Higgsfield 提示词教程

先解剖一条提示词：差稿到底差在哪

同一句话需求，为什么有人生成的是一段能用的戏，有人生成的是一团会动的糊？差别不在运气，在写法。这门课把 Higgsfield 这套提示词工程方法拆开教：先选引擎和模式，再用五层公式搭骨架，然后逐层学运镜、空间、表演、动作、参考图与生产纪律。

本教程学的是「写提示词」这门手艺本身：公式、词汇、锁法、改稿与验收。方法出自 Higgsfield 资料合集：官方单文件版（ACTING／CINEDANCE／LIRA）、OSideMedia 社区完整版 v3.40.0、官方 Hell-Grind 制作法与黑帮动作短片实战包。文中标为「实测」的条目是原作者的生产记录，不是平台规格保证。教程为中文转述与教学编排；公式、槽位与锁句按原文，示范提示词为教学稿，照结构仿写即可。

这门课怎么走

读法建议：导读与第 1、2、3 课是地基，先读完；第二部分是核心手艺，逐课读；第 15 课把前面全部走一遍，读完前十四课再看。附录 A、B 是工具页，动手时贴在手边查。

差稿长什么样

先看一对真实的改稿对照（据合集《prompt-examples》的对照例转述），知道「好」和「差」具体差在哪几处，后面的课才有落点。一个正剧镜头的差稿，大致是这个样子：一位侦探站在海边，史诗级电影感杰作，画面精美绝伦，8K，获奖级摄影。每个词听起来都很「高级」，但请用一个问题逐词过一遍：摄影机能测到它吗？「史诗级」测不到，「精美绝伦」测不到，「获奖级」更测不到。这类词在模型的训练数据里什么画面都沾一点，等于什么都没说。

改稿做了什么

同一镜头的改稿，把每个评价词逐个兑换成摄影机能测的东西：

没有一条信息是「加」的，全是「换」的：把评价换成光、物、动作、机位。这就是这门课的第一性原理，后面十五课都是它的展开：

另一个对照：图生视频

再看一个图生视频（I2V）的对照。差稿把参考图里已有的长相、裙子、阳台、晚霞全部复述了一遍，还夹着 beautiful、elegant 这类废话词，却没有一句在说「接下来会发生什么」。改稿第一句声明以所给图为第一帧，正文只剩下变化：头发被风托起、头缓缓右转、眼神收窄像认出了人、裙摆被风带起、远处灯光次第亮起，再加一个慢 Dolly In 收尾。

教训有两条，整门课会反复回到它们：一、在 I2V 里复述静态内容不是无害，是主动干扰——描述预算只花在「变」上；二、差稿几乎从不差在信息量，差在写的是形容，不是可执行的具体项。

先选引擎，再选模式

新手写词从第一句开始想，老手先做两个选择：这条片子用哪个引擎生成、用哪种模式喂它。同一句话，在不同引擎、不同模式里是完全不同的指令。本课把要认的引擎一次认全：Kling 3.0、Seedance 2.0／2.5、Cinema Studio、图像模型，以及并列的 MiniMax H3——H3 的模式、字段结构与完整成稿都在本课后半部分讲完。

引擎是方言，不是品牌

合集里反复强调：换模型不只是换个名字，是换一整套写法方言。几个主要引擎的口径如下（细节以平台当时规格为准）：

模式：同一句话的五种读法（Seedance 2.0）

Seedance 2.0 有五种提示模式。一条提示词跨模式混写，模型只能猜；写词前先认领一种：

Seedance 2.5 的四种模式

2.5 是另一套方言：纯文字（t2v）零参考简报；全参考（omni_reference）用角色地图加场景简报，首尾帧、多关键帧、分镜格、白模都走这里；改片（video_edit）交一张编辑单：唯一母版、改动范围、保留清单，换主体还要写「时间线继承」条款，让新物继承旧物的出场、运动、遮挡与退场；延长（video_extension）先对齐边界帧再写新内容，后向延长严禁写「然后接上源片」这类话，那会让后段元素提前漏进画面。

还有一层正交的选择：这次生成的工作意图是探索（找方向）、桥接（两段好片接不上，补一段双锚过渡）还是修复（局部错走改片，结构错带纠正词重生成）。意图不同，同一模式的写法重心也不同。

MiniMax H3：并列引擎的方言

MiniMax H3 与 Kling、Seedance、Cinema Studio 并列，是本课要认的另一台引擎。它的方言是「先定模式，再按固定字段成稿」：字段名、段落顺序、标签写法、时间戳记法都是契约，格式漂移等于指令失效。下面按写作课口径讲它的写法，内容出自官方 h3-prompt-writing 指南。

官方模式、字段、指令行与成稿范例出自官方指南（base-en.txt／ref-en.txt）；转述与小结为教学编排。同题写作课见姊妹教程《MiniMax H3 教程》。

五种模式怎么选

动笔之前先回答一个问题：你手里的素材（如果有）到底是干什么用的。判断顺序是：有没有素材 → 素材是作帧还是作参考 → 帧锚是首、尾还是首尾都有。只要涉及参考视频或参考音频，就是 Ref2VA——基础模式只处理文本与关键帧图。

基础模式：一条指令（或没有）＋三个字段

基础模式（T2VA／I2VA／FL2VA／L2VA）共用同一套骨架：关键帧模式先有一行对齐指令（必须是提示词第一行，后跟一个空行），然后是三个核心字段，顺序固定。

三句对齐指令是固定原文，照抄、只换数值。注意：FL2VA 里是裸写的 Picture 1／Picture 2（不带尖括号），I2VA 与 L2VA 里带尖括号——照原文，不要统一。N 是实际最后一个镜头的序号；S.SS 是有效视频时长，必须恰好两位小数（8 秒写 8.00）。

I2VA: For the target video, at 0.00 seconds into the target video, <Picture 1> (from [Shot 1]) is fully referenced.

FL2VA: How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video; Picture 2 (from Shot N) aligns with the S.SS-second mark of the target video.

L2VA: How the reference pictures align with the target video — <Picture 1> (from [Shot N]) aligns with the S.SS-second mark of the target video.

