Trzydziestosekundowe prompty do Seedance 2.5: etapy i taktowanie

Pięciosekundowy klip to opis. Trzydziestosekundowy klip to scenariusz. Ta zmiana jest całym powodem, dla którego ludzie piszący dobre krótkie prompty nagle dostają papkę, kiedy proszą o długość: dalej piszą bogatszą scenę, podczas gdy model potrzebuje teraz sekwencji punktów kontrolnych. Seedance 2.5 jest dostępny w przestrzeni wideo OmniArt i generuje od 4 do 30 sekund w jednym przebiegu — plus od 30 do 180 sekund w trybie Long Video — co oznacza, że w twoich trzydziestosekundowych promptach do Seedance 2.5 struktura znaczy więcej niż przymiotniki.

Podejście poniżej bierze się z tego, jak model naprawdę czyta długi prompt. Dzielisz historię na następujące po sobie etapy, dajesz każdemu etapowi dokładnie jedną główną zmianę stanu i piszesz stan końcowy, który widz mógłby wskazać palcem na ekranie. Dopiero potem nakładasz znaczniki czasu — i tylko tam, gdzie potrzebujesz prawdziwej precyzji.

To nie jest powrót do numerowanych list ujęć. Lista ujęć mówi modelowi, jak obsługiwać kamerę; etap mówi modelowi, co ma być prawdą, kiedy etap się skończy. Jeśli szukasz argumentów przeciw przesadnej specyfikacji krótkich klipów, przestań pisać listy ujęć wciąż się broni. Etapy to punkty kontrolne stanu, a nie ustawienia kamery.

Długie wideo psuje się inaczej niż krótkie

Czterosekundowy klip rzadko ma czas, żeby sobie zaprzeczyć. Trzydzieści sekund ma, a awarie skupiają się w czterech miejscach.

• Tożsamość postaci. Osoba w sekundzie 2 i osoba w sekundzie 24 są kuzynami, a nie tą samą postacią.
• Ubranie i rekwizyty. Kurtka zmienia odcień, wstążka zmienia kolor, narzędzie, które leżało na stole, nagle jest w dłoni — albo odwrotnie.
• Przynależność rekwizytów. Model gubi wątek, kto co trzyma po przekazaniu, i to najczęstsza wyrwa w każdej sekwencji z dwiema osobami.
• Kierunek w przestrzeni. Stół warsztatowy po cięciu stoi w drugą stronę albo postać, która wyszła w lewo, wraca z tej samej strony.

Żadnego z tych problemów nie naprawia więcej opisu. Naprawia je powiedzenie modelowi na każdej granicy, jaki stan dziedziczy. Seedance 2.5 utrzymuje cechy postaci, detal ubrania i architekturę scenerii w długim generowaniu wyraźnie lepiej niż wcześniejsze wersje, ale wciąż potrzebuje punktów kontrolnych, o które ma je oprzeć.

Etapy scenariusza, a nie sceny

Struktura długiego wideo to niewielki zestaw nazwanych bloków. Skopiuj to i wypełnij.

[Generation Goal]
Generate a <video type>. The central subject is <subject>, and the primary event is <story summary>.

[Stage 1]
Initial state: <initial state of characters, props, and scene>.
Primary event: <one primary action or event>.
End state: <character positions, prop ownership, or visible scene state>.

[Stage 2]
Continue from the previous stage: <state that must remain unchanged>.
Primary event: <one primary action or event>.
End state: <observable state>.

[Stage 3]
Primary event: <closing event>.
End state: <final visible state>.

[Maintain Consistency]
Keep <character identity, number of characters, clothing, prop ownership, spatial direction, and audio relationships> consistent.

Trzy etapy to dobre ustawienie domyślne dla trzydziestosekundowego generowania. Oto ten sam szablon wypełniony dla sekwencji z kawiarni naprawczej — dwie osoby, jeden przedmiot, który dwa razy zmienia właściciela, czyli dokładnie ten kształt, który odpływa, jeśli zapiszesz go jednym akapitem.

[Generation Goal]
Generate a documentary-style instructional video. The central subjects are <Volunteer> and <Owner>, and the primary event is repairing a desk lamp with a frayed cord and returning it working.

