外部作品 · 原文链接

【1800w播放】都说提示词堪比论文的提示词拆解教程来了！

三朵花抖音原作者 · Surviving-黑猫阿2026/09/28 95 浏览

提示词堪比论文：AI 视频「提示词拆解」全流程

视频拆解与复刻教程

把一段参考视频，拆成一份能精确控制 AI 视频的「导演级」提示词：6183 字拆成九个模块，在 Flova.ai 里组织成可执行文档

来源：抖音视频「【1800w播放】都说提示词堪比论文的提示词拆解教程来了！」· 作者 @Surviving-黑猫阿 · 视频 3 分 13 秒 · 拆解核验日期 2026-09-27

来源与证据说明

原视频：抖音视频「【1800w播放】都说提示词堪比论文的提示词拆解教程来了！把自己个人…」，作者主页标题为「Surviving-黑猫阿的主页」（作品 10+；抖音号、粉丝数因平台反爬未能明确读取）。视频规格 1920×1080、29.99 fps、时长 3 分 13 秒（5798 帧）。本文由「视频拆解与复刻图文教程」流程产出：抽取原视频关键帧、逐帧还原方法链路，并核验所涉工具的官方资料；配图均为原视频整帧画面，未做裁切或遮挡。

原视频链接：douyin.com（视频作品编号 7687940864387140902）

证据与复刻声明：本文严格区分四层证据——来源画面事实（视频画面、字幕与界面可直接观察到的内容）、创作者披露（作者在视频中明确讲解的方法与工具）、官方资料（撰稿时在官方页面核验到的能力与说明）、复刻方案（为让读者做出同类作品而设计的步骤）。本文的复刻方案不等于创作者的完整原始流程；作者未在视频中披露的设置（如 AI 对话的完整系统提示词、色卡的生成方式等）一律标注为推断或我们的方案，不作虚构。文中出现的英文提示词、参数与模块名均按视频画面逐字整理。

一、结论：可以学、可以复刻，但它教的不是「模板」而是「方法」

一句话结论：这不是一条「给你一份提示词模板、复制就能用」的视频，而是一条「怎么把一段参考片拆解成结构化提示词」的方法论教程。作者先让 AI 把参考片段拆成七个维度，再把每个维度补成可执行的「制作锚点」，最后在 Flova.ai 的文档里组织成一份能直接驱动视频模型的提示词。

· 核心洞察（创作者披露，原话）：「但并没有告诉视频模型该如何去制作」——一份只描述画面的提示词，AI 拿到也不知道该怎么拍。提示词的价值在于把「画面」翻译成「制作指令」。

· 方法骨架（来源画面事实）：提示词 = 制作锚点，四个锚点是「主体、场景、镜头、光影」；再往下细分为摄影三要素（光圈、快门、ISO）、色彩逻辑、分镜时间轴、表演与声音设计。

· 最终形态（来源画面事实）：一份 Markdown 文档《东京犯罪剧一镜到底提示词.md》（在 Flova.ai 的「文档」里编辑），里面包含摄影参数与镜头控制、画面整体视觉方向、真实皮肤、画面色彩与逻辑、光影、背景人物活动、主角的眨眼与表演、25 秒一镜到底分镜、声音设计等章节。

· 两个字数（来源画面事实）：视频字幕先后出现「全文一共由 6183 个字组成」（随后拆成九个模块）与「Codex 反推出来的提示词全文共有 2000 字」。两处均为视频原字幕。

· 工具链（来源画面事实）：参考片分析用 AI 对话（画面模型为 GPT-5.6 Sol）；提示词整理与视频生成在 Flova.ai（视频模型为 Seedance 2.5）；角色参考图用「MJ 制图」或 Banana；后期调色参考达芬奇（DaVinci Resolve）。

图 1：视频开场——播放量 1800w+，评论区满是「蹲一个完整教程」「求详细步骤」，说明这份提示词拆解方法的需求量极大。来源：原视频画面

二、这条视频在做什么：一条「从参考片到提示词」的流水线

来源画面事实：作者以日剧《铁证悬案真实之门》中的一段约 24 秒连续长镜头为参考，把它一步步拆成一份完整提示词，再用它去生成同类画面。整条流程可以拆成六段：

环节	工具（画面显示）	作用
① 选参考片	日剧《铁证悬案真实之门》片段（约 24 秒）	确定要复刻的目标：男女刑警抵达犯罪现场的一镜到底
② AI 拆解	AI 对话（画面模型显示为 GPT-5.6 Sol）	把参考片拆成整体判断、运镜、镜头语言、人物调度等维度
③ 反推提示词	Codex（画面字幕「Codex 反推出来的提示词」）	把拆解结果反向写成一版可用的视频提示词
④ 组织成文档	Flova.ai「文档」（东京犯罪剧一镜到底提示词.md）	把提示词按章节整理、补全摄影参数与制作细节
⑤ 出参考图	MJ 制图（Midjourney）/ Banana（Nano Banana）	生成角色参考图 / 角色卡，锁定人物形象
⑥ 生成视频	Flova.ai × Seedance 2.5（字节视频模型）	用整理好的提示词 + 参考图 + 色卡驱动视频生成