三种关键帧笔法各不相同：I2VA 先「认领」首帧（外观、服装、位置、布局明说保持），再写动作开始 → 连续发展 → 结果或反应；FL2VA 只写两图之间可观察的变化路径，切忌把两张图各描述一遍；L2VA 从尾帧里找「连接件」（同一只手、同样的袖子、同样的光线）提前埋进反推的开场，最后一镜逐步收束、逐项对齐落回尾帧——尾帧图属于最后一个 [Shot N]，不是 Shot 1，这是最常见的锚定错误。

Ref2VA：六段结构

素材一旦是「作参考、不作帧」，就走六段结构。写作顺序是：盘点素材 → 定义标签 → 写 summary → 写 retention → 写正文 → 补声音。

四类参考标签：按素材实际承担的角色分

两个高频误判：① 只提供外观、场景、服装或风格的图，不要单独立 <Picture N> 条目——把出处写进对应 Subject 的定义里即可；② 普通参考视频不会仅仅因为文件里有声音就自动产生 <Audio N>——只有音频确实被复制或被参考时才建。标签一旦分配，后面四段里含义全程一致，不改名、不换指代。

summary 的任务类型前缀

按每个素材在目标视频中的实际角色选，多类型用 " + " 连接、不重复：keyframe completion（图充当具体帧锚）、reference generation（只提供生成指引）、video editing（直接修改已有源视频）、video continuation（从源视频续接延长）、audio reuse（音频信号直接复制）、audio reference（只参考音色、风格、节拍等，不复制信号）。有视频／音频出现，不自动产生对应类型。

retention 的保留度标记（固定值，不许自创）

标记只能在该标签已定义的参考角色范围内选：目标视频里新加的动作、背景、剧情事件，不算参考保真度的损失——别因为「视频里多了原图没有的东西」就把 fully_preserved 降级。

运镜词汇：类型＋幅度＋速度

H3 的运镜不按预设名调用（那是第 4 课 Higgsfield 的方言），而是把运动写成自然句子，词汇只有三个维度：类型（Zoom In／Out、Push In／Pull Out、Pan Left／Right、Truck Left／Right、Tilt Up／Down、Pedestal Up／Down、Arc Shot、Tracking Shot、Static Shot、Shake Slightly／Strongly、POV、Roll Clockwise／Counterclockwise）、幅度（with small amplitude／with large amplitude）、速度（at slow speed／at fast speed）。幅度与速度只在有意义时才加，中等幅度、正常速度通常省略。最容易混的三组：Zoom 是变焦不动位、Push 是机位真的前进；Pan 是原地转镜头、Truck 是机位平移；Tilt 是原地俯仰、Pedestal 是机位升降。运镜融进叙述写成句子，不要把术语当标签堆在句尾。

The camera pushes in with small amplitude at slow speed toward the folded letter in her hands.
The camera pans right with large amplitude at fast speed, revealing the open doorway.
The camera holds a static shot as the runner exits the frame.

切镜另有规矩：[Shot 1] 不带时间戳；后续镜头顺序编号，每个以一个严格递增的切点时间开头，格式精确到毫秒——[Shot 2] At 00:03.500, the camera cuts to...。普通切镜用 cuts to／transitions to 等句式；交叉溶解、淡入淡出、划变只在明确要求时才用。

台词与声音：H3 的原生音轨写法

写一句台词要连续做对五个动作：定 ID → 立身份 → 原文进 <d> → 画外音补闭唇 → 跨切加标记。

• 说话人 ID：会说话、唱歌或画外发声的主体用稳定 ID (S1)、(S2)……，按发声出现顺序分配，跨镜头不变；齐声用复合 ID (S1,S2)；从不发声的角色不给 ID。
• 立身份：说话人首次出现，给出角色类型、年龄、性别、是否在画面内、音高、音色、语速、口音，写在 ID 旁边；之后再开口只用简短指代＋同一个 ID。
• 原文进 <d>：描述、ID、动作与语气都写在 <d> 之外；<d> 之内只有语言标签＋用户原文，逐字逐标点保留，不翻译、不改写。
• 画外音补闭唇：必须用固定句式 says in an off-screen voiceover，且每条画外音 <d> 之后立刻写明对应画面人物的嘴唇保持闭合——不写，模型就会让画面里的人动嘴对口型。
• 跨切加标记：同一句台词跨越切镜，在连接点两边都用 <scenetrans>，并明说声音跨切延续（如 continues seamlessly across the cut）；台词被视频结尾截断，用 <cutoff>。

The young woman with a quiet, breathy voice (S1) says: <d>[English] I get off at the next station.</d>
The two children (S1,S2) shout together, <d>[English] Wait for us!</d>
The man (S1) says in an off-screen voiceover: <d>[English] I still remember that road.</d> while his lips remain completely closed.

声音分拣的标准只有一个：这声音是「世界里的」还是「配给观众的」，是「此刻同步的」还是「全片一直在的」。台词、歌唱、与画面精确同步的叙事内声音（角色能听到的电台音乐、与台词咬合的罐头笑声）写进正文；全片环境声、物理动作声、非言语人声概括进 overall_soundscape（1–4 句）；观众专属配乐写 non_diegetic_music（1–3 句，只写乐器、速度、节奏、动态，不用抽象情绪词，没有写 N/A）。画面上真正出现的文字（招牌、横幅、霓虹字）用英文双引号原样引用、不翻译。

完整成稿：一条官方 Ref2VA 范例

官方原文出自官方指南 ref-en.txt 第 7 节 Complete Example，英文照原文引用：用三张萨摩耶照片、一段咖啡馆环境图、两段人物视频和一段音色音频，写一场咖啡馆里抢饼干的三镜小品。对照看六段的形状：三张狗图与两段人物视频都只出现在 Subject 定义里——它们只提供外观，不充当某一帧；两个说话人 (S1)／(S2) 跨三镜不变；结尾的罐头笑声写在正文里，因为它要和台词节拍精确同步。

subject_definitions:
<Subject 1> is the coffee-shop environment in <Picture 1>, featuring an exposed brick wall, an orange tufted sofa with patterned pillows, a neon sign, and a wooden coffee table.
<Subject 2> is the fluffy white Samoyed in <Picture 2>, <Picture 3>, and <Picture 4>, with thick white fur, pointed ears, a dark nose, and a curved tail.
<Subject 3> is the young blonde woman in <Video 1>, with long blonde hair and a light-pink button-down shirt with rolled-up sleeves.
<Subject 4> is the young man in <Video 2>, with short wavy brown hair and a dark-grey hoodie with drawstrings.
<Audio 1> is the voice-timbre reference for <Subject 3> (S1), containing a spoken English vocal layer.

summary:
[reference generation + audio reference] The target video shows <Subject 3> eating a cookie in <Subject 1>. <Subject 4> enters with <Subject 2>, which lunges toward the cookie. The three-shot exchange uses <Audio 1> as the voice-timbre reference for <Subject 3> and ends with a canned audience laugh.

retention_analysis:
<Subject 1> (appears in [Shot 1], [Shot 2], [Shot 3]): fully_preserved - the exposed brick wall, orange tufted sofa, patterned pillows, neon sign, and wooden coffee table are retained.
<Subject 2> (appears in [Shot 1], [Shot 2]): fully_preserved - the Samoyed's thick white fur, pointed ears, dark nose, and curved tail are retained.
<Subject 3> (appears in [Shot 1], [Shot 2], [Shot 3]): fully_preserved - the blonde woman's identity, long hair, and light-pink shirt are retained.
<Subject 4> (appears in [Shot 1], [Shot 2]): fully_preserved - the young man's short wavy brown hair and dark-grey hoodie are retained.
<Audio 1>: reference - its vocal timbre guides the dialogue delivery of <Subject 3> without copying the original signal.

