由 Redman2024 
最近我在测试 Seedance 2.0 的时候，发现一个很关键的问题：
很多人用 AI 做视频，都是直接丢一张参考图，然后让模型“动起来”。
但实际生成出来以后，经常会出现这些问题：
人物一动就变脸；
镜头推进之后五官崩掉；
手部动作变形；
服装细节前后不一致；
视频看起来很惊艳，但角色完全不像原图了。
后来我发现，想让 Seedance 2.0 生成更稳定的视频，关键不是单纯把提示词写得更长，而是要先把工作流拆对。
我现在更推荐的流程是：
原始参考图 → 生成角色卡 → 编写专业分镜提示词 → 用 Seedance 2.0 生成视频。
这个流程比直接“图生视频”稳定很多，尤其适合做 AI 角色短片、虚拟 IP、AI 美女视频、产品广告和剧情分镜。
一、为什么不要直接用参考图生成视频？
很多人第一次玩 Seedance 2.0，都会这么操作：
上传一张人物图；
输入一句“让这个人物动起来”；
等待视频生成。
但这里有一个问题：
单张参考图提供的信息太少。
比如一张正面半身图，只能告诉模型：
这个人正面大概长什么样；
发型是什么样；
服装大概是什么风格；
画面整体是什么氛围。
但它不知道这个人物的侧面、背面、手部动作、表情变化、身体比例，以及不同角度下应该如何保持一致。
所以只要视频里出现转身、挥手、走动、比心、回头、表情变化这些动作，模型就很容易开始“自由发挥”。
结果就是：
第一帧像原图，后面越来越不像；
正脸还行，一转头就换人；
手一动就开始多手指；
服装细节在不同镜头里变来变去。
所以，直接用单张图生成视频，不是不行，而是不够稳定。
二、先做角色卡：让 AI 真正理解这个角色
我现在做 AI 视频，第一步不是直接生成视频，而是先做一张角色卡。
角色卡可以理解成：
给 AI 视频模型准备的一份人物视觉说明书。
它要把一个角色的关键信息尽量完整地展示出来，比如：
正面视图；
侧面视图；
背面视图；
多种表情特写；
手部不同动作；
发型、服装、身材比例、气质保持一致。
这样后面生成视频时，模型就不是只参考一张单薄的正脸图，而是有了更完整的人物信息。
你可以把原始参考图上传给 GPT Image 2，然后输入这个提示词：
把我生成这张照片女主角的角色卡片：包含正面侧面背面三视图，以及多表情面部特写，和手部不同动作的特写，保持女主角的外貌发型身材服饰气质完全不变。如果你要做男角色、产品角色、IP 形象，也可以把“女主角”替换掉。
比如：
把我上传的这个 IP 形象生成一张角色卡片：包含正面、侧面、背面三视图，以及多种表情面部特写和手部动作特写。要求保持角色的五官、发型、服装、身材比例、颜色风格和整体气质完全不变。
这一张图很关键，因为它会决定后面视频生成时角色能不能稳住。
三、为什么不是先做分镜图？
很多人会想：
既然我要做视频，那我是不是应该先生成几张分镜图，然后再把分镜图拿去做视频？
这个思路看起来很专业，但实际用 AI 做视频时，不一定是最优解。
原因很简单：
分镜图本身也是 AI 重新生成出来的，它可能已经改变了角色。
比如你先让 AI 生成 4 张分镜图：
第一张角色还像原图；
第二张脸型稍微变了一点；
第三张发型细节变了；
第四张衣服和眼神又变了。
然后你再把这些不完全一致的分镜图拿去生成视频，Seedance 2.0 看到的就不是一个稳定角色，而是一组已经发生偏移的图。
它就会更难判断：
到底哪个才是主角？
五官应该参考哪一张？
衣服细节应该以哪张为准？
镜头切换时人物要不要变化？
所以我更推荐：