来源画面事实：视频中作者还特别鸣谢「Flova 提供的创作支持」，并展示了 Flova 的活动页（Flova × Seedance 2.5，活动期 9 月 21 日–10 月 20 日）。这条视频本质上是一次「方法论教学 + 平台演示」。

图 2：第一步——「我们先来看看视频的完整提示词由哪几部分组成」，右侧展示提示词第一模块【视频整体概念】（类型、时长、画幅与帧率、剪辑方法、时间与天气、地点）。来源：原视频画面

图 3：作者点出体量——全文一共由 6183 个字组成（随后拆分成若干模块）。来源：原视频画面

三、逐项拆解：从参考片到「导演级」提示词

3.1 拆解的第一层：提示词由九个模块组成

来源画面事实：作者先回答「完整提示词由哪几部分组成」，画面列出九个模块，分为左右两组：

· 左组：视频概念、摄影参数、人物皮肤、光影、分镜时间轴。

· 右组：人物参考、视觉方向、色彩逻辑、人物活动。

复刻要点（复刻方案）：这九个模块可以理解成一份「视频提示词的骨架清单」——写提示词时逐个模块填空，就不容易漏。它不是唯一正确的分类，但确实覆盖了一条 AI 视频从「概念」到「可拍」的关键信息。

图 4：提示词拆解出的九个模块——视频概念、摄影参数、人物皮肤、光影、分镜时间轴 / 人物参考、视觉方向、色彩逻辑、人物活动。来源：原视频画面

3.2 参考片的拆解：七个框架 + 逐段运镜表

来源画面事实：作者对参考片《铁证悬案真实之门》做的第一轮分析，用的是七个框架：整体判断、分镜时间轴、镜头语言、人物设计调度、场景空间、光线色彩及质感、情绪曲线。其中「整体判断」记录了时长 23.77 秒、画幅 16:9（1920×1080）、帧率 30fps、镜头形态（近距离广角连续跟拍）、剪辑判断（没有发现明确硬切，建议按「真实一镜到底」设计）与核心结构（女主先行、男主延迟登场，两人在警戒线前汇合，最后共同发现建筑上方的异常）。

来源画面事实：分析文档还包含一张「逐段运镜与动作」表，按 0–3.5 秒、3.5–6 秒、6–9.3 秒……逐段记录「画面与人物 / 摄影机运动 / 叙事作用」。另一节「镜头语言」总结出「摄影机运动都有栖息动机」：后跟用于带观众进入现场、绕到正面用于读取人物反应、用镜用于把叙事焦点从女性交给男性、警戒线遮挡用于强调进入禁区等。

图 5：参考片分析文档《铁证悬案真实之门》——含「整体判断」（时长 23.77 秒、16:9、30fps、一镜到底判断）与「逐段运镜与动作」表。来源：原视频画面

图 6：拆解继续深入「镜头语言」与「人物设计与调度」（女性是第一主角：黑色西装外套、白色内搭……）；字幕显示「Codex 反推出来的提示词全文共有 2000 字」。来源：原视频画面

图 7：七个框架的完整清单——整体判断、分镜时间轴、镜头语言、人物设计调度、场景空间、光线色彩及质感、情绪曲线。来源：原视频画面

3.3 关键修正：从「描述画面」到「告诉模型怎么拍」

来源画面事实：作者把「修改前 / 修改后」两版分镜表并排对比。修改前的逐段表只写「画面与人物 + 摄影机运动」；修改后每一段都升级成三段式——「人物动作 / 镜头运动 / 背景」，例如 12–14 秒「A 与 B 汇合」：