detailed_description:
The target video uses a realistic multi-camera sitcom style with warm indoor lighting.
[Shot 1] A medium shot establishes <Subject 1>, the coffee shop with its exposed brick wall, orange tufted sofa, patterned pillows, neon sign, and wooden coffee table. <Subject 3> (S1), the young woman with long blonde hair and a light-pink button-down shirt with rolled-up sleeves, sits on the sofa holding a chocolate-chip cookie. From the left, <Subject 4>, the young man with short wavy brown hair and a dark-grey hoodie with drawstrings, enters holding the leash of <Subject 2>, the thick-furred white Samoyed with pointed ears, a dark nose, and a curved tail. The dog lunges toward the cookie and pulls the leash taut. <Subject 3> (S1) jerks her hand back and, using the clear youthful voice timbre referenced from <Audio 1>, exclaims with light annoyance, <d>[English] Hey! Watch your dog!</d> She closes her lips and guards the cookie while <Subject 4> pulls the dog back.
[Shot 2] At 00:03.000, the shot cuts to a close-up of <Subject 4> (S2), the young man in the dark-grey hoodie from Shot 1, sitting beside <Subject 3> on the sofa and holding <Subject 2> securely in his arms. <Subject 4> (S2) says in a casual young male voice with a playful tone and an easy conversational pace, <d>[English] He just likes cookies more than me.</d> He closes his mouth into an apologetic smile and strokes the dog's thick white fur.
[Shot 3] At 00:05.000, the shot cuts to a close-up of <Subject 3> (S1), the blonde woman in the light-pink shirt from Shot 1. Her annoyance softens as she looks toward the Samoyed. <Subject 3> (S1) replies in the same clear youthful voice referenced from <Audio 1> with an amused cadence, <d>[English] Well, he has good taste at least.</d> She smiles and raises the cookie in a small toast-like gesture. A classic canned audience laugh begins immediately after the line and continues through the final frame.

overall_soundscape:
Soft indoor coffee-shop room tone continues throughout the video.

non_diegetic_music:
N/A

与本书地基的对照：同源，不同字段

H3 换的只是结构与字段，它吃的地基和本书其余各课是同一套：

• 身份与运动分离（第 9、10 课）：Ref2VA 先在 subject_definitions 里把身份立成名册，正文只在生效处引用标签——正是「图管身份、词管本镜」的 H3 形态。
• 只写摄影机能看见的（第 3 课）：H3 同样要求具体压倒抽象，cinematic、beautiful 这类词不给模型任何可执行信息；连配乐段都只许写乐器与速度，不许写情绪。
• 骨架先行（第 2 课）：MCSLA 是检查表，H3 的三字段／六段是另一张检查表——都是「缺段必失控」。
• 语言分工：改写段落（字段正文）用英文写；台词、歌词、画面可见文字保留原文语言，逐字不译。

五层公式 MCSLA：一条提示词的骨架

整套方法只有一个地基公式。把任何一条视频提示词拆开看，都应该能找到这五层；缺哪层，哪层就在成片里失控。

五层是什么

行文顺序不等于公式顺序

公式是检查表，正文有自己的最可靠语序：主体 → 动作 → 机位 → 风格。原因在模型的注意力分布：从左到右权重递减，第一句最重，第三句之后开始弥散采样。所以在 Seedance 里，主体加动作必须落在前 20–30 个词内；场景作支撑细节，机位次之，风格其后，约束放结尾。把风格词写在开头、把主角写在第三句，是新手最常见的隐形错误。

两种体裁的骨架

文生视频（T2V）：主体加外观 → 环境（地点、时间、天气、氛围）→ 动作 → 机位行 → 风格行，五段式流动叙事，不带时间戳。时间戳分段（0–3s／3–6s）只留给精确的多拍序列：变形、多阶段动作、卡点音乐视频。

图生视频（I2V）：先声明以所给图为第一帧 → 只写什么会动、会变 → 机位 → 风格氛围。导读里的对照就是这一课的注脚：复述静态内容是干扰，不是保险。

词数预算

块脚手架：长稿的组织法

短片可以一段话写完，正经生产用分块脚手架，块序固定、只用需要的块。其中 CAMERA 块的位置有讲究：放在核心层第三位（主体、动作之后）；放到末尾，视场会被忽略；放到最前，会与身份打架。

场景上下文 → 活动参考 → 地点地图 → 第一帧与调度 → 格式模式
→ 光学 → 机位（CAMERA，核心层第三位）→ 动作 → 表演 → 物理
→ 光线 → 调色 → 服装 → 音频 → 风格 → 输出设置 → 正向锁

只写摄影机能看见的

第 2 课给了骨架，这一课管血肉：什么样的词是信号，什么样的词是噪声。判据只有一条，就是导读里那句：摄影机能测到吗？

反废话词表

具名参照之所以有效，是因为它采样的是一个窄而训练充分的分布；泛形容词采样的是全集，等于随机。

情绪必须拆解

sad、angry、surprised 这类通用情绪词不许直接留在提示词里。同一种情绪至少有三到五种身体实现，选错一种就是另一种表演。拆法是把它落到可观察通道上：呼吸、眼行为、下颌张力、注意力、扫视模式、恢复延迟、控制尝试、峰值后的残留。复合情绪分层叠加：主导态在脸上，底层态在呼吸、姿势和手里，可见的破绽在眼睛里。图省事时可以用「简单情绪加一个小细节」，例如「很沮丧，下唇在抖」——一个具体细节就能把弥散采样拽回窄分布。

可测语言：把形容换成数字与物理

• 视场只用度数：Seedance 里写对角视场角的离散锚（180／107／84／63／47／29／18／12／8 度），不写毫米，不写中间值。
• 速度、雾、光都量化：速度写 km/h；雾霾写百分比或能见度米数，还可以逐镜爬升（20% → 40% → 60%）；白平衡一场固定一个开尔文值。
• 物理写真实质量：蜘蛛 50–70 克落得轻，人 70–80 公斤砸得重；道具事件写可见因果链——按键等于接触、2–3 毫米行程、咔哒、回弹，屏幕在咔哒之后才亮。
• 光写出处不写情绪：点名光源、位置、反射面与阴影几何。只写「夜」会得到均匀照亮的「亮夜」；真夜戏靠画面内的实际光源（车灯、钠灯、霓虹）切割黑暗。

正向措辞与两个陷阱

Seedance 与 Cinema Studio 都没有负面提示词语法：正文里写一串「不要 X」，X 反而会被当成场景元素渲染出来。要排除什么，改写成想要的正面状态。景深有两种意图的正面写法（全画面锐利、主体锐利背景虚化），不可互换着用。

