| name | dual-model-video-prompt |
|---|---|
| description | 通用 AI 视频提示词引擎，同时覆盖 Seedance 2.5 与 MiniMax H3 两个模型。用于把创作意图转化为可执行的结构化提示词，包含模型选择决策、统一写作框架、去 AI 感微表情/运动技法、跨模型一致性策略、image-first 资产管线方法论（身份板→故事板预演→三参考绑定）与可直接套用的模板库。当用户需要为 Seedance 或 H3 写视频提示词、制作 AI 短片（尤其是毕业设计级长片）、或需要一套不依赖单一模型的通用视频生成提示词方法论时使用。 |
| version | 1.1.0 |
| agent_created | True |
双模型通用视频提示词引擎（Seedance 2.5 × MiniMax H3）
核心定位：一套「模型无关」的创作方法论 + 两套「模型专属」的编译规则。 你先用统一框架把想法写成导演级执行 brief，再按目标模型编译成 Seedance 或 H3 的格式。 毕设实战结论：两个模型各有所长，同时用比只用某一个更强——H3 负责带原生音频/对话/≤15s 的视听镜头，Seedance 负责长稳态叙事/≤60s 2K 的纯视觉镜头，后期缝合。
一、双模型能力矩阵（先懂差异，才不会写错格式）
| 维度 | Seedance 2.5 | MiniMax H3 |
|---|---|---|
| 输出时长 | 单次最稳约 60s 2K（标准模式），超长需分段 | 4–15s，2K 需经 H3-Regenerate-2K 升频 |
| 原生音频 | 弱（主要靠 @音频 做动作对齐，非原生音轨） | 强：原生立体声 32kHz，对话/环境声/配乐可内生 |
| 参考绑定语法 | @图片1 作为主角 / 风格参考 / 运镜参考 | 结构化标签 <Subject N> <Picture N> <Video N> <Audio N> |
| 多模态输入 | 图/视频/音频参考，数量中等 | Ref2VA 最多 9 图 + 3 视频 + 3 音频（总 ≤12） |
| 提示词形态 | 散文式「摄影指令」+ 四层结构 | 结构化控制文档（字段名固定，顺序固定） |
| 镜头/剪切 | 单镜头内运镜为主，复杂转场靠后期 | 原生支持多镜头剪切（the camera cuts to + 时间戳） |
| 对话/口型 | 唇形同步中文约 92.4%，复杂对话建议后期配音 | 11 种语言稳定，对话原生生成，口型随生成 |
| 运动约束 | 明确黄金规则：慢速/匀速/≤2 种运动叠加 | 运镜三维度：类型+幅度+速度，单镜头插值更稳 |
| 最长板 | 长镜头稳定性、电影质感、大场景 | 音画同步、对话表演、参考保真、多镜头剪辑 |
| 最短板 | 原生音频弱、复杂转场不支持 | 单条时长短（15s 封顶）、2K 需两步 |
关键认知：两者都把「抽象形容词」视为低质量指令。差异只在表达方式——Seedance 要你写「可执行的摄影指令」，H3 要你写「带字段名的结构化时间线」。统一框架解决「写什么」，模型规则解决「怎么排」。
二、统一写作框架（Unified Brief）
无论目标模型，先按以下顺序产出 brief。这就是两种格式的共同骨架。
U1. 叙事目标（必须第一句写清）
- 例：「15 秒一镜到底，横向跟随逃亡女主，用镜头惯性制造压迫感，结尾她回头决意放弃。」
「这个镜头要完成什么叙事任务？观众看完应感受到什么？」
U2. 技术地基（L1）
画幅、帧率、质感、分辨率预期。
- Seedance：
2.35:1 宽银幕，24fps，ARRI Alexa 质感，轻微暗角 - H3：
Live-action, cinematic+ 像素/比例在生成参数里设
U3. 空间舞台（L2）
分层：前景 / 主体层 / 中景 / 后景。明确主体占比与空间锚点（左墙右园等），保证镜头移动有依据。
U4. 光影与色调（L3）
光源方向、性质、色温、阴影方向。必须恒定，否则长镜头/多镜头会漂移。
- 例：
右侧 45° 暖光 5600K（伦勃朗光），左侧阴影偏冷蓝，光源方向全程不变
U5. 运动与焦点（L4）
- 运镜：类型 + 幅度 + 速度（两模型通用描述法）
- 焦点叙事：焦点漂移/回收引导注意力（H3 原生支持多镜头，Seedance 单镜内可用微焦变化）
- 物理因果：运镜必须符合惯性，避免瞬移