修改后分镜写法示例（视频原文·12–14 秒）

人物动作：A 从画面左侧重新进入，位置比 B 更靠近镜头。B 加快一步追上，但保持在 A 右后方半个身位。

B 先看 A，再看警戒线内部；A 右手略微抬起，准备接触警戒线。

镜头运动：镜头 C 继续后退并移向道路中央，将两人收进同一构图。焦点先保持在 B，随后自然转向距离更近的 A。

背景：黄色警戒线变得清晰。两名蓝色防护服取证人员分别跪地拍照和整理证物箱，旁边放着关闭的证物箱。

创作者披露（原话/字幕）：「但并没有告诉视频模型该如何去制作」「这些不是让你们对着提示词套模板」「而是足够精准」「写出来目的是什么」。作者的主张很清楚：分镜表如果只描述「画面上有什么」，AI 仍然不知道机位怎么走、焦点给谁、背景怎么动；必须把每个镜头写成可执行的制作指令。

图 8：「修改前 / 修改后」对比——分镜从「画面与人物 + 摄影机运动」升级为「人物动作 / 镜头运动 / 背景」三段式；字幕点出「但并没有告诉视频模型该如何去制作」。来源：原视频画面

3.4 提示词 = 制作锚点：主体、场景、镜头、光影

来源画面事实：作者用一张示意图概括方法论——「提示词 = 制作锚点」，四个锚点是主体、场景、镜头、光影，共同指向「主体」这一核心。字幕是「每一个锚点都是为了把画面转化成……」。

复刻要点（复刻方案）：这四个锚点可以当作写提示词时的自查清单——每写完一段，回头检查它是否同时交代了「谁在演（主体）」「在哪演（场景）」「怎么拍（镜头）」「怎么打光（光影）」。缺哪一项，AI 就会在那一项上自由发挥。

图 9：方法论核心——「提示词 = 制作锚点」，四个锚点：主体、场景、镜头、光影。来源：原视频画面

3.5 摄影参数与镜头控制：把「怎么拍」写死

来源画面事实：文档《东京犯罪剧一镜到底提示词.md》里「摄影参数与镜头控制」一节写得非常具体，原文要点如下：

摄影参数与镜头控制（视频原文摘录）

全程固定使用同一支全画幅等效 26mm 广角定焦镜头，不换镜头、不变焦、不使用数字推拉。

30fps 配合约 1/60 秒快门，保留行走、用镜和近景遮挡产生的自然运动模糊。

光圈以 T4 为主，保持人物与现场背景同时可读；进入建筑投下的较暗区域时，可以缓慢打开至 T3.2，

不能因人物遮挡而突然改变曝光。ISO 约 800，白平衡固定约 5600K，整体轻微欠曝，

保护阴天天空和白色警车高光，同时保留黑色西装的基本纹理。

将摄影机理解为一台在人类胸口至视线高度运动的低空虚拟无人机。高度主要维持在离地 1.4 至 1.6 米，

穿越警戒线时平缓下降至约 1.2 米。

摄影机通过连续的前进、后退、侧移、弧形环绕、偏航和小幅俯仰完成跟拍。所有转向都有启动、加速、

惯性滑行、减速和轻微回摆，不瞬移、不机械急停、不产生无重力漂浮。

主运动路径保持专业稳定，同时叠加真实手持摄影中的轻微脚步起伏、细小横滚、呼吸式位移和人工构图修正。

允许摄影机路微提前或滞后，允许人物和物体短暂遮挡，允许主体暂时偏离最佳构图后再被重新接住。

采用人工无线跟焦质感。焦点根据叙事在 A 的眼睛、B 的面部、触碰警戒线的手和地面证物之间转移。

人物突然靠近、转头或快速用镜时，允许焦点短暂偏软、轻微失焦并重新寻找主体。

远点转换保留轻微光学呼吸，不能无理由反复抽焦。

来源画面事实：同一文档还有「画面整体视觉方向」（写实日本犯罪剧现场质感、真实、克制、略带粗糙、固定广角镜头近距离观察人物、中等偏景深、人物清晰背景仍可辨认、保留轻微光学柔化、运动模糊和不完美）与「真实皮肤」（人物皮肤保留真实毛孔、额头纹、自然法令纹、轻微肤色不均和少量皮屑高光；B 保留真实胡须根部和年龄纹理）两节。

官方资料（核验日期 2026-09-27）：这类「把摄影机当实体设备描述」的写法，是把影视摄影语言（焦距、光圈、快门、白平衡、跟焦方式、手持质感）翻译成模型能理解的自然语言——它不保证模型能 100% 还原物理参数，但能显著约束画面的运动质感与曝光倾向。