另一个陷阱是同形异义词：有些动词有第二种物理读法，模型可能照第二种演——tearing 可以是扯破也可以是落泪，charge 可以是冲锋也可以是充电，duck、bolt、draw、wave 这类词出词前都要自检一遍：这个词还有没有别的演法？

运镜：按名字调用，让镜头替情绪说话

运镜是这套方法里最「不自由」的一层：平台按预设的名字识别运镜，散文式的运镜描写大多落空。先学会点名，再学会克制。

按预设名调用

命名运镜分八组：直线（Dolly In／Out、Dolly Zoom、Super Dolly）、垂直（Crane Up／Down、Levitation）、环绕（360 Orbit、Arc、Lazy Susan）、变焦（Crash Zoom、Rack Focus）、跟随沉浸（Action Run、FPV Drone、Handheld、Snorricam）、电影技法（Bullet Time、Dutch Angle、Whip Pan）、机位角度（低机位等于权力、高机位等于脆弱，角度自带语义）、时间类（Hyperlapse、Low Shutter）。写词时报名字，不描述「镜头缓缓地富有电影感地移动」。

Cinema Studio 里合法词汇是它自己的导演面板（18 个），通用词要先映射再用：Crane Down 在那里叫 Jib Down；Whip Pan、FPV Drone、Crash Zoom 在 Cinema 里根本不是选项，写了也白写。

一镜几个运镜

还有两个小分界：摇不等于移——pan 是原地旋转，glide 是空间平移，多数覆盖镜头优先静态摇，写词时要明说机位是留在原地转，还是贴着主体平移。以及微移要给数字：总位移加时间（「7 秒只退 10–15 厘米」），物理移动绝不写 zoom；且所写的移动量必须产得出所写的终幅，对不上模型就只能二选一即兴。

运镜等于情绪替身

按焦点人物的情绪选镜头，不按「电影感」选。镜头与情绪错位，是最显眼的 AI 味：

镜内情绪变了，镜头按命名阶段（开场 → 过渡 → 收尾）同步变。用户给的泛情绪，先拆成具名档位再选镜头。

景别标尺与双对比切镜

景别是一把标尺：ELS → WS → MLS → MS → MCU → CU → ECU，另有插入、过肩、主观、双人镜。切镜有一条强制律：双对比切——每次切镜，景别和机位性格（手持／固定／稳定跟拍／摇臂／航拍）两样都必须变，任一样不许跨切重复。插入镜头 0.3–0.5 秒，必须有因果动机且点名归属（「他的手」，不是「一只手」），同样服从双对比律。

空间与调度：先画地图，再放人

模型没有空间记忆。它不知道上一镜谁站在哪，也不会替你保持房间的几何。空间一致性不是求来的，是每条词里重新声明出来的。

第一帧占位与第一秒定格

需要人物在场的镜头，直说第一帧已含全部所需角色且位置正确：无空镜开场、无延迟揭示，闪切也必须含所需主体信息。整场戏还有一个实测有效的开场法：每场第一秒给一个 wide 定格——无台词、无动作，让模型先「拍下」布局，后续镜头才守得住站位；抽掉这一秒，人物就开始换位。让某人在这一秒里说一个短词（比如一声「hm」），模型更容易把这个 wide 当成一个独立镜头。

实测「第一秒 wide 定格」为原作者生产记录，非平台规格保证。

GEO 空间布局：几行平面图治瞬移

易错镜头（进门、走廊、绕家具、多人站位）在动作之前先给一个空间布局块：

• 边只从相机视角定义：frame-left、frame-right，不写东南西北。
• 位置用地标加米数：在祭坛旁、三米之外。
• 写明相机站位与不可越的轴线，全部切镜只在轴线一侧。
• 每切一镜，再说一遍谁站在哪、看向哪。
• 静态对话只给房间一角，不给整个房间——给的空间越小，模型乱填的余地越小。

[GEO] 边只从相机视角定义：frame-left / frame-right
位置 = 地标 + 米数（如：祭坛旁，3 米之外）
相机站位：[点名]；轴线：[点名]，全部切镜只在轴线一侧
每切一镜重申：谁站在哪、看向哪
静态对话只给房间一角，不给整个房间

可测的位置语言

禁用 near、around、beside、somewhere 这类含糊词，换成可测的物理关系：within 1 meter、touching、back against the wall、hand on the handle。视线与体向分开写：躯干朝向 X 与眼睛锁住 X 是两件事，对白时只有说话者的唇动。位置的定性锚（左三分之一、前景）与百分比坐标（x／y 百分比、占画比例：特写主体占 60–80%，远景主体小于 15%）成对同写，是强锚，不是像素保证；漂移时加接触点条款（脚落在地板的标记上），不要一味加码百分比。

地点资产：五视图与锚点

地点会复现，就先把它做成资产：五视图地点表（正宽、左角、右角、反打、细节特写），场内再植入一个独特、不可移动的视觉锚点（柱、灯、沙发），全部走位绑锚调度。逐场用文字重述地点，是场景漂移的根源。场景参考图的用法也有讲究：先把它转译成地点地图（机位、朝向、前中后景、地标、走位、光向、纵深）再写调度；参考图只管地理、材质、氛围、地标，不许擅自继承它的机位与构图，必要时在词里明写这条继承禁令。

视场六档：角度、机距、成像结果

第 3 课说过 Seedance 只认离散视场角。CINEDANCE 把它做成完整的光学写法：不用毫米、光圈、ISO 当主控，只写对角视场＋物理机距＋看得见的成像结果，一镜一档，整块放进机位段。六档如下：

选档由内容决定：广角只配环境、空间、身体与沉浸，长焦只配人像、观察与隔离，微距自成一拍；同一拍里混脸部人像、环境地理与微距，镜头必然漂移——要换内容类就内切、每镜单独定档。只报角度数字不够，结果词要给够：长焦写背景压缩溶解、主体跳出、奶油散景这类可见结果，广角写环境环绕、边到边合焦、机位贴近。同片同档要在每镜重申并锁定，档与档之间只许硬切，禁平滑过渡、禁镜内漂移。反模式：extreme／ultra 这类空泛词、用 establishing shot 当镜头指令、zoom out 与广角并写、只用否定句控镜。

表演：写行为，不写情绪

表演这一课的公理只有一句：表演是压力下的行为，不是情绪展示。人物有所求、有阻碍、有行动，情绪是争夺的副产品，永不直写。

五支柱：每场每人缺一不可

双人戏再加一层对照配对：两人各带一正一负、互为镜像，点名一条本质轴。导演人物的历史，不导演表面——「漫不经心」往往是「希望丢了」的疤痕。群戏还有一条共同方向（比如「体面地、不疼地告别」），共享、多不言明；缺了这一层，群戏会散成几场好表演，彼此不在同一场。