不要先把参考图变成分镜图，而是先把参考图扩展成角色卡，再用文字分镜去控制视频。
角色卡负责稳定人物。
分镜提示词负责控制镜头。
Seedance 2.0 负责生成最终视频。
这个逻辑会稳定很多。
四、第二步：让 Codex 帮你写专业分镜提示词
有了角色卡之后，下一步就是写分镜提示词。
这里不要只写一句：
让这个人物在世界杯现场挥手。这种提示词太粗糙了。
Seedance 2.0 不知道你要什么景别、什么动作、什么节奏、什么镜头运动，也不知道这个视频应该像直播画面、电影镜头，还是短视频广告。
更好的方式是，让 Codex 帮你生成一个专业的 10 秒分镜提示词。
比如我想做一个世界杯女球迷的视频，就可以这样写：
给我一个专业的10秒分镜提示词，要求：真实的2030年世界杯直播，第60分钟，中国和巴西一比一战平，镜头转到一名美丽的中国队女球迷，她自然地露出微笑，挥手并送出飞吻，并对着镜头比出爱心手势。这句话的核心是告诉 Codex：
场景是什么；
时间点是什么；
人物是谁；
她要做什么动作；
视频大概多长；
画面风格是什么。
然后让 Codex 帮你扩写成真正适合视频模型理解的分镜提示词。
你也可以用下面这个通用模板：
请帮我写一个专业的 10 秒 AI 视频分镜提示词。
视频场景：
【填写你的场景】
主角：
参考图中的角色，必须保持外貌、发型、服装、身材比例和气质一致。
动作设计：
【填写你希望角色做什么】
镜头要求：
请拆成 3 到 4 个镜头，每个镜头包含：
景别、人物动作、镜头运动、画面氛围、环境声音。
文字要求：
如果画面中出现文字，必须全部使用中文，不要出现英文、拼音、乱码或无意义文字。
输出要求：
请直接输出可以用于 Seedance 2.0 的完整视频生成提示词。
五、一个完整的 10 秒分镜提示词示例
比如世界杯女球迷这个案例，可以扩展成这样：
请根据参考角色卡生成一段真实世界杯直播风格的 10 秒 AI 视频。
整体要求：
保持角色卡中女球迷的五官、发型、服装、身材比例和气质完全一致。画面为真实体育赛事直播质感，现场灯光明亮，背景有球迷、看台、国旗和大屏幕氛围，但不要喧宾夺主。人物动作自然，镜头运动平滑，不要变脸，不要换人，不要服装变化，不要肢体扭曲，不要多手指。
分镜设计：
0-2秒：
中景镜头，画面展示 2030 年世界杯比赛现场。中国队和巴西队 1:1 战平，现场气氛热烈。镜头从看台人群中缓慢推近，找到一名中国队女球迷。她穿着中国队元素的服装，表情自然，眼神看向球场方向。
2-5秒：
镜头切换到近景。女球迷注意到镜头正在拍她，转头看向镜头，露出自然微笑。她轻轻挥手，动作不要夸张，保持真实直播中的自然感。背景球迷继续欢呼，画面有轻微景深。
5-8秒：
镜头继续推近到胸像特写。女球迷对着镜头送出一个飞吻，表情开心但不过度夸张。动作流畅，手部自然，不要多手指，不要手部变形。
8-10秒：
镜头保持特写。女球迷对着镜头比出爱心手势，微笑停留一秒。画面有真实世界杯直播氛围，背景灯光和观众虚化，整体情绪热烈、积极、真实。
负面要求：
不要改变人物五官，不要换脸，不要改变发型，不要改变服装，不要变成其他人，不要出现乱码文字，不要出现错误中文，不要多手指，不要手部畸形，不要画面闪烁，不要风格突变。你会发现，这种提示词比一句“让她动起来”清楚很多。
它把视频拆成了：
开场镜头；
人物被镜头捕捉；
挥手；
飞吻；
比心；
结束定格。
这样 Seedance 2.0 更容易理解你到底想要什么。
六、第三步：角色卡 + 分镜提示词一起使用
真正生成视频的时候，不要只丢分镜提示词，也不要只丢参考图。