图 10：Flova.ai 文档《东京犯罪剧一镜到底提示词.md》——「摄影参数与镜头控制」一节（26mm 广角定焦、30fps、1/60 秒、T4→T3.2、ISO 800、白平衡 5600K）。来源：原视频画面

图 11：同一文档的「25 秒一镜到底分镜」——0–2 秒「从身份细节启动」、2–4 秒「由背影揭示建筑」、4–6 秒「从 A 身后环绕到正面」，每段含人物动作、镜头运动、背景。来源：原视频画面

图 12：作者强调「写清楚基本的摄影三要素」——光圈、快门、ISO（画面示意 F/2.8、1/125s、ISO）。来源：原视频画面

3.6 画面色彩与逻辑：把综合色调写成具体颜色

来源画面事实：文档「画面色彩与逻辑」一节原文写道：

画面色彩与逻辑（视频原文摘录）

整体以低饱和冷灰、灰绿、青灰和深炭黑为主，轻微欠曝。白色建筑和警车带冷灰色，人物肤色自然偏淡，

只比环境略暖。黑色西装压住画面重量，红色袖标、红色锥桶和黄黑警戒线作为少量高识别警示色。

全程保持统一综合色，不因镜头转向产生白平衡漂移，避免形成广告感；蓝色取证服保持中低饱和。

来源画面事实：为了在多段视频之间保持色调一致，作者还制作了一张「颜色色卡」，共八色，每个色块标注名字与十六进制值；字幕是「在每次生成视频时可以加入这张色卡当做画面色调参考」。下表按画面逐字整理（色块内小字较细，用途一栏已尽力辨识）。

色卡名	十六进制	画面标注的用途（视频原文，小字）
云海象牙白	#F7D6CB	云海、时尚、女性主角向
琥珀蜜桃色	#D8A07B	天空、肤色稚嫩、慢火感
宫阙鎏金色	#C47A3F	水质动态、金属反光、警示感
朱砂战斗色	#8F403D	灯照、军潮、强调对抗的少量提示
青紫雾蓝色	#80979D	城墙、冷调、实用语感
苍松墨绿色	#263A35	树林、荫蔽、中性单例环境
宫木深棕色	#422A22	木质、包材、压迫感
玄青阴影色	#202E36	阴影区、稳重、战争剧基调、冷色暗部

来源画面事实：作者随后切到达芬奇（DaVinci Resolve）的调色界面，字幕是「可以大大减少后期调色的工作量」——即用色卡在生成阶段就统一色调，减少后期逐镜校色的工作。

图 13：文档「画面色彩与逻辑」一节——把综合色调写成「低饱和冷灰、灰绿、青灰和深炭黑」，并点名红色袖标、红色锥桶、黄黑警戒线是少量警示色。来源：原视频画面

图 14：作者自制「颜色色卡」——八色，每块标注名称与十六进制值（如云海象牙白 #F7D6CB、玄青阴影色 #202E36），用于多段视频的色调参考。来源：原视频画面

图 15：用色卡统一色调后，可在达芬奇（DaVinci Resolve）里减少后期调色工作量。来源：原视频画面

3.7 光影：决定整个场地的光源布置

来源画面事实：文档「光影」一节原文写道：

光影（视频原文摘录）

阴天天空是唯一主光源，形成大面积柔和漫射光，没有直射阳光、硬阴影或人工轮廓光。

白色警车和住宅外墙为人物提供微弱冷白反射。A、B 面部朝向开阔天空的一侧略亮，额头、鼻梁和上颧骨

获得柔和亮面；眉骨下、眼窝、鼻翼、下颌和颈部保留自然阴影。人物转头时，明暗随面部角度平缓变化，

光源方向不能跟随人物移动。阳台下方、楼道入口、车辆背面和人群内部自然偏暗。

警车漆面、玻璃和警戒线只有柔和高光。禁止灯光闪烁、人物面部忽明忽暗和无来源补光。

来源画面事实：视频中间还穿插了一段教学素材，用人体模型演示「直射光 vs 慢反射」「暖色调 vs 冷色调」的差别，并展示了「没有层次、没通透感」的反例画面。字幕是「决定整个拍摄场地的光源布置」。

图 16：文档「光影」一节——「阴天天空是唯一主光源」，并明确禁止「灯光闪烁、人物面部忽明忽暗和无来源补光」。来源：原视频画面

3.8 分镜控制与 25 秒一镜到底分镜

来源画面事实：视频里出现一个「分镜控制」面板，把每个镜头拆成「画面内容 → 如何拍」两组参数，可调「景别（中景）/ 机位（平视 -30°）/ 运动（缓推）/ 缩放（1.0）」，并显示「已锁定」。字幕是「而是要准确的控制」。