演员档案：150–220 词，一段，块序固定

常驻人物备一份档案，每场改写不粘贴：只给在场者，核心恒定，按本场姿态重新表达。档案的骨架如下：

Character acting as [名字]
→ 体格姿态（身体即传记）
→ 一句心理引擎
→ 声音档案
→ 习惯与 tic（招牌 tic＋触发、压力 tic＋触发、遮掩行为、
  面具＋裂开的确切条件）
→ 眼部生活
→ 步态（先起绰号名，如 old boxer's walk，再拆重量、
  步幅、躯干、头）
→ However, when [某触发]，[某变形]
→ 可选的唯一柔软对象
（全档 150–220 词，一段；禁服装、镜头、颜色、年龄）

身体先于心理

先定四个身体参数：重心（高等于自信攻击，低等于疲惫恐惧）、节奏（快乱是紧张，慢省是掌控与威胁——最危险的人动得最少）、开放度、呼吸（最诚实的指标，声音必须合物理：刚跑完的人说不出平稳的话）。再给人物一件手上的事：修引擎、数钱、擦杯子，台词在活上说。怎么数钱，胜过台词本身；而最强的重音，是停下手上的事——停顿当标点用。

距离即戏剧：亲密距离小于 0.5 米（爱或暴力，擅入即攻击）、个人 0.5–1.2 米、社交 1.2–3.5 米、公共 3.5 米以上；距离一变就是节拍一变，以米写明。地位是做出来的：高地位头不动、慢、凝视长、答前停、占空间、碰别人的东西；最有戏的是地位破裂——老板露出一秒恐惧，下属忽然收起笑容。

倾听、反应与眼睛

表演质量的主考场在台词之间：反应在搭档台词结束前就开始；难答之前有微停顿；新闻或威胁之后留评估时刻，电影活在评估的特写上。沉默的倾听者也要领任务（判断真假、等空档、抓谎），只给标记不给任务，双人镜里就会回来一张死脸。

死眼是 AI 表演的头号破绽，而眼神光只是渲染属性，治不了死眼——给眼睛派任务才治：核对对方眼里有没有信任、说一点确认一点、偷看一眼赶在被抓前收回。再加上微扫视、随状态变化的眨眼（压力快眨连发、掌控慢眨）、眼先于头到目标、念头先于台词在眼里可读。

声音锁定

声音身份逐字锁定：出身或口音、音色音域、语速与交付、情感性格及压力下如何变，四件写成一份声音档案；有台词时逐字粘进音频字段，永不逐场改写——换同义词都会移动声线，所以要建一份 voice bible 集中存，粘贴而非重打。「最吓人的话说得最轻」：喊是弱者的货币，占场者压低音量，所有人向前倾。

脸的肌肉：FACS 入门

第 3 课说情绪要拆解，拆到最细，就是这一课：不写情绪词，直接点名脸上的肌肉。这是平台分辨率最高的面部控制手段。

AU 码是什么

FACS（面部动作编码系统）把脸拆成动作单元 AU，每码对应一块最小可见的肌肉运动：AU6 颊提（笑时眼角的鱼尾纹）、AU12 唇角拉（笑）、AU4 降眉。把 AU 码写进 Seedance 2.0 的提示词，模型会渲染对应的肌肉。关键区分只有码能写：AU6＋AU12 是真笑（眼参与的杜兴笑），只有 AU12 是假笑（嘴笑眼不笑）。假笑、压制、混合情绪、诡异感，全出在这里。

先计划，再建小表

流程是先定本镜要的 3–4 个表情，只为这几个生成一张小参考表（3–6 格、贴真实角色脸、带标注），再写码。先生成全 49 格再挑是反模式：摊薄图像模型、标注不可读、白花钱。生成的表还要逐格核对编号——语言模型会标错码，存疑查标准 FACS 表。

硬限与节拍表

AU 表写的是同一个特写内的连续表情变化，不是分镜：编号或时段加 AU 组（如「2–4s：AU6＋AU12，杜兴笑」），运镜保持单一慢推，各段时长之和等于总时长。情绪配方可以直接套：真笑 6＋12、假笑 12、悲伤 1＋4＋15、惊讶 1＋2＋5＋26、恐惧 1＋2＋4＋5＋7＋20、愤怒 4＋5＋7＋23、厌恶 9＋15＋16、轻蔑 12＋14 单侧。混合是精华：假暖面具等于真笑肌（6＋12）与恐惧肌（1＋7）同帧相争；苦涩的乐等于 12 无 6、再加一丝 4。艺术在拍内反差：嘴演安全（12），眼漏恐惧（7），两层同读。

真笑 6+12 ｜ 假笑 12 ｜ 悲伤 1+4+15 ｜ 惊讶 1+2+5+26
恐惧 1+2+4+5+7+20 ｜ 愤怒 4+5+7+23 ｜ 厌恶 9+15+16
轻蔑 12+14（单侧）｜ 假暖面具 (6+12) 与 (1+7) 同帧相争
苦涩的乐 12 无 6，再加一丝 4

身体微节拍与台词调度

同一纪律延伸到喉、呼吸、皮肤、姿态：愤怒是咬肌在颌边跳、颈动脉可见、重音词上鼻翼张、顶点不眨眼；无泪的悲伤是眼湿带光绝不溢出、唇微颤、头低几度；压制写成物理抵抗——咬肌缓收紧、延迟的用力吞咽、一次可见胸起伏的受控深吸。这些是菜单不是清单，每拍挑 2–4 个信号。

有台词时，每句台词配三拍：前（吞咽、吸气、润唇、姿态移）、中（哪个词承重音，用鼻翼张、瞳孔变化承载）、后（约 0.5 秒屏息或锁视线再释放）。说话的拍内，FACS 只管眉、眼、颊，唇颌塑形交给音频块。防 AI 味的默认项：无剧本明示不落泪；禁卡通鬼脸；禁「望天思考」，视线方向要点名；多人反应错开 0.3–0.5 秒，永不完美同步；虚焦的倾听者也要写头与视线的方向、肩部微动。

动作与物理：意图、招式与因果链

动作写不好，片子不是糊就是假。这一课的全部内容，是把动作从「逐帧编排」改成「意图加物理」。

意图先于时间戳

逐帧写时间戳是错法：「0 秒抬臂、1 秒到 45 度、2 秒伸直、3 秒能量球成形」——模型读不懂这种编排。要写动作的意图与后果，让模型在关键瞬间之间自己插值：「她缓慢抬臂，能量在掌心汇聚，直到爆成 blinding flash，火花四溅落地。」程度副词（violently、gracefully、explosively）与物理后果（dust erupts、sparks fly）是承重件。

