单人 Urban Shuffle:动作优先
一个主体、一个主要舞步和明确的夜景环境,适合观察动作节奏与人物完整性。
技艺精湛的街头舞者表演充满活力的 Urban shuffle,精确的十字脚步法,霓虹灯下的城市小巷,湿滑地面上的彩色倒影,动态摄影角度,嘻哈 MV 质感,流畅的动作,紫色蓝色调的戏剧性氛围灯光,电影级构图。
结果观察
单主体让动作节奏和人物完整性更容易观察。比较时重点检查十字脚步是否连续,以及动态镜头是否影响全身动作的可读性。
JustDance 专注从文字生成舞蹈或动作短视频。不用准备照片或已有视频,先把脑中的舞者、动作和场景变成可观看的动态概念。
下面每个案例都展示保存的 Prompt 和对应视频。重点观察主体数量、动作复杂度、场景与镜头要求如何共同影响结果。
一个主体、一个主要舞步和明确的夜景环境,适合观察动作节奏与人物完整性。
技艺精湛的街头舞者表演充满活力的 Urban shuffle,精确的十字脚步法,霓虹灯下的城市小巷,湿滑地面上的彩色倒影,动态摄影角度,嘻哈 MV 质感,流畅的动作,紫色蓝色调的戏剧性氛围灯光,电影级构图。
结果观察
单主体让动作节奏和人物完整性更容易观察。比较时重点检查十字脚步是否连续,以及动态镜头是否影响全身动作的可读性。
多人场景同时要求数量、服装、同步动作和镜头,复杂度明显高于单人案例。
四位年轻女性在明亮的现代工作室里表演同步的 K-pop 编舞,搭配休闲服装,动作有力而精准,旋转角度的动态摄影,活力彩色背景配散景灯光,自信的表情,活泼时尚的氛围,音乐 MV 品质。
结果观察
这个案例把人数、同步动作、服装和旋转镜头放在同一个 Prompt 中。观看时应分别检查人数是否保持、人物是否互相遮挡,以及镜头变化是否破坏队形。
这是复杂度较高的探索案例,适合测试视觉方向,不适合作为第一次生成模板。
一群人在火星殖民地建筑中欢快地跳舞,红色岩石火星景观透过大窗户可见,未来感穹顶内部配柔和蓝色环境光,地下庆典氛围,工业建筑科幻美感,充满希望和活力的情绪,电影宽镜头将群体框在异星球景观前。
结果观察
Prompt 同时要求群体动作、火星景观、建筑空间和两种光线。观察重点应是画面是否仍有明确主体,以及复杂环境是否发生漂移或抢走动作焦点。
它更适合探索不存在的画面,而不是精确保留某个现实人物。先判断任务类型,再决定是否从文字开始。
把一句创意概念变成动态画面,用于比较舞蹈风格、场景氛围和镜头方向,不需要先准备演员或素材。
为 MV、广告或短片生成动态概念参考。它适合表达方向,不应被当作真实拍摄计划或最终成片的精确预演。
探索火星殖民地、奇幻舞台或超现实角色,再根据生成结果继续修改 Prompt。
如果需要保留某个人、宠物或角色的样子,文字无法锁定身份——用图生视频上传参考图。如果你已经有视频、只想换个视觉风格,改用视频转视频。
第一次生成
先决定画面里谁在做什么,再补场景和镜头。结果不理想时,每次只修改一个变量,才能判断问题来自主体、动作、环境还是摄影要求。
写清人物或角色数量、外观特征和正在完成的具体动作。第一次生成优先使用一个主要动作。
说明地点、时间、光线、景别和相机是否移动,让模型知道画面重点和空间关系。
主体错误就改主体,动作断裂就降低复杂度,背景漂移就简化环境,主体出画就先固定镜头。
Prompt 不需要堆满电影术语。下面五类信息已经能覆盖大多数第一次生成。
可直接修改的示例
一位穿红色连衣裙的女性在空旷舞厅中缓慢跳华尔兹,动作流畅克制,温暖烛光照亮木地板,固定中远景全身镜头,不切镜,保持人物服装和背景一致。
不要重写整段 Prompt。先找到最明显的问题,再修改对应变量。
常见原因
人物关系不明确,或者场景中同时出现太多主体。
优先修改
写清主体数量、服装和位置,先用单人或少量主体验证。
Prompt 是生成方向,不是逐帧执行脚本。提前理解这些边界,可以减少错误预期和没有方向的重复生成。
文字可以描述年龄、服装和外观倾向,但无法像参考图片一样约束具体身份。需要保留某个人或角色时,应使用图生视频。
模型会解释动作描述,但不等同于动作捕捉或编舞时间轴。复杂脚步、转身和群舞同步可能出现偏差。
生成存在变化。比较模型或设置时,应保持 Prompt、时长、比例和分辨率一致,一次只修改一个条件。
多人、换装、换景、快速动作和强运镜同时出现时,人物、背景和镜头更容易偏离描述。
需要最长时长可比较 Agnes 18 秒;需要最高 1080p 可比较 Seedance 1.5 Pro、Hailuo 或 Agnes;需要更多比例可先比较 Seedance。模型名称不是质量保证,最终应使用同一 Prompt 测试。
更多比例与时长
提供 7 种宽高比和 4、8、12 秒时长,适合按目标平台与内容长度选择规格。
最高 1080p
提供 4、8、12 秒与最高 1080p 输出,可用于比较更高分辨率的文生视频结果。
6 / 10 秒与 1080p
提供 6、10 秒与最高 1080p 输出,可用于比较不同画面解释和风格倾向。
最长 18 秒
提供 3、5、10、18 秒与多种宽高比,适合需要更长时长选项的任务。
针对「用文字生成」的问题——结果的随机性、多人场景,以及提示词能控制到什么程度。