来源画面事实：文档正文则是一份完整的「25 秒一镜到底分镜」，按两秒一段（末尾 1 秒）写成，每段含人物动作、镜头运动、背景三项。段落主题如下：

时间	段落主题	该段要做的事（视频原文要点）
0–2 秒	从身份细节启动	袖标先进入画面；镜头从 A 右后侧贴近跟瞄，焦点由袖标转向肩背，产生轻微镜头呼吸
2–4 秒	由背影揭示建筑	A 继续前行、步速略减；镜头随 A 上身缓慢上仰，让建筑立面逐渐展开
4–6 秒	从 A 身后环绕到正面	镜头向 A 左侧弧形位移，绕到左前方，反向偏航把 A 保持在画面中
6–8 秒	正面倒退跟随 A	镜头在 A 前方约 1.2 米处向后退，沿道路轻微右移，为 A 的视线留出空间
8–10 秒	快速转向 B	A 的视线转向画面右后方；镜头加速右偏航并短距离横移，焦点转向 B
10–12 秒	B 离开警车	B 松开车门转向犯罪现场；镜头后退、保持距离并向左侧移动，为 A 重新入画预留空间
12–14 秒	A 与 B 汇合	B 加快一步保持在 A 右后方半个身位；镜头移向道路中央把两人收进同一构图
14–16 秒	逼近警戒线	A 先低头判断高度再伸出手；镜头减速、高度由 1.5 米降至 1.4 米，焦点在眼睛与手之间转移
16–18 秒	共同穿越警戒线	A 抬警戒线、B 托住并低头跟随；镜头与 A 同步下降至约 1.2 米，从空隙中穿过
18–20 秒	揭示核心现场	A 恢复正常步速看向地面标记；镜头绕向右后方，焦点从 A 侧脸转到地面物证
20–22 秒	从证物回到 A	A 放慢到几乎停止；镜头沿弧线绕到右前方并升高至约 1.6 米，把 A 与物证收进同一视线
22–24 秒	后脑发异常	A 仰头看向住宅楼上方；镜头缓慢上仰，让建筑外沿进入画面上方
24–25 秒	悬念停留	A 维持抬头凝视、呼吸短暂变浅；镜头停止主动运动，只保留轻微呼吸感

图 17：「分镜控制」面板——把每个镜头拆成「画面内容 → 如何拍」，可调景别、机位、运动、缩放，并显示「已锁定」。来源：原视频画面

3.9 表演与背景人物：把「演员怎么演」写进去

来源画面事实：文档有两节专门写表演。「背景人物活动」要求背景人物保持各自独立、错开的行动节奏，不能集体同步移动或同时看向主角；并分别规定制服警察、取证人员、记者的分工动作，要求「所有背景人物忽略镜头，不得抢夺 A、B 的视觉中心，也不得复制 A、B 的面孔和服装」。

来源画面事实：「主角的眨眼与表演」一节把生理细节量化为可执行指令——A 在 25 秒内自然眨眼约 3 至 5 次、B 约 2 至 4 次，间隔不均匀、两人不能同步眨眼；眨眼主要发生在转头、重新聚焦、风吹眼睛或结束一次观察之后，快速行走和发现关键线索时减少眨眼；并禁止固定频率、连续快速眨眼、左右眼不同步或长时间完全不眨眼。此外还规定了身体动作的自然顺序：发现目标时眼睛先移动、头部随后转向、肩膀与上身最后跟随；改变方向时脚步和重心先调整……

复刻要点（复刻方案）：把「眨眼次数」「动作先后顺序」这种量化和时序写成指令，是这份提示词最反直觉、也最有效的地方——它直接针对 AI 视频常见的「抽搐式眨眼」「动作同步化」「表情瞬变」等毛病。字幕「演员要怎么演」点出了这一节的目的。

图 18：文档规定「背景人物活动」与「主角的眨眼与表演」——含眨眼次数、间隔、身体动作的先后顺序等量化指令；字幕「演员要怎么演」。来源：原视频画面

3.10 参考图与角色卡：锁定人物形象

来源画面事实：文档右侧的「对话」面板里，作者让 AI 为「人物 A（女性刑警）」和「人物 B（中年男性刑警）」分别写了一段英文的「character reference portrait」提示词。人物 B 的原文如下：

人物 B 角色参考图提示词（视频原文，英文）

Realistic character reference portrait for a Japanese crime drama series. Middle-aged Japanese male

police detective, short black hair with visible gray, pronounced eye bags conveying fatigue and

experience. Authentic skin texture with age: visible beard stubble at the roots, skin creases,

wrinkles, and natural uneven tone. Wearing a slightly worn dark suit, a wrinkled light-colored

dress shirt, black necktie, red police armband on the left upper arm. Expression is focused,

weary but professional - not youthful, not idealized, not model-like.