[Stage 1]
Initial state: <Volunteer> stands behind a wooden repair bench in a bright community hall. The desk lamp sits unlit on the bench, and a small metal tray and screwdriver lie to the right of it.
Primary event: <Volunteer> unscrews the lamp base and lifts it away, exposing the wiring.
End state: the lamp base is open on the bench, three screws are in the metal tray, and the screwdriver is back on the right side of the bench.

[Stage 2]
Continue from the previous stage: both characters keep the same identities and clothing, the lamp base stays open on the bench, and the screws stay in the tray.
Primary event: <Volunteer> cuts away the frayed cord and fits a new braided cord into the base while <Owner> holds the lamp head steady.
End state: the frayed cord lies coiled at the left edge of the bench, the new braided cord runs from the base to the floor socket, and <Owner> still holds the lamp head with both hands.

[Stage 3]
Primary event: <Volunteer> closes the base, plugs the cord in, and <Owner> presses the switch.
End state: the lamp stands upright and lit in the center of the bench, and both characters look at the lit lamp from behind the bench.

[Maintain Consistency]
Keep <Volunteer> and <Owner>'s identities, clothing, the bench orientation, the tray position, and lamp ownership at each handoff consistent. Only two people are in frame throughout. Pure video, no subtitles, no background music.

Jedna zmiana stanu na etap

Dyscyplina, dzięki której to działa, jest nudna i bezwzględna: jedno główne zdarzenie na etap. Jeśli etap zawiera "unscrews the base, replaces the cord, and tests the lamp,", model musi sam rozdzielić budżet czasu na trzy takty i zwykle dwa z nich przyspieszy albo jeden porzuci. Rozdziel je.

Stany końcowe muszą być widoczne

Stan końcowy to kadr, który dałoby się zrzucić na obrazek, a nie odczucie. "The repair is finished" nie daje modelowi niczego, do czego mógłby zbiegać. "The lamp stands upright and lit in the center of the bench" daje mu cel, a przy okazji za darmo daje następnemu etapowi jego stan dziedziczony. Pisz stany końcowe w kategoriach pozycji, przynależności i widocznego stanu scenerii — gdzie co jest, kto co trzyma, co jest włączone, a co wyłączone.

Znaczniki czasu tam, gdzie precyzja naprawdę ma znaczenie

Seedance 2.5 obsługuje natywne sterowanie fabułą i interwałami ujęć przez znaczniki czasu, z dokładnością co do sekundy. Zgodnie z wytycznymi premierowymi wpisujesz marker interwału w rodzaju [00.0-05] bezpośrednio przed ujęciem, kwestią albo akcją, a potem rozpisujesz resztę chronologicznie.

Domyślnie korzystaj z etapów. Po precyzję do jednej sekundy sięgaj wtedy, gdy musisz kontrolować przekazanie przedmiotu, wejście albo wyjście z kadru, przejście lub wyraźny takt — synchronizację z muzyką, odsłonę produktu, cięcie, które masz już w storyboardzie.

Zasady są krótkie:

• Po sobie i bez nakładania. Zakresy pokrywają oś czasu kafelkami. Luki i nakładki dają dokładnie ten zamęt, którego można się spodziewać.
• Zakres to budżet czasu, a nie punkt montażowy. Akcje mogą wylądować nieco przed granicą albo po niej. Jeśli materiał końcowy potrzebuje cięć z dokładnością do klatki, to robota dla postprodukcji.
• Gęstość treści ustawia odczucie. Za mało treści w zakresie oddaje modelowi swobodę, a on wymyśli wypełniacz. Za dużo powoduje nadmierne cięcie albo pominięcie zdarzeń.
• Nigdy nie żądaj częstotliwości. "Complete three actions in one second" nie jest instrukcją tempa; to zamówienie na bałagan.

Znaczniki czasu i etapy dobrze się składają: zostaw bloki etapów i dopnij zakres do tego jednego albo dwóch etapów, na których tempie naprawdę ci zależy.

Ustawienia globalne i blok antyrozpadowy

Przewodnik premierowy dokłada nad etapami jeden blok dla długich promptów: sekcję ustawień globalnych, która ustala światopogląd raz, żeby nie trzeba go było wyprowadzać na nowo w każdym etapie. Obejmuje bazowe otoczenie i fakturę, styl wizualny, język kamery, stylizację postaci, rdzeń aktorski oraz listę rzeczy zakazanych.