U6. 表演细节（去 AI 感核心）
把「情绪」拆成三层，禁止直接写情绪形容词：
- 外部动作：可观察结果（转身、握拳、低头）
- 生理反应：不可控真相（瞳孔收缩、喉结滚动、下眼睑微红）
- 量化指标：幅度/速度/时长/时间戳
- 例：「眉心聚拢约 2mm，单侧嘴角下沉 0.5°，下唇以 <1mm 振幅颤抖 1.5s 后放松」
- 非对称：只让半边脸动，明确「眼部不参与」
- 克制与中断：写「涌到嘴边的话被咽回」「摇头到第 10° 突然减速停止」
U7. 声音空间（H3 强项 / Seedance 用 @音频）
- 环境声、动作声、非语言人声 →
overall_soundscape - 仅观众可闻的配乐 →
non_diegetic_music - 声音随镜头空间变化：镜头转向谁，谁的声音占中心
U8. 负面约束（两模型都吃这一套）
明确禁止项框定边界：
禁止切镜 / 禁止瞬移变焦 / 禁止表情对称 / 禁止人物滑行或肢体融合 / 禁止背景多余人物 / 禁止文字乱码
U9. 留白与节拍
- 文戏按 3 秒左右一个情绪节拍：
起始状态 → 触发事件 → 反应动作 → 新状态 - 故意留 1–2 个「什么都没发生」的克制时刻放大张力
三、模型选择决策树
需要原生对话 / 环境音 / 配乐内生？
├─ 是 → 时长 ≤15s？ → 是 → H3（T2VA / I2VA / Ref2VA）
│ └─ 否 → 仍用 H3 但分段生成，后期缝合
└─ 否 → 需要长稳态单镜（≤60s）或纯视觉电影感？
├─ 是 → Seedance 2.5（四层结构 + @主角）
└─ 否 → 两者皆可：
• 重参考保真/多镜头剪辑 → H3
• 重运动稳定/大场景 → Seedance
毕设 20 分钟长片分工建议
- 先把剧本拆成「镜头表」（shot list），每镜标注：时长、是否含对话/音频、是否需参考角色。
- 含对话/音频、≤15s 的镜头 → H3（Ref2VA 锁角色+音频）。
- 长稳态、纯视觉、需电影质感的镜头 → Seedance 2.5。
- 建立统一参考板（角色设定图、风格帧、色调卡），两个模型共用，保证跨模型人物一致。
- 后期用 Remotion/剪映缝合，转场与字幕在后期做。
四、Seedance 2.5 编译规则（专属）
4.1 四层结构顺序
[L1 技术] + [L2 空间] + [L3 光影] + [主体动作] + [L4 运动] + [风格] + [情绪]
优先级 L1>L2>L3>L4，预算有限时按序取舍。
4.2 @ 语法绑定
@图片1 作为主角—— 人物一致性最高优先级@图片1 作为风格参考—— 锁色调光影@视频1 的运镜方式—— 复刻镜头运动@音频1 中 X 秒处的鼓点—— 动作与音乐对齐
4.3 运动黄金规则
| 运动 | 写法 | 成功率 |
|---|---|---|
| 推拉 | 缓慢推进，8 秒内完成 | ⭐⭐⭐⭐⭐ |
| 摇移 | 缓慢左摇 15 度 | ⭐⭐⭐⭐ |
| 主体位移 | 从 A 走向 B，匀速 | ⭐⭐⭐ |
| 多动叠加 | 边走边挥手边转身 | ⭐⭐ 低 |
| 快速运动 | 百米冲刺 | ⭐⭐ 低 |
铁律：单次 ≤2 种运动叠加；速度用「缓慢/匀速」比精确度数更稳。
4.4 反模式（绝对禁止）
抽象形容词堆砌 / 冲突指令 / 长难句 / 忽略物理 / 多风格混用 / 超长运动链。
4.5 诚实边界
- 人物特写 >3s 易变形 → 分段或固定镜头
- 多人物 >3 人易混淆 → 减人或明确站位
- 复杂流体/精确运镜/文字生成 → 后期合成
- 可用率约 90%，预留 10% 重生成
五、MiniMax H3 编译规则（专属）
5.1 输入模式选择
| 模式 | 含义 | 参考素材 |
|---|---|---|
| T2VA | 纯文本生音视频 | 无 |
| I2VA | 首帧图生视频 | 首帧图 |
| FL2VA | 首尾帧之间插值 | 首帧 + 末帧 |
| L2VA | 收敛到末帧 | 末帧 |
| Ref2VA | 全参考（图/视频/音频） | ≤9 图 + ≤3 视频 + ≤3 音频 |
5.2 基础模式字段结构（顺序固定）
[首帧对齐指令（I2VA/FL2VA/L2VA 必须，第一行）]
integrated_multimodal_description: [Shot 1] 风格, 构图, 主体, 动作, 镜头, 说话者, 对话, 场景声...