Skin texture is critically important: real pore detail, age lines, fatigue under-eye shadows.

Absolutely no skin smoothing, beauty retouching, or plastic AI-generated skin. No over-sharpening,

no HDR.

Overall color palette: low-saturation, cool gray, gray-green, and blue-gray tones. Overcast

diffused ambient light, no harsh directional shadows, no artificial rim or portrait lighting.

Background: clean neutral backdrop or subtly suggested Tokyo residential street environment -

kept minimal to avoid distracting from the subject.

来源画面事实：这两段提示词的下方工具条显示「MJ 制图」（Midjourney），字幕是「我们来讲解参考图的生成」；作者随后展示四视图角色卡（正面 / 侧面 / 背面等），字幕是「就可以使用角色卡」，并提到「或者用 Banana 制作这种角色卡」。

来源画面事实：作者对比了「长视频精准控制」与「单次生成」两种做法——角色卡适合长视频、多镜头的精准控制；而单次生成时可以直接用概念图，因为「概念图里包含背景信息」。字幕点题：「真正决定 AI 视频上限的」。

图 19：文档「对话」面板里的人物 B 英文参考图提示词（强调真实皮肤质感、禁止磨皮），工具条显示「MJ 制图」（Midjourney）。来源：原视频画面

图 20：四视图「角色卡」（正面 / 侧面 / 背面等）用于「长视频精准控制」；作者也提到可用 Banana 制作。来源：原视频画面

3.11 声音设计：BGM 之外，还有「现场声」

来源画面事实：文档「声音设计」一节原文写道：全程无传统 BGM、无配乐旋律，只保留真实、连续的东京住宅区案发现场声；声音远近与左右方向随摄影机移动自然变化，不能平均铺满。并细分为「环境底声（叶子被微风吹动的细小摩擦声、远处城市交通形成的低沉雾声）」「人群声音（警戒线外的低声交谈、现代相机快门声和手机快门声）」「人物近声（A、B 行走时的衣料摩擦和不同节奏的鞋底声；两人呼吸轻微可闻，紧张时变浅但不夸张）」。

图 21：「导演式拆解」——想象之下是摄影、色彩、光影、表演和镜头调度五项能力。来源：原视频画面

图 22：文档「声音设计」一节——全程无 BGM，只保留连续的案发现场声（环境底声、人群声音、人物近声）。来源：原视频画面

3.12 方法论收尾：从「模仿画面」走向「表达想法」

创作者披露（原话/字幕）：作者把整条方法论的落点总结为「导演式拆解」——核心不是你会不会套模板，而是「你能不能像导演一样思考」「掌握这些底层能力」，最终实现「从模仿画面走向表达想法」的「创作的跃迁」。视频结尾的正文则再次出现 Flova × Seedance 2.5 的活动页。

图 23：作者的方法论落点——「创作的跃迁：从模仿画面走向表达想法」。来源：原视频画面

图 24：视频结尾展示 Flova × Seedance 2.5 活动（9 月 21 日–10 月 20 日）：720P 约 0.31 元/秒、480P 约 0.156 元/秒等档位。来源：原视频画面