节拍密度：糊和抖多半是塞太满

输出糊、抖、变形，先查密度。修法只有两条：拆镜，或延时。运动还要服从单向律：短动作演完，余下时长会被倒放填满——链 2–3 个同向动作耗满全片，往返动作拆成两条生成。机位运动写终点画面（ending on her hands wrapped around the cup），模型朝终点收束比朝过程收束稳。

状态非过程，与因果链五步

写状态不写过渡：「mid-throw, arm extended（已掷出、臂已伸）」是对的，「伸手进包、掏出、抡起」这种反向折返型过程必崩。同向续动可以链 2–3 个同向量动作；物件在手中要发生变化，就写因果机制链。

物件操作的因果链有五步，缺一步就变空手比划（第 14 课的失败模式 10）：初始结构 → 固定锚（另一只手扶住）→ 施力点与方向 → 材质反馈 → 完成态。品牌字面、双手操作、强效果三者不可同镜；结构在参考里看不见的操作，放到画外完成。

初始结构 → 固定锚（另一只手扶住）→ 施力点与方向
→ 材质反馈 → 完成态

打斗：把动作裁到模型的强项

实测能渲的：对峙相对、一般扭打的能量、一人被按在墙上、一人倒地、有人走开、音效合动作。渲不了的：具体拳中脸、各类踢击、复杂武术编排、精确因果链、道具格斗、近身缠抱（常渲成拥抱）。设计法是把剧本里的弱项重排成一串强项镜头，让剪辑去干模型干不了的活：对峙、将触未触、接触前一刻、接触余波、身体穿过空间。一镜一转化——一地到一地、一拍到一拍、一动作到其后果，多节拍必漂，在第一拍处切镜。

实测打斗可渲／不可渲清单为原作者生产记录。

参考图分工：图管身份，词管本镜

跨镜一致性靠的不是把描述写得更细，是分工：参考承载跨镜不变的属性，文字只定义这一条里发生什么。分工一乱，漂移就来。

承重规则

• 参考不驱动新动作：图负责「是谁、穿什么、在哪」，词负责「这一条里他做什么、镜头怎么动」。
• 已附源片时，源片承载状态，文字只写增量；但运动矢量、机位相位、音频相位是静帧带不了的，仍须文字重述。
• 参考与文字冲突，必须在正文里显式裁决，例如声明某图只作服装参考、但颜色改成蓝色。不裁决，模型就自己裁决，而且多半裁错。
• 小字、logo、颜色，图里有也要在文字里再说一遍。

槽位公约

跨分镜固定一套槽位角色，全项目不换。参考分四种角色：身份（身份块逐字复用）、续接锚（上一条尾帧）、环境、道具（注意是「这一件」，不是「这一类」）。另有一种灰阶深度图，只管几何、防止空间被重新规划。

@Image1 身份 ｜ @Image2 服装 ｜ @Image3 环境＋光
@Image4 构图 ｜ @Video1 运动 ｜ @Video2 机位
@Audio1 节奏＋氛围

三句短语，三种用法

2.5 的全参考玩法：映射与保真等级

Seedance 2.5 里，每个素材要在同一句里写明用什么、不用什么（某图定义服装，但不要用图里的人）；映射只活在词里，图内标注不算，模型不猜。每个素材还要声明保真等级：原样保留、点名保留某几处、把某个属性搬到点名目标上（属性迁移最容易静默出错）、只取气质。视频参考默认只供运动与节奏，不供身份；同一主体多视图要声明「同一个、全片只出现一个」，否则会被复制成多个人。

五步流：①逐个点名映射，一个主体一行（「图 1 到 4 定义四个角色」是标准反例）；②按角色、道具、场景、运动与音频分组，人物组加不得互换的锁；③常驻主体建主体档案（外貌图、固定道具、地点、运动参考、禁用项）；④按场景选子集、定事件与终态；⑤查归属：道具只属一人，人数、服装、空间方向恒定。

漂移了就烘进图里

有些属性怎么写都漂（镜头性格、颗粒、色偏），对策不是加词，是把属性烘进参考图：比如把宽银幕光学写进地点图的提示词里，分量从 subtle 到 maximum 可调，视频词此后不再提它。

角色资产：先有演员，再开机

Hell-Grind 的第一条黄金规则是 Assets first：全部资产锁定并压测通过之前，不生成一个镜头。这条规则省的钱，胜过其余所有规则的总和。

上游还有一层：角色圣经

做资产之前，先定一份角色圣经，锁定顺序不可谈判：一句话前提 → 世界 → 角色 → 故事节拍 → 风格表，每步锁一份产物、不回头重议。前提是一句可争论的主张（带反主张、点名感受），不是剧情梗概；世界先于角色写满六个维度——物理、社会、经济、意识形态、历史、日常感官质地，写具体且不随角色改变，角色是被这个世界塑造出来的。角色表用九个问题逼出独特性：他在本故事里证明或推翻什么、外部目标、内在含义、心理与道德两处缺陷、教会他「世界会痛」的伤口、教会他成为自己的火花、隔屋可辨的剪影、两件互不相符的矛盾——答案必须只有这个角色能给出，人人能说的就是刻板印象，立刻重写。跳过圣经直接开生成，是合集点名的失败模式。

风格表即 Visual DNA：六样常量锁一次、逐字注入每条提示词——色板（给色值不用散文描色）、光的逻辑、材质、并置关系（一个熟悉元素加一个新元素定下世界身份）、年龄与比例、两三个现实参照（只作外观参照，不复制身份）。圣经里最值钱的一栏是禁区清单：明写这个世界不是什么——不要通用青橙调、不要霓虹、不要崭新无瑕的表面、不要晴空、不要名人脸、阴影不要纯黑。它是全套方法里最强的反「通用货」杠杆。圣经须存成一份文件长期复用，不能靠聊天记忆每次重组——重打必漂。

资产是双轨：描述加图

每个角色资产由两部分组成：完整文字描述（descriptor）加参考图。描述逐字进每条提示词、永不缩写——模型没有记忆，每条词都是白纸（第 13 课细讲）；图只是锚。改装、伤疤这类变体走点改加遮罩拼回原图：一张图永不完整地过模型两次，每过一次就毁一次质感、漂一次色。

角色表三图与去头 hack

角色表由三张图组成：脸特写、无头的正面全身、背面全身。去头是关键 hack：全景镜头里模型原本会从全身小图上取一张糊脸，去掉头之后，全片的脸只有特写一个出处。整张表刻意做得「无聊」：中灰底、平光、真实毛孔、不修图——电影感留给地点和视频提示词，不要提前花在定妆上。