[Shot 2] At 00:03.500, the camera cuts to...
overall_soundscape: 1–4 句环境/动作/非语言人声（全静音写 N/A）
non_diegetic_music: 1–3 句配乐（无写 N/A）
5.3 全参考模式六段式（Ref2VA）
subject_definitions: # <Subject N>/<Picture N>/<Video N>/<Audio N> 定义
summary: # [任务类型] 一句话概括
retention_analysis: # 每项参考 fully_preserved / partially_preserved / reference ...
detailed_description: # 按播放顺序逐镜头，插入参考标签
overall_soundscape: # 环境声（可引用 <Audio N>）
non_diegetic_music: # 配乐（可引用 <Audio N>）
5.4 通用书写规则（两模式共享）
- 运镜三维度写入自然英文：
The camera pushes in with small amplitude at slow speed - 说话人稳定 ID：
(S1)(S2)，多人同说(S1,S2)；首现建立音色/音高/语速 - 对话/歌词用
<d>[Language] 原文</d>，逐字保留不译 - 屏幕可见文字用双引号逐字保留
- 跨剪切音频连续用
<scenetrans>，被截断用<cutoff> - 参考标签一旦分配，全文档含义不变
5.5 H3 专属反模式
- 不要跳过字段名或打乱顺序
- 不要在
integrated_multimodal_description里写情节摘要，要写「可见可闻」的细节 - 不要漏掉首帧对齐指令行（I2VA/FL2VA/L2VA）
- 不要超过 15s 单条；长内容分段
六、去 AI 感技法库（两模型通用，来自实战拆解）
6.1 微表情肌肉清单（替代情绪形容词）
| 想表达 | 错误写法 | 正确写法 |
|---|---|---|
| 伤心 | 她很伤心 | 眉心聚拢出两道浅竖纹，下唇 <1mm 振幅颤抖，眉心缓缓舒展 |
| 决绝 | 眼神坚定 | 瞳孔轻微收缩，目光锐利，单侧嘴角下沉 0.5° 不扩散至眼底 |
| 克制 | 强忍泪水 | 下眼睑微红湿润，泪液在边缘被锁住，喉结滚动一次 |
6.2 量化生理指标
把「微微/轻轻」转为数字：振幅 <1mm 时长 1.5s 速度先快后慢，0.2s 卡顿 内收 2–3cm。
6.3 非对称与冲突共存
单帧内插入矛盾指令：嘴角向左侧微扯出半弧苦笑，未扩散至面部其他区域，眼底仍是破碎的悲伤。必须写明「同时发生」或「0.5 秒内转换」。
6.4 克制与中断
不写「流泪」，写「眼眶泛红但泪液在眼睑边缘被强行锁住」；不写「摇头否认」，写「摇头启动后在第 10° 突然减速停止」。
6.5 运动镜头六要素
叙事目标 → 空间舞台 → 物理运镜 → 焦点叙事 → 声音空间 → 负面约束。 核心是「把抽象感觉变成具体物理过程」。
6.6 长镜头三稳态
人物身份稳定 + 色调关系稳定 + 情绪连续。用参考图锁人物，固定空间锚点（左 X 右 Y），固定光源方向。
6.7 文戏层次与留白
15s 分 5 个 3s 节拍，每节拍：起始→触发→反应→新状态；控制动作密度，用停顿放大张力。
七、可直接套用的模板
模板 A：情绪特写（沉默告别，15s）
统一 Brief 叙事：15s 特写，女主完成无声告别，从冷静到决堤再到克制。 技术：2.35:1 / 24fps / 浅景深 / 手持呼吸感。 空间：面部占 80%，前景全虚化。 光影：右侧 45° 暖光 5600K，左阴影冷蓝，方向不变。 表演节拍：0-3s 冷静 → 3-6s 裂痕 → 6-9s 渗水 → 9-12s 决堤 → 12-15s 留白。 负面：禁止切镜/对称/泪珠滑落/背景人物。
→ Seedance 编译
[技术] 2.35:1 宽银幕，24fps，浅景深，手持呼吸感，35mm 胶片颗粒
@参考图1 作为主角，保持面部与服装一致
[空间] 极近景特写：面部占 80%；前景完全虚化；背景冷色光斑
[光影] 右侧 45° 暖光 5600K 伦勃朗光，左侧阴影偏冷蓝，光源方向全程不变
[运动] 固定手持+轻微浮动，焦点锁定左眼；无切镜
[表演·0-3s] 冷静：眼睑低垂，呼吸均匀，肌肉放松
[表演·3-6s] 裂痕：眉心聚拢约 2mm，单侧嘴角下沉 0.5°，眼部不参与
[表演·6-9s] 渗水：下眼睑微红湿润，泪液被锁住，喉结滚动一次
[表演·9-12s] 决堤：瞳孔轻微收缩，目光锐利，下唇颤抖 <1mm
[表演·12-15s] 留白：动作停止，缓缓移开视线，呼吸放缓
[情绪] 压抑、决绝、无声告别
[负向] 禁止切镜，禁止表情对称，禁止泪珠滑落，禁止背景人物，禁止快速运动
→ H3 编译（I2VA，首帧锁脸）
For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.