四、工具与参数速查表

项目	内容（来源画面事实 + 官方资料）
方法论核心	提示词 = 制作锚点（主体、场景、镜头、光影）；分镜要写成「人物动作 / 镜头运动 / 背景」三段式
提示词骨架	九个模块：视频概念、摄影参数、人物皮肤、光影、分镜时间轴、人物参考、视觉方向、色彩逻辑、人物活动
参考片分析框架	七个框架：整体判断、分镜时间轴、镜头语言、人物设计调度、场景空间、光线色彩及质感、情绪曲线
两个字数（视频字幕）	拆解全文 6183 字；Codex 反推出来的提示词全文 2000 字
摄影三要素	光圈（画面示意 T4→T3.2）、快门（约 1/60 秒）、ISO（约 800）；另加 26mm 广角定焦、30fps、白平衡约 5600K
镜头运动原则	把摄影机当「低空虚拟无人机」（离地 1.4–1.6 米，穿越警戒线降至约 1.2 米）；转向有启动、加速、惯性滑行、减速、轻微回摆
跟焦设定	人工无线跟焦质感；焦点在 A 的眼睛、B 的面部、触碰警戒线的手、地面证物之间转移；允许短暂偏软、轻微失焦
色彩逻辑	低饱和冷灰 / 灰绿 / 青灰 / 深炭黑；轻微欠曝；红色袖标、红色锥桶、黄黑警戒线为少量警示色
颜色色卡	八色（云海象牙白 #F7D6CB、琥珀蜜桃色 #D8A07B、宫阙鎏金色 #C47A3F、朱砂战斗色 #8F403D、青紫雾蓝色 #80979D、苍松墨绿色 #263A35、宫木深棕色 #422A22、玄青阴影色 #202E36）
光影	阴天天空为唯一主光源，大面积柔和漫射光；禁止灯光闪烁、面部忽明忽暗、无来源补光
分镜控制面板	景别（中景）/ 机位（平视 -30°）/ 运动（缓推）/ 缩放（1.0），可「已锁定」
角色参考图	英文 character reference portrait 提示词；输出四视图角色卡（正面 / 侧面 / 背面），工具为 MJ 制图或 Banana
声音设计	无 BGM、无配乐旋律；只保留现场声（环境底声、人群声音、人物近声），声场随摄影机移动变化
主平台	Flova.ai（flova.ai）——文档 + 对话 + 视频模型；视频模型为 Seedance 2.5（字节 Seed 团队，2026-07-31 发布）
分析 / 出图模型	AI 对话（画面模型为 GPT-5.6 Sol，OpenAI）；参考图用 MJ（Midjourney）/ Banana（Nano Banana）

五、提示词与参数清单（可对照复刻）

说明：「视频原文」按视频画面逐字整理；「复刻模板」是为通用化而由本文编写，不冒充创作者原文。发送前请把【】里的内容替换成你自己的题材。

① 让 AI 拆解参考片的提问模板（复刻方案，基于视频做法）

这是一段参考视频。请把它拆解成以下七个框架，逐项分析：

整体判断 / 分镜时间轴 / 镜头语言 / 人物设计调度 / 场景空间 / 光线色彩及质感 / 情绪曲线。

其中分镜时间轴请按时间分段，每段写清「人物动作 / 镜头运动 / 背景」三项，

不要只描述画面里有什么，要写清楚「怎么拍」。

② 摄影参数与镜头控制（视频原文摘录）

全画幅等效 26mm 广角定焦，不换镜头、不变焦、不使用数字推拉；30fps + 约 1/60 秒快门；

光圈 T4 为主（暗区可缓开至 T3.2）；ISO 约 800；白平衡约 5600K；整体轻微欠曝；

摄影机 = 低空虚拟无人机（离地 1.4–1.6 米，穿越警戒线降至约 1.2 米）；

人工无线跟焦质感，焦点在眼睛、面部、手、地面物证之间转移。

③ 色彩与光影（视频原文摘录）

整体低饱和冷灰、灰绿、青灰、深炭黑，轻微欠曝；红色点缀作少量高识别警示色；

阴天天空为唯一主光源，大面积柔和漫射光，无直射阳光、硬阴影或人工轮廓光；

禁止灯光闪烁、人物面部忽明忽暗和无来源补光。

④ 表演指令（视频原文摘录）

A 在 25 秒内自然眨眼约 3–5 次，B 约 2–4 次，间隔不均匀，两人不能同步眨眼；

眨眼主要发生在转头、重新聚焦、风吹眼睛或结束一次观察之后；

发现目标时眼睛先移动，头部随后转向，肩膀与上身最后跟随；

禁止固定频率、连续快速眨眼、左右眼不同步或长时间完全不眨眼。

⑤ 声音设计（视频原文摘录）

全程无传统 BGM、无配乐旋律；只保留真实、连续的现场声；

声音远近与左右方向随摄影机移动自然变化，不能平均铺满；

分三层：环境底声、人群声音、人物近声（衣料摩擦、鞋底声、呼吸）。

⑥ 角色参考图提示词结构（视频原文为英文，此处示意结构）

Realistic character reference portrait for ... [题材] ...

外貌与年龄特征 + 服装配饰 + 表情气质（聚焦、克制、非理想化）

Skin texture is critically important: real pore detail ... no skin smoothing, no beauty retouching.

Overall color palette: low-saturation, cool gray ... ; Overcast diffused ambient light.

Background: clean neutral backdrop ... kept minimal to avoid distracting from the subject.