正确方式是：
上传角色卡，再粘贴完整分镜提示词。
如果你是通过 Codex 调用小云雀 Skill 或即梦 Skill，可以这样写：
请使用我上传的角色卡作为人物参考，并使用小云雀 Skill 调用 Seedance 2.0 生成一段 10 秒 AI 视频。
要求：
1. 严格保持角色卡中的人物外貌、发型、服装、身材比例和气质一致。
2. 按照下面的分镜提示词生成完整视频。
3. 镜头自然，动作流畅，画面稳定。
4. 不要换脸，不要变成其他人，不要多手指，不要肢体扭曲，不要乱码文字。
5. 如果生成过程中需要理解人物，请优先参考角色卡，而不是自行重新设计角色。
分镜提示词如下：
【粘贴你的完整分镜提示词】如果你用的是即梦 Skill，也可以把“小云雀 Skill”替换成“即梦 Skill”。
七、如何让 Codex 调用小云雀生成视频？
如果你想让 Codex 直接帮你调用视频生成工具，可以提前把小云雀接入 Codex。
大概流程是：
第一步，登录小云雀网页版。
第二步，找到「链接 Agent」或者类似入口。
第三步，根据页面提示生成 API Key。
第四步，把 API Key 配置到 Codex 或对应的 Skill 里。
第五步，之后就可以直接让 Codex 调用小云雀生成视频。
配置完成后，你可以直接对 Codex 说：
用小云雀 Skill 调用 Seedance 2.0 生成一个 10 秒视频。
参考图：
【上传角色卡】
视频提示词：
【粘贴完整分镜提示词】这一步的价值在于：
你不用来回切工具；
不用手动复制很多参数；
可以把“写提示词 + 调用生成 + 迭代修改”都放到一个 Agent 流程里。
对我这种经常要做 AI 视频、教程演示、短视频素材的人来说，这种流程会更顺手。
八、完整工作流总结
整个流程可以总结成 4 步。
Step 1：准备一张清晰参考图
参考图最好满足几个条件：
人物主体清楚；
脸部细节清晰；
发型和服装完整；
背景不要太复杂；
最好是原创角色或你有授权的素材。
不要一开始就用特别复杂的多人图、遮挡图、背光图，不然后面角色卡也容易生成不稳定。
Step 2：用 GPT Image 2 生成角色卡
把参考图上传给 GPT Image 2，输入：
请根据我上传的参考图，生成一张角色卡。
角色卡内容包括：
1. 正面视图
2. 侧面视图
3. 背面视图
4. 多表情面部特写
5. 手部不同动作特写
要求：
保持角色的外貌、发型、身材比例、服装、气质完全不变。
不要改变角色身份，不要换脸，不要改变服装风格。
整体排版清晰，适合作为后续 AI 视频生成的角色参考图。生成后，检查角色卡是否稳定。
重点看：
脸有没有变；
发型有没有变；
服装有没有变；
侧面和背面是否合理；
手部动作是否可用。
如果角色卡本身已经崩了，就不要继续往下做，先重新生成角色卡。
Step 3：让 Codex 生成专业分镜提示词
然后让 Codex 根据你的创意写分镜。
模板如下：
请帮我写一个专业的 10 秒 AI 视频分镜提示词。
视频主题：
【填写主题】
场景设定：
【填写场景】
主角设定：
参考角色卡中的人物，保持外貌、发型、服装、身材比例和气质完全一致。
动作设计：
【填写动作】
镜头语言：
请拆成 3 到 4 个镜头，每个镜头写清楚景别、动作、镜头运动和画面氛围。
风格要求：
【例如：真实直播风格 / 电影感 / 广告片质感 / 赛博朋克 / 纪录片风格】
负面要求：
不要换脸，不要变成其他人，不要多手指，不要肢体扭曲，不要服装变化，不要画面闪烁，不要乱码文字。
输出要求：