integrated_multimodal_description: [Shot 1] Live-action, cinematic, the young woman in <Picture 1> fills 80% of frame, foreground fully blurred, cold bokeh behind. Right 45° warm 5600K Rembrandt light, left shadow cool blue, light direction constant. 0-3s calm: eyelids lowered, even breath. 3-6s crack: brow furrows ~2mm, left corner of mouth drops 0.5°, eyes uninvolved. 6-9s seep: lower eyelid faintly red and moist, tear locked at lash line, Adam's apple rolls once. 9-12s breach: pupils slightly constrict, gaze sharpens, lower lip trembles <1mm. 12-15s restraint: motion stops, gaze drifts away, breath slows.
overall_soundscape: Soft indoor room tone, a low breath intake at 6s, then silence.
non_diegetic_music: Sparse piano notes at slow tempo, fading out by 15s.
模板 B：运动跟随（追逐，15s）
统一 Brief 叙事：横向跟随逃亡者，镜头因惯性短暂失焦后回收，制造压迫。 空间：前景虚化路灯 / 中景逃亡者 / 后景建筑消失点。 运镜：缓慢右移跟拍，单镜头，幅度中，速度匀。 声音：转向追兵时其脚步占中心，回到女主时呼吸占中心。
→ Seedance
[技术] 16:9，24fps，动态模糊优化，城市夜性质感
[空间] 前景：虚化路灯杆占 15%；中景：逃亡女主全身；后景：建筑灯光消失点
[光影] 顶光路灯，面部受光，背景压暗
[运动] 镜头缓慢右移跟拍，中幅度匀速，无切镜；允许一次短暂失焦后回收
[主体] 女主奔跑，动作流畅，避免摆动四肢
[风格] 高对比，参照犯罪片调色
[负向] 禁止瞬移，禁止人物滑行，禁止镜头剧烈抖动，禁止背景多余人物
→ H3（T2VA）
integrated_multimodal_description: [Shot 1] Live-action, cinematic, a medium tracking shot follows a fleeing woman from the side at slow speed with medium amplitude. Foreground: blurred streetlamp poles. Midground: the woman, full body. Background: building vanishing point with city lights. The camera briefly loses focus then re-acquires as if the operator hesitates, compressing space. When the pursuer appears, his footsteps dominate center; when frame returns to the woman, her breathing becomes the main audio.
overall_soundscape: Steady running footsteps on wet pavement, distant city hum, a sharp intake of breath when the pursuer enters.
non_diegetic_music: Tense low strings at moderate tempo, pulse accelerating slightly then settling.
模板 C：对话场景（带原生音频，H3 主用）
统一 Brief 叙事：咖啡馆，女主质问男主，带原生对话与环境声。 参考：角色图锁脸 + 环境图锁场景（Ref2VA）。
→ H3（Ref2VA 六段式节选）
subject_definitions:
<Subject 1> is the young woman in <Picture 1>, long dark hair, blue cardigan.
<Subject 2> is the young man in <Picture 2>, short brown hair, grey hoodie.