六、手把手复刻 11 步

第 1 步 选一段你喜欢的参考片（越接近你要拍的目标越好，例如一段一镜到底的连续镜头），截取 20–30 秒。

第 2 步 把参考片交给 AI 对话（视频用的是显示为 GPT-5.6 Sol 的模型），按七个框架要求它逐项拆解：整体判断、分镜时间轴、镜头语言、人物设计调度、场景空间、光线色彩及质感、情绪曲线。

第 3 步 拿到拆解后，重点检查「分镜时间轴」——如果它只写了画面里有什么，就追问：请把每一段改写成「人物动作 / 镜头运动 / 背景」三段式，并说明要怎么做。

第 4 步 让 AI（视频里用的是 Codex）把拆解结果反推成一版可直接使用的视频提示词。

第 5 步 在 Flova.ai 新建一份文档（视频里是 Markdown 文档《…一镜到底提示词.md》），把提示词按九个模块归档：视频概念、摄影参数、人物皮肤、光影、分镜时间轴、人物参考、视觉方向、色彩逻辑、人物活动。

第 6 步 补「摄影参数与镜头控制」：焦距、帧率、快门、光圈、ISO、白平衡，以及摄影机的运动方式与跟焦方式。

第 7 步 补「画面色彩与逻辑」「光影」：写清主光源、色温倾向、点缀色，并做一张颜色色卡（名字 + 十六进制）。

第 8 步 补「分镜」：把 25 秒（或你的目标时长）按 2 秒一段拆开，每段写人物动作 / 镜头运动 / 背景；如有分镜控制面板，同时设定景别、机位、运动、缩放。

第 9 步 补「表演与背景人物」：把眨眼频率、动作先后顺序、背景人物的独立节奏都写成指令。

第 10 步 补「声音设计」：决定是否有 BGM，以及现场声分几层、声场如何随镜头变化。

第 11 步 出参考图 / 角色卡：用 MJ 制图或 Banana 生成角色四视图，锁定人物形象；然后用 Flova × Seedance 2.5 把提示词 + 参考图 + 色卡一起喂进去生成视频。

七、可复刻度评测与已知限制

可复刻度评测（依据视频画面与官方资料，核验日期 2026-09-27）：

环节	成本 / 门槛	可复刻度	说明
AI 拆解参考片	有可用的 AI 对话账号	高	方法可完全照做；拆解质量取决于提问与模型能力
反推提示词	同上（视频用 Codex）	高	本质是把分析写成结构化文本，可复现
组织成文档	Flova.ai 账号（新用户有免费额度）	高	Markdown 文档任意工具都能写
颜色色卡 / 角色卡	MJ（Midjourney）/ Banana 出图成本	中高	工具都可选，关键是「四视图 + 统一色调」
生成视频	Flova × Seedance 2.5 按秒计费	中	结果依赖抽卡与人工筛选；长镜头一致性仍是难点
长视频一致性	需角色卡 + 参考素材 + 局部精修	中	视频已展示「角色卡 + 局部修改」缓解方案

说明：上表「可复刻度」为本文基于视频画面与官方资料给出的判断，非实测结论；「成本」仅按视频画面出现的信息与官方公开信息列示，请以各平台当日实际价格为准。

已知限制：

限制	说明
作者信息不完整	抖音号与粉丝数因平台反爬未能明确读取；昵称取自其抖音主页标题「Surviving-黑猫阿的主页」，标注为页面推断。
不是「套模板」即得	作者明确说「不是让你们对着提示词套模板」。文中所有提示词都需要按你的题材重写，直接套用他人的画面描述不会得到同样结果。
AI 拆解的完整性无法保证	视频里 AI 对参考片的拆解（6183 字）是否完整、是否有人工润色，作者未逐项展示；本文只能复刻「拆解—反推—组织—补细节」这个流程。
色卡小字辨识度有限	颜色色卡中每块下方的小字用途说明较细，本文已尽力辨识并标注；颜色名称与十六进制值可信度较高。
成本与活动价会变	视频展示的 Flova × Seedance 2.5 活动价（9 月 21 日–10 月 20 日）为限时活动；价格、额度与模型入口均可能调整，请以官方当日页面为准。
模型参数不等于物理还原	26mm、T4、ISO 800 等写法是「约束画面倾向」的语言，模型不一定逐项物理还原；它改善的是运动质感与曝光一致性，而非精确复现摄影机参数。
平台与版权边界	用他人影视片段做参考分析属学习用途；生成物若商用，需自行确认平台条款与素材版权，本文不构成法律意见。