Giggle · Seedance 2.0 视频生成与提示词（合并版）

Source: giggle-official/skills · API: giggle.pro · Script: scripts/generation_api.py

本技能 = Giggle API 成片（scripts/generation_api.py）+ Seedance 2.0 提示词工程资料库（references/、prompts/）。

• 主流程：优化提示词 → API Key → 用 text / image / omni 提交并轮询结果。
• 深度写法：创意钩子、分镜模板、长视频流水线、词表与范例见资源索引。

仓库内资源索引

⚠️ 平台与 API 约束（以 Giggle 为准）

资料库为通用 Seedance 提示词最佳实践；视频与多模态成片仅通过 giggle.pro 提交。实际调用本仓库脚本时遵守下表：

若资料写「混合素材 ≤12 个」与 Giggle 限制冲突，取更严一侧（尤其图片 ≤9）。

@引用 → Giggle CLI（omni）

⚠️ Language Rule — MUST FOLLOW

Match the user's input language exactly. Never translate. Never output a second language version.

• User writes in Chinese → optimize in Chinese → pass Chinese prompt to API
• User writes in English → optimize in English → pass English prompt to API
• Output ONE version of the optimized prompt. No bilingual display. No "API submission version".

（资料库中大量中文范例：仅借鉴结构与章法，输出语言仍以上述规则为准。）

Step 1: 提示词优化（必须完成后才能进入 Step 2）

用户输入往往描述不准确。必须先走完以下完整优化流程，生成高质量 prompt，用户确认后再提交 API。

完整规范见 [references/prompt-engineering.md](references/prompt-engineering.md)，以下为 SKILL.md 内联的执行摘要。

Seedance 2.0 核心能力速查

各能力详细示例见 [references/examples.md](references/examples.md)。

Phase 0：判断内容类型（最关键的一步）

Phase 1：获取用户创意

用户描述想要生成的内容。

Phase 2：确认关键参数（已明确可跳过）

1. 时长：短片 4–8s / 中 9–12s / 长 13–15s / 超长 >15s
2. 比例：横 16:9 / 竖 9:16 / 方 1:1
3. 素材：纯文本 / 有图片 / 有图+视频 / 全模态
4. 补充偏好（可选）：情绪氛围、镜头风格、用途场景

Phase 3：生成优化提示词（≤15秒输出 2–3 个版本，>15秒按流水线输出）

提示词结构速查：

运镜三级速查：

• 基础动作：Pan / Dolly / Zoom / Crane / Orbit / Tracking
• 修饰词：Smooth / Slow / Fast / Cinematic / Dreamy / Handheld / Aerial
• 组合技：一次最多 2–3 个，用 + 连接；"雾粒粘镜"等镜头质感词可大幅提升沉浸感

图片风格匹配（生成角色参考图 / 首帧图时）：

角色参考图格式：9:16竖版构图。[风格锚定]角色设定图，[构图视角]，角色居中。[面部7要素]。[发型]。[服装逐件+新旧状态]。[道具]。[体态气质]。[光影]。禁止：任何文字、字幕、LOGO、水印

首帧图格式：[画幅比]。[风格锚定]，[构图+角色位置]。[角色状态+关键辨识特征]。[环境细节]。[光影层次]。[色调氛围]。禁止：任何文字、字幕、LOGO、水印

@引用编号分配规则：

1. 公共素材（角色参考图等跨版本共用）从 @图片1 开始依次编号
2. 版本独立素材（各版本首帧图、尾帧图）在公共素材编号之后递增
3. 每个素材标注用途，写清楚是"参考"（借鉴风格/动作）还是"编辑"（在原素材上修改）

多模态组合技巧：

• 有首帧图 + 想参考视频动作 → @图片1为首帧，参考@视频1的打斗动作
• 融合多个视频 → 在@视频1和@视频2之间加一个场景，内容为xxx
• 没有音频素材 → 直接参考视频里的声音，无需单独上传音频
• 连续动作 → 角色从跳跃直接过渡到翻滚，保持动作连贯流畅
• 多素材时务必检查各 @对象有没有标清楚，别把图、视频、角色搞混

≤15秒输出格式（完整模式）：

## 视频提示词

**主题**：[一句话概括]
**时长**：[X秒]  |  **比例**：[16:9 / 9:16 / 1:1]

### 公共参考素材（如有）
- @图片1：[用途说明 + 图片生成提示词]

---

### 版本一：[版本标题]
#### 提示词
[完整提示词]
#### 参考素材
- 首帧 @图片N：[描述 + 图片生成提示词]

---

### 版本二：[版本标题]
[同上结构]

---

### 提示词解析
[各版本设计意图差异]

15秒输出格式见 [references/long-video-strategy.md](references/long-video-strategy.md)（含全局锁定语句、统一负面提示词、分段模板）。