<Subject 3> is the café environment in <Picture 3>, brick wall, wooden table, neon sign.
summary: [reference generation] <Subject 1> confronts <Subject 2> in <Subject 3>.
retention_analysis:
<Subject 1>: fully_preserved - hair, cardigan retained.
<Subject 2>: fully_preserved - hair, hoodie retained.
<Subject 3>: fully_preserved - brick wall, table, neon retained.
detailed_description:
The target video is cinematic, warm indoor café style.
[Shot 1] Medium shot of <Subject 3>. <Subject 1> (S1) says in a clear youthful voice, <d>[Chinese] 你昨天去哪了？</d> <Subject 2> (S2) lowers his gaze and replies, <d>[Chinese] 我说了在加班。</d>
[Shot 2] At 00:04.000, close-up of <Subject 1> (S1), jaw tightens 1mm, says, <d>[Chinese] 别骗我。</d>
overall_soundscape: Soft café room tone, cup set down at 4s.
non_diegetic_music: N/A
（Seedance 无原生音频，同场景建议生成纯视觉后后期配音；用 @图片1 作为主角 + @图片3 作为风格参考）
八、生成前检查清单（通用）
- 叙事目标是否一句话写清？
- 目标模型是否按决策树选定？
- 是否绑定参考图/视频/音频（人物一致性）？
- 空间是否分前/中/后景？主体占比明确？
- 光源方向、色温、阴影是否恒定？
- 运动是否 ≤2 种？速度是否缓慢/匀速？
- 情绪是否拆成肌肉+生理+数字，而非形容词？
- 是否有非对称/冲突共存/克制中断细节？
- 是否定义声音空间（H3 必填字段，Seedance 用 @音频）？
- 是否有明确负面约束？
- 是否留 1–2 个克制时刻（留白）？
- 是否接受 10% 失败率并准备重生成/分段？
九、止损与边界（合并版）
| 现象 | 优先动作 | 仍失败 |
|---|---|---|
| 人物换脸/不一致 | 加强参考绑定（@主角 / <Subject>） | 2-3 次后换参考图或首尾帧模式 |
| 运镜混乱 | 简化到 1 种运动，或用参考视频运镜 | 固定镜头 + 主体微动作 |
| 情绪像蜡像 | 加微动作 + 生理指标 | 换参考图 |
| 音频不同步（H3） | 检查 <Audio N> 复用标记 | 改后期配音 |
| 超 15s（H3）/ 超 60s（Seedance） | 分段生成 | 后期缝合 |
| 文字乱码 | 加负向「无文字」 | 后期字幕合成 |
十一、image-first 资产管线方法论（结构性借鉴，非原文照搬）
外部教程（Seedance 向）给出了一条「先出图锁资产、再生成视频」的生产管线。其价值在流程结构与一致性铁律，不在具体词句。以下为提炼后的方法论，已用通用占位重写，未复制任何原文提示词。
11.1 核心原则：资产先行（Asset-First）
不要从文本直接生成视频。先花便宜、可控的「图像生成」把角色与世界锁死，再把这些图作为参考绑定进视频生成。
- 图像生成：便宜、可多次抽卡、易于控制身份/风格。
- 视频生成：贵、易漂移、人物易换脸。
- 把「设计」与「动画」解耦，一致性问题在图像阶段就解决掉——这比在视频阶段用文字硬控更稳。
11.2 四阶段管线
| 阶段 | 产出 | 目的 | 下游如何消费 |
|---|---|---|---|
| 01 原图 | 场景+角色设定主图 | 定义完整世界与角色，含摄影风格与强负向约束 | 作为风格/世界基准 |
| 02 身份板 | 16:9 角色多视角研究板 | 跨视角锁死角色身份 | 视频生成时绑为「主角参考」 |