未触碰底片：脸只过模型一次

建人分两遍走：先用近景生成一张身份底片——细节最大化，此后一切资产都拿它核对；再在锁住的脸之上，另做全身、服装与材质。铁条件是：原始近景永不再完整地过模型。拼装在编辑环节绕着底片做；疤、伤、污渍、新衣这类状态变化，一律点改加遮罩并回原图，改动只落在遮罩里。推论有三条：替代版本是新造型、不是新人（衣妆发疤全换，脸还是同一批像素）；新状态等于新命名资产，永不覆盖旧资产；底片上修小疵的那句编辑词只作「供体」，修好的区域遮罩贴回，不整图重出。反复把整张脸送回模型，正是皮肤质地一步步软化成塑料感的来源——这与双轨纪律是同一条：脸的像素只产生一次，之后只被引用。与之配套，参考板要把两个轴分开：生物真实全开（毛孔、绒毛、织纹、眼内湿润写满），摄影捕获行为全关（不写主光方向、投影、散景、景深衰减）——板自带的光会被每一镜继承并与场景光打架，光永远留给场景词去做。

行为档案重于长相，声音开拍前锁定

每个角色还要有一段行为档案（走法、手上的习惯、紧张时的小动作、眼神、压力下怎么崩），它就是第 6 课演员档案的生产版。声音也是前期锁定条件：开拍前把主角的声音写进描述——音区、语速、口音、说话方式，一句写死，之后逐字复用。

压测：10 个姿态乘不同光

资产做完不算数，压测过才算数：每个角色出 10 个姿态、不同光线，10 个里 10 个可辨认才过关；并且要与其他资产同框、在真实场景光里测——影棚里好看的资产，进了场景光可能就散了。

静态图提示词：散文、克制、正向

图像课来自官方单文件版 LIRA。它与视频课共享同一条第一性原理（只写能看见的），但有自己的三条脾气：散文不堆词、克制胜过详尽、正向代替负面。

官方本课出自官方单文件版 LIRA。

先选对模型

结构与精简

• 写自然散文，不堆关键词；提示词是连贯的场景描写，「4k、masterpiece」类垃圾词无效。
• 精简胜于冗长：紧凑的 80–150 词胜过散乱的 400 词——超过阈值，每个从句都在稀释注意力、丢细节；总长控制在约 1500–2000 字符内。
• 正向描写代替负面：没有哪个模型有负面提示词参数。写 clean dry skin 不写 no acne，写 empty deserted street 不写 no people；NOT 堆叠会把被禁的概念反而注入画面。
• 画幅与分辨率是平台参数，在 UI 里设，永不写进正文；但构图词可以写（如 wide panoramic frame）。
• 光与材质写技术语言：单顶主光、2:1 光比、柔和衰减，胜过 dramatic cinematic lighting；材质写实名加表面处理。
• 色板用百分比：60／30／10 配比加真实色名，且只能从指令、场景或参考图推导，禁止擅自发明。

两个模板骨架

角色三联板（视频课第 10 课的图像版）：散文写三联——左全身正面、中全身背面、右头部近景，中灰影棚背景，声明同一个人、三格一致，服装逐格重申，单侧方向光。

场景图：相机锚最难、最要写死，且简单话胜过术语（「high angle three-quarter wide shot, camera high above the room looking diagonally down at 45 degrees」这类白话，比 CCTV、鱼眼类行话可靠得多）→ 地点身份 → 关键建筑或自然元素 → 光源方向与温度 → 纵深次级元素 → 色板 → 技术块 → 情绪或摄影师锚。空场用正向空话：empty deserted interior, bare walls, still air。

改图外科：CHANGE 与 PRESERVE

改图不是重新生成，是对原图做后期。写法是一套外科手术模板：改动最小化、一次只改一处、其余逐项锁死。

模板

Edit the image: [一句话说清这次要改成什么]
CHANGE: [只写唯一要改的东西，精确到位置与程度]
PRESERVE EXACTLY: [逐项列尽不变项：脸、服装、道具、
  位置、墙地、机位、全部已有阴影……]
[色调／色板／对比／颗粒／衰减，如有]
ONLY CHANGE: [复述那唯一一改]，其余 100% 相同。

PRESERVE 要列到极致：改动越窄，成图越干净。生成类提示词禁用这种全大写分段标题，外科模板是编辑类专属。

四条操作纪律

• 移除必须配填补物：「Remove the lamppost」之后要接「continuous brick wall behind」——你不说空缺处长什么，模型就自己发明。
• 用户说改过头了，等于改太多：对策是锁更多、改更少，而不是换个说法再试。
• 换视角要显式写新布局：NBP 换视角（比如反打）时，把每件东西的新位置逐物点名（主视角沙发在右，反打沙发在左），否则几何乱套。
• 需要重建画面的不是编辑：构图、身份、空间都要变的，回生成模型重生，别在改图模板里硬撑。质感 pass 是例外中的例外：CHANGE 只列要复活的表面，PRESERVE 锁构图、身份、光与调。

生产流程：资产先行，逐段验收

前面十二课管「一条词怎么写」，这一课管「一整部片怎么产」。方法主体是官方 Hell-Grind 的十步法与五条黄金规则。

官方十步法与黄金规则出自官方 Hell-Grind 制作法；实战包顺序出自黑帮动作短片实战包。

十步法（压缩版）

1. 前期先行：工具与画布先到位，角色表、地点全部在画布上组织好，资产没齐不开机。
2. 资产双轨：描述加图，描述逐字进每词；角色表三图（脸特写、无头正面全身、背面全身），表要「无聊」（第 10 课）。
3. 资产压测：10 姿态乘不同光，同框、在场景光里测。
4. 声音前期锁定：主角声音写进描述，开拍后逐字复用。
5. 行为档案：每角色一段；行为不能物理发生就转移不删除。
6. 地点三件套：3/4 视角（让模型读懂纵深、放对人）加锚点加单光源——一个光源一个影向，永不两个太阳。
7. 反向视角两解：图像模型按角度生反打图；或先拍一段空房间慢移视频，截帧当反向角度。
8. 参考必命名：每份参考在词里点名它管什么，否则模型自作主张且错；抄构图可以，别让它抄脸。
9. 刚性骨架：块序永不变（见下方脚手架）——现在时、短句，机位写进动作；密度每拍不超过 3 句，15 秒的词 8–14 句。难镜用双语词（英上中下），实测明显更稳。
10. GEO 空间布局：就是第 5 课那套地图法，加上每场第一秒的 wide 定格。

人数头（明写恰好 N 个角色、无复制）
→ 各角色描述逐字 → 地点参考 → 帧常数 → GEO 空间布局
→ 简短场景上下文 → 逐拍动作 → 风格尾

五条黄金规则

风格前缀与台账

连贯的分镜项目，Style Prefix 只编译一次，逐字粘到每条场景词的固定位置（独立短片则把风格分布式写进各主管块，不要再加开头前缀）。生成台账每条必记：保留、否决、被过滤都记。迭代还是批量，靠台账裁决而不是感觉——而且样本低于 5 行，不下裁决。

