥剑的破空声、金属碰撞的火花声，这些必须有。

我从免费音效素材库找了地震轰鸣、金属撞击、风声等素材，按镜头位置对准贴进时间线。爆炸瞬间配一个低沉的重低音，火花迸溅配高频碎响，最后怪兽倒地再配一轮低频震动和尘土声。说实话，音效贴到位之后，画面里那些轻微不自然的运动感都被“遮盖”了不少——人眼对画面的挑剔程度会被听觉经验干扰，这是一个后期常用的心理技巧。

5. 常见问题与排查技巧实录

5.1 角色一到高速运动就变形

这是动作类视频最常见的问题，表现是主角跑起来之后，腿部或手臂出现扭曲、多关节甚至消失。我排查的思路是：

1. 如果变形发生在角色身上，优先检查运动强度，降到 50% 以下再试。
2. 如果变形集中在中近景，试试把镜头改成全景，给模型留更多的“余量”。
3. 检查负面提示词是否包含“肢体扭曲，多条腿，多余手臂”这类词。
4. 实在不行，把这个镜头拆成两个更短的镜头，减少单段视频里的位移量。

我这次镜头 C 就拆过一次：单段 6 秒“跑过废墟”跑崩了三次，最后拆成“助跑+跳下”两段 3 秒镜头，反而一次通过。

5.2 怪兽体型忽大忽小，前后对不上

多镜头拼接时，如果不用参考图或首尾帧，怪兽体型很容易变。你这边刚生成了一个 20 米高的巨兽，下一个镜头就变成 3 米高的小怪了。解决方式就是上面说的：固定首尾帧链条，外加参考图锁定怪兽外观。

怪兽外观锁定还有一个技巧：在提示词里写清楚它的标志性特征，比如“背部有一排白色骨刺”“左眼有一条伤疤”。这样模型就算整体比例有轻微误差，观众第一眼注意到的也是这些特征，整体感还在。

5.3 生成结果风格不一致，像拼盘

五个镜头风格差异大，通常是因为没有统一的色调参考。我的经验是：开始制作前，先跑 3 到 5 张不同风格的环境图，选定一张“主风格图”作为所有镜头的环境参考。不要今天觉得“黄昏好看”就用黄昏，明天觉得“夜景酷”又去跑夜景，风格一旦确定，整条片子都要遵守。

5.4 一个镜头反复失败，怎么判断是哪里出了问题

当同一个镜头连续失败超过三次，我建议不要继续微调，而是停下来做一次“变量分离测试”。具体说：保持提示词不变，换一个随机种子，跑一版；如果这版还是崩，那就是提示词里有模型难以理解的描述；如果这版好了，说明是种子的问题，换种子即可。

还有一种情况，提示词里同时包含过多角色信息（主角、怪兽、背景路人），模型处理不过来，优先删除路人、简化背景，再跑。记住一个原则：模型不是越复杂越好，它是“理解边界”有限的工具，你给它越聚焦的任务，它完成得越漂亮。

5.5 常见问题速查表

写在最后的体感

做了这轮“打怪兽”项目，我最大的体感是：Seedance 这类工具已经不是一个“娱乐玩具”，而是真的能走完一条准专业级的视频制作流程。但它的上限不取决于模型本身，而取决于你给它的脚手架——分镜表、首尾帧链条、参考图、负面提示词，这些才是决定成片质量的关键。

最后再分享一个小技巧：别把 AI 视频生成的“瑕疵”当成失败，它其实是你的导演直觉在起作用。每一条崩掉的镜头都在告诉你模型哪里没理解到位，积累几轮之后，你对提示词和参数的敏感度会明显提升。下次想生成“追车”“爆炸”这类更大场面的镜头，思路完全一样——拆解、聚焦、控制变量。