| 03 故事板 | 多宫格 B&W 预演 | 规划镜头顺序/构图/连续性 | 视频生成时绑为「叙事来源」 |
| 04 视频 | 成片 | 三参考绑定生成 | — |
11.3 身份板方法论（怎么做一张好角色参考）
目的：让模型在任意角度/表情下都认得这是同一个人。
- 布局：非对称、留白、多变图比、刻意不平衡；避免网格/目录式排布。
- 锚点：一个大幅英雄全身视角略偏中心；周围排小号辅助研究（中性全身、背面、侧面、坐姿、倾斜、蹲、俯视、仰视、表情研究）。
- 不重叠：每个视角清晰分离、有呼吸空间；无裁脸、无隐肢、无堆叠。
- 身份锁：所有视角保持相同脸型/比例/发型/服装/身形/姿势语言/视觉个性。
- 可读细节：清晰面部轮廓、发型轮廓、服装轮廓、身形、手部、姿势范围、表情范围。
- 艺术区：小轮廓研究（2–3 个简化黑影）、小表情研究（细微情绪变化）、小细节研究（脸/发/衣关键特征）。
- ID 块：极简大胆的艺术字块，仅含：名称 / 角色 / 核心情绪 / 视觉标志。
11.4 故事板方法论（怎么预演一组成片）
目的：在花视频生成成本之前，用一张便宜的 B&W 板排好多个镜头的顺序、构图与连续性。
- 形式：16:9 横版、多电影感分镜面板；绘制仅黑白：粗铅笔线、快速手势、极简阴影、强轮廓可读性、未完成感。像导演分镜手稿，非完成插画。
- 固定场景连续性铁律（最关键，扩展自第六节「长镜头三稳态」）：
- 列出必须始终在场的场景元素（如某辆车、某招牌），禁止其在某些镜头消失。
- 地标位置跨镜头一致。
- 不要每格重新生成世界。
- 角色在每格都在场。
- 身份锁：跨面板角色完全一致，不变脸、不 redesign。
- 情绪弧：镜头节奏须递进（如 确认→怀疑→压迫），不是孤立节拍——把 U9 的单镜节拍扩展为跨镜情绪弧。
- 动作流：角色动作须持续变化，不要静态站桩；列出微动作清单。
- 镜头语言：每格带明确动态摄影语言（手持晃、快速摇、环绕、长焦压缩、极端负空间、顶视显渺小、低机位压天空、广角拉长、倾斜制造不安、慢推制造沉默、角色与标志物同框保连续）。
- 标注色系统（把意图编码进故事板，方便下游与模型对齐）：
- 红箭头 = 人物运动方向
- 蓝箭头 = 摄影机运动
- 绿标记 = 构图/空间焦点
- 橙标记 = 光线方向
- 紫标记 = 孤独感/情绪张力
- 黑文本 = 面板编号与镜头说明
- 禁：时间戳、漫画风、卡通感。
11.5 三参考绑定收口（与双模型对应）
视频生成时，把三张图分别承载不同职责，比把一切塞进一段文字更稳：
- 叙事来源（故事板）：作为完整视觉与情绪叙事来源，按顺序遵循所有节拍，不重新诠释动作/构图/角度。
- 风格来源（场景图）：严格复刻影片风格与色调。
- 主角来源（身份板）：保持主体身份一致，不改变外貌。
Seedance 语法：@身份板 作为主角 + @故事板 作为叙事/构图参考 + @场景图 作为风格参考。
H3 语法：在 subject_definitions / retention_analysis 中分别声明三类参考的 fully_preserved 意图（对应 <Subject> <Picture> <Video> 标签）。
11.6 压缩与转场（成片阶段）
- 把 N 个故事板节拍压缩进 ≤15s（H3）/ ≤60s（Seedance）：每拍呈现为一个有节奏的动作快照。
- 用匹配剪辑自然衔接：纹理连续（如纸质地图→迎风凝视）、视线连续（越过肩望向远方）、空间连续。
- 音频策略：可按叙事需要「无 BGM 只音效」，或交给 H3 原生音频（见 U7）。
- 结尾留 1 秒静谧余韵（与 U9 留白呼应）。
11.7 与本 skill 其他章节的衔接
- 11.2 的「原图」对应 U2–U4 的视觉基准；「身份板」补强 U6 的表演依据；「故事板」把 U9 的单镜节拍扩展为跨镜情绪弧。
- 11.5 的「三参考」把我们原有的「统一参考板」概念落成可执行的绑定分工。
- 11.4 的「固定场景铁律」纳入第九节的止损表（连续性失败优先查：场景元素是否声明为「必在场」）。
十二、自我进化
- 新模型能力更新（Seedance 2.5 实测上限、H3 新版本）时，刷新「能力矩阵」与「编译规则」。
- 新实战技法（如更细的肌肉词典、镜头运动词典）追加到第六节。
- 新模板追加到第七节，保持 Seedance / H3 双版本对照。
- 外部教程的方法论借鉴一律以「结构性提炼」方式写入（如第十一节），不照搬原文提示词；如新增具体可抄模板，须用通用占位重写。