深度资源索引：

Phase 4：用户确认

用户选定版本（可要求调整：风格/色调/运镜/台词/时长），确认最终版本后进入 Step 2。

Giggle 覆盖规则（优先于 prompt-engineering.md）

1. 语言：严格遵守 Language Rule。用户中文 → 中文 prompt；用户英文 → 英文 prompt。"Output ONE version" 指禁止双语对照输出，不限制版本数量。
2. 平台：prompt-engineering.md 中涉及「即梦平台」「NanoBanana」的内容，以本文件 Giggle 约束（时长 4–15s、图片 ≤9 张、@引用命名等）为准。
3. 多模态引用：若用户提供了多张图片/视频/音频，优化提示词时须逐条说明各参考用途，Step 3 提交时必须全部传入 CLI，不能只取第一条。

Step 1 交付物

• 用户已选定的一条优化 prompt（与用户语言一致，已通过质量自检）
• Omni：提示词中每条参考均有对应 URL，编号映射（@图片N 等）已完成
• 超长视频：已按 [long-video-strategy.md](references/long-video-strategy.md) 确定分段数量和衔接点

Step 2: API Key Setup (One-Time)

python3 scripts/generation_api.py --check-key

已配置则进入 Step 3；未配置则向用户索要 Key 后执行：

python3 scripts/generation_api.py --setup --api-key <key>

Step 3: Generate Video

Text-to-Video:

python3 scripts/generation_api.py \
  --mode text --prompt "<optimized_prompt>" \
  --model seedance-2.0-pro --duration 5 --aspect-ratio 16:9 --resolution 720p

Image-to-Video:

python3 scripts/generation_api.py \
  --mode image --prompt "<optimized_prompt>" \
  --start-frame "url:<URL>" --model seedance-2.0-pro --duration 5

Omni:

• 多参考资源： 从对话中 收集用户给出的全部 参考图 / 参考视频 / 参考音频 URL（含 url: 前缀），再一次性调用 CLI。同一选项后可跟 多个 空格分隔的参数（如 --images "url:a" "url:b"）；也可 多次 写同一选项（如两行 --images），脚本会合并为完整列表。禁止只取第一个链接就提交。
• 数量： 图片总计最多 9 张（接口校验）；音视频按对话实际条数全部传入。

# 示例：多图 + 多音频 + 多参考视频（按实际数量增删参数）
python3 scripts/generation_api.py \
  --mode omni --prompt "<optimized_prompt>" \
  --images "url:<img1>" "url:<img2>" \
  --audios "url:<audio1>" "url:<audio2>" \
  --videos "url:<ref_video1>" "url:<ref_video2>" \
  --model seedance-2.0-pro --duration 5

若某类参考未提供，可省略对应选项（但至少保留 --images、--audios、--videos 之一）。

提交后： 脚本默认每约 10 秒轮询一次（最长约 10 分钟）；任务完成后主动将结果（含链接）推送给用户，无需等用户追问。

Parameters

质量自检（提交前）

提示词质量（Phase 3 生成后检查）

• @引用编号与素材清单一一对应，公共素材优先编号
• 总文件数 ≤ 12（图片+视频+音频合计）；omni 图片 ≤ 9
• 未包含写实真人面部素材
• 13–15秒视频已使用时间戳分镜，覆盖完整时长无遗漏
• 台词已用引号包裹并标注角色和情绪
• 音效描述与画面描述分开写
• 超长视频每段均含风格锁定、角色锁定、场景锁定语句
• 超长视频延长段开头已安排桥接镜头或尾帧延续微动
• 统一负面提示词已覆盖风格漂移、角色变脸、偏色、光线突变、水印
• 角色参考图画幅比为 9:16 竖版；首帧图画幅比与视频一致

API 提交（Step 3 执行前检查）

• 提示词语言与用户输入语言一致；无双语对照
• duration ∈ [4,15]（整数）
• omni：每条音频 / 视频以 url: 开头，base64 仅限图片
• 用户提供的参考 URL 全部出现在 CLI 中，无遗漏
• 超长叙事已按 [long-video-strategy.md](references/long-video-strategy.md) 拆段，未假定单次超出 15s

常见错误排查