请直接输出可以用于 Seedance 2.0 的完整视频提示词。Step 4：角色卡 + 分镜提示词一起生成视频
最后，把角色卡和分镜提示词一起交给 Seedance 2.0。
如果你通过 Codex 调用，就用这个模板：
请使用我上传的角色卡作为人物参考，用小云雀 Skill 调用 Seedance 2.0 生成视频。
核心要求：
1. 严格保持角色外貌、发型、服装、身材比例和气质一致。
2. 按照下面的分镜提示词生成完整视频。
3. 镜头自然，动作流畅，画面稳定。
4. 不要换脸，不要变成其他人，不要多手指，不要肢体扭曲，不要乱码文字。
分镜提示词如下：
【粘贴完整分镜提示词】九、新手最容易踩的几个坑
1. 角色卡太花哨
角色卡不是海报，不要追求过度设计。
它的核心作用是让模型看懂角色，所以排版越清晰越好。
2. 分镜写得太满
10 秒视频不要写太多动作。
挥手、转头、走近、微笑、比心，这些动作比较稳。
快速跑动、复杂舞蹈、多人互动、打斗动作，容易崩。
3. 不写“不变项”
AI 视频最怕的就是默认自由发挥。
你一定要明确告诉它：
五官不变；
发型不变；
服装不变；
身材比例不变；
气质不变；
不要换脸；
不要多手指。
这些话看起来啰嗦，但非常有用。
4. 一开始就做长视频
建议先从 5 秒或 10 秒开始测试。
短视频跑稳定了，再去扩展更长的剧情镜头。
5. 用了不适合的参考图
如果参考图本身就模糊、脸小、遮挡严重、背景复杂，后面再怎么写提示词也很难稳定。
AI 视频生成的上限，很大程度上取决于你的参考素材质量。
十、这个工作流适合做什么？
这个方法我觉得特别适合几类内容。
第一类，AI 角色短片。
比如固定一个虚拟人物，让她在不同场景里完成动作和剧情。
第二类，AI 美女 / AI 模特视频。
角色一致性非常重要，不然每个镜头都像换人。
第三类，虚拟 IP 内容。
比如你有自己的 IP 形象，可以先做角色卡，再批量生成短视频素材。
第四类，产品广告视频。
产品也可以做“产品角色卡”，把正面、侧面、细节、使用场景整理出来，再用分镜提示词控制广告镜头。
第五类，剧情分镜测试。
先用 AI 快速生成 5 到 10 秒镜头，看这个创意是否成立，再决定是否继续扩展。
十一、总结
我现在做 Seedance 2.0 视频，更推荐这个流程：
不要只给一张图，也不要只写一句提示词。
更稳定的方式是：
先用参考图生成角色卡；
再用 Codex 写专业分镜提示词；
最后把角色卡和分镜提示词一起交给 Seedance 2.0。
角色卡解决的是“像不像同一个人”。
分镜提示词解决的是“镜头怎么拍”。
Seedance 2.0 负责把这两个信息整合成视频。
一句话总结：
AI 视频想要稳定，不是靠玄学抽卡，而是靠更清晰的前期设计。
你给模型的信息越完整，它自由发挥的空间就越小；
你把角色、动作、镜头、负面要求写得越清楚，最终视频就越接近你想要的效果。
这就是我目前测试下来，Seedance 2.0 比较实用的一套高阶工作流。
本文分享 Redman 实测整理的 Seedance 2.0 高阶视频生成流程：先用 GPT Image 2 根据参考图生成角色卡，再让 Codex 编写专业分镜提示词，最后通过小云雀或即梦 Skill 调用 Seedance 2.0 生成视频。这个方法可以提升 AI 视频中的角色一致性、镜头可控性和成片稳定性。
标签
#Seedance2 #AI视频 #小云雀 #即梦AI #Codex #GPTImage2 #AI分镜 #角色一致性 #图生视频 #AIGC教程