Ta ostatnia lista jest najbardziej użyteczna. Seedance 2.5 lepiej respektuje instrukcje przeczące, więc podział na linię pozytywną (treść kadru, ruch kamery, akcja, dialog, efekty dźwiękowe) i linię odwrotną (co nie ma się pojawić) warto pisać zarówno per etap, jak i globalnie. "No subtitles, no background music" to teraz prawdziwa instrukcja, a nie życzenie, a zalecany zapis jest bezpośredni — "pure video, no subtitles, no background music". Dorzuć tryby awarii typowe dla twojego ujęcia: żadnych dodatkowych osób, żadnych szerokich ruchów ciała, żadnego wymyślonego dialogu.

Zamknij blokiem spójności

Blok [Maintain Consistency] nie jest ozdobą. Powtórz w jednym miejscu na końcu: tożsamość postaci, liczbę postaci w kadrze, ubranie, przynależność rekwizytów, kierunek w przestrzeni i relacje dźwiękowe (kto mówi, co pozostaje ciche). Kosztuje dwie linijki i jest najtańszą obroną przed wzorcami odpływania wymienionymi na początku tego artykułu.

Który tryb: pojedyncze generowanie, przedłużenie czy Long Video

Trzy sposoby na wyciągnięcie długości z Seedance 2.5 — i nie są wymienne.

Przedłużanie to ścieżka „reżysera segmentowego”: wygeneruj dziesięć sekund, obejrzyj je, a potem zleć następny segment. Czas trwania da się ustawiać przy każdym przedłużeniu, ale proporcje obrazu dziedziczą się z wejścia i nie da się ich zmienić. Tryb Long Video pomija zszywanie w całości przy materiale od 30 do 180 sekund — filmy promocyjne o rozmachu, teledyski, krótkie formy oparte na monologu, w których łuk emocjonalny potrzebuje miejsca.

Przy prompcie ultradługim przewodnik premierowy dokłada jeden element ponad wszystkim powyższym: powtórz parametry globalne — docelowy czas trwania i proporcje obrazu — na samym początku tekstu promptu. Generowanie jest na tyle długie, że powiedzenie tego raz w interfejsie i raz w prompcie jest bezpieczniejszym nawykiem. Reszta kształtu jest znajoma: parametry globalne, opis materiałów wskazujący, który wgrany plik jest czym, jednozdaniowe streszczenie, konkretny opis fabuły jako oś czasu i globalny dopisek na końcu.

Rozdzielczość wyjścia to 480p albo 720p, więc przy długich materiałach zaplanuj wykończenie odpowiednio.

Uczciwe ograniczenia

• Znaczniki czasu przydzielają czas zdarzeniom. Nie są punktami montażowymi z dokładnością do klatki.
• Prompty montażowe podnoszą prawdopodobieństwo, że kluczowe zdarzenia zgrają się ze źródłem; nie gwarantują pokrycia klatka w klatkę.
• Praca z wieloma referencjami polega na dobraniu właściwego materiału do każdej sceny, a nie na pokazaniu wszystkich naraz.
• Przy dokładnych napisach, wzorach, szyldach, specyfikacjach produktu albo taktowaniu na poziomie klatki połącz przygotowane materiały referencyjne, generowanie i postprodukcję. Nie licz na to, że prompt uniesie to sam.
• Klatki brzegowe przedłużenia łączą się naturalnie na poziomie wizualnym, a nie identycznie co do piksela, a głośność przedłużonego segmentu może nieznacznie różnić się od źródła.

Pierwsze kroki w OmniArt

Weź trzydziestosekundowy pomysł, który już raz ci się nie udał. Przepisz go na trzy etapy, daj każdemu etapowi jedno główne zdarzenie i stan końcowy, który dałoby się zrzucić na obrazek, a na dole dodaj blok spójności. Wygeneruj go w Seedance 2.5 w przestrzeni wideo, a potem patrz wyłącznie na granice etapów — to tam zobaczysz, czy punkty kontrolne się utrzymały.

Jeśli granica pęka, lekarstwem prawie zawsze jest rozdzielenie tego etapu, a nie dołożenie opisu. Dalej: co trafiło do Seedance 2.5 omawia szerszy zestaw funkcji, a montaż i przedłużanie wideo podejmuje temat tam, gdzie pojedynczemu generowaniu kończy się miejsce.