续接五规则

1. 尾帧锚：一句话写清上一条末帧的姿势、画位、视线。
2. 身份块逐字粘回，不改不缩。
3. 上一条只作一句指涉的次级记忆。
4. 即时续接：下一帧开始，无跳时、无淡入。
5. 不重演：上一条以拔刀收尾，续条写刀的下一步。

1. 尾帧锚：上一条末帧的姿势、画位、视线，一句话写清
2. 身份块逐字粘回，不改不缩
3. 上一条只作一句指涉的次级记忆
4. 即时续接：下一帧开始，无跳时、无淡入
5. 不重演：上一条以拔刀收尾，续条写刀的下一步

生产回喂用上一条的尾部 3–4 秒视频而不是尾帧静图，让运动带进接缝；链式续接约 2 条封顶（硬顶 3），四五代之后必漂移，届时回原始参考重锚，或用 B-roll 隔链。延长词的尾巴落在机位角度变化上，让接缝看起来像有意的覆盖镜头。

草稿的认知边界

480p 草稿只验提示词，不验成片：没有 seed 参数，高清重跑是一次全新的掷骰。草稿能验的只有结构服从、站位进出、身份污染、对白位置、过没过过滤；验不了表演、运镜微轨迹、拍内时序。保 look 靠 Hero Frame 加首尾帧钉帧——先用约 1 个 credit 出一张 Hero Frame 定全序基调，起止帧定死、中间插值；钉帧不钉掷，细部判断必须在终分辨率复查。分辨率按物理选：快乱运动原生 720p（少闪烁伪影），细部物理与重量感选 1080p。还有一个 fast 陷阱：Seedance 2.0 的 fast 模式出不了 1080p，「fast 打稿再升清」等于连模式一起换，草稿作废。

失败图谱：十五种坏法与六步诊断

出问题时不要凭感觉改词。这套方法给失败起名字，是为了让你先定位、再动手：先分清系统性还是随机性，再按固定顺序诊断。

先分系统性，还是随机性

总是以同一方式失败，是系统性问题：改词，逐变量迭代。失败方式各异、偶有接近命中，是随机性问题：锁死提示词整批生成，按预先定好的可证伪标准挑选——先过身份、服装、切镜数等硬门槛，再比随机轴。合集给的生产接受率锚点是视频约 1.5%、图片约 1%：旗舰项目每个保留镜约 65–100 次生成是常态，不是你写得差。

实测接受率锚点为合集的生产记录。

六步诊断（顺序固定）

找不出毛病时按这个顺序查：主体 → 动作 → 机位 → 风格 → 音频 → 输出。多数失败落在第 1–2 步，别盲目跑满六步烧额度；查到第 4 步还没动静，说明要的是结构性重写，而不是继续迭代。

十五种命名失败（Seedance 实测）

两个时间信号能帮你定性失败：生成不到 10 秒就挂，是过滤拒绝，原词重生必再挂，先改稿；超过 30 秒才挂，多半是基建或复杂度问题，降密度、缩时长。

五种裁决：先裁决，再重抽

诊断之外，每条 take 还要先过一道裁决，才决定要不要再花一次生成。五种裁决：保留——这一镜要的东西已经交付，次要瑕疵归后期；后期修——瑕疵在剪辑域内（调色、修剪、混音、首尾帧处理），永不为它烧一条生成；改而不重抽——构图与时机都对、只错一层且那一层可编辑修，只修坏层；原词重抽——词没问题、纯粹运气差，原样再抽一次（这一面没有 seed，每抽都是新样本）；改词重写——同一缺陷连出两条，就不再是运气问题，是词的问题。反过来，每次抽出的缺陷各不相同，是随机性在说话：对策是批量抽、按标准挑，而不是改词。配套纪律：开抽之前先声明本镜的 take 预算和一条写下来的「够好」线；预算过半、同一缺陷仍无进展，立刻换策略（拆镜、换模型、降密度），不许在同一级台阶上打转；付费重试到第三次仍不行，停下来给点名选项——收下最佳的一条、缩小这一镜的范围、延期，或者在交付物里明写缺口占位，沉默地漏掉永远不是选项。

完整成稿演示：一场对峙戏从零写起

最后一课把前面十四课走一遍。需求只有一句：一间旧仓库里，老板与叛徒摊牌，15 秒，要能接下一场。下面是教学示范稿，措辞为本课所写，结构与锁法全部来自前面的课。

教学示范稿本课成稿为教学示范：结构与锁法按原文，措辞为本课所写，勿当原文范例引用。

第一步：先选引擎、模式与原型

双人对白、有参考图、要跨镜一致：选 Seedance 2.0 参考式。场景原型先定：对白类里的对峙——权力逐句易手，这是对白默认原型；定错原型（比如定成审讯的非对称），后面景别与机位全跟着错。时长 15 秒用户已给，不默认。

第二步：写前五问与空间

动笔前静默清点：谁（老板与叛徒，两人，跨切跟踪上限 3 人内）、在哪（仓库一角，不给整个仓库）、做什么（摊牌，权力易手两次）、什么机位（双对比切）、什么情绪（压着火的平静对强撑的镇定）。空间先落：两人隔一张铁桌，桌在画面中线，锚点是桌后一根立柱与一盏吊灯（单光源）；老板在 frame-left、坐着，叛徒 frame-right、站着——地位先由坐站与高度写出来。

第三步：两人各自的目标与档案速写

第四步：按块成稿（结构示意）

[人数头] Exactly 2 characters, no duplicates.
[身份] 两人各一段 descriptor 逐字写入（体格、磨损、
  服装配色；无年龄词；身份块不含任何运动语言）
[地点] 仓库一角：铁桌、立柱、单盏吊灯；
  只有参考中有的东西，点名空处为空
[空间] 老板 frame-left 坐于桌后，叛徒 frame-right
  站立，隔桌 1.2m；机位全程在桌的南侧一轴
[第一帧] 第一秒 wide 定格：两人已在位，无台词无动作
[动作] 拍1 老板推账本过桌（同向动作，写完成态：
  账本停在对方手边并落稳）→ 拍2 叛徒拇指搓关节、
  吞咽 → 拍3 老板停下转扳指的手，说出权力翻转那句
[机位] 镜1 WS 固定 → 镜2 MCU 手持微颤（叛徒）→
  镜3 CU 慢 Dolly In（老板）：每切双对比
[音频] 对白只留权力翻转句加前一句铺垫（15 秒内
  约 25–30 词上限），余者转成身体行为
[正向锁] Face stable. 两人身高 178 / 171 cm 全程
  不变。Consistent lighting, no flicker.

第五步：交付前自检

对着附录 B 逐项过：五层齐全？主体动作在前 30 词内？情绪全拆成了身体？每切双对比？出画者不回画？反光面（铁桌面）有没有毁地理——有风险，把桌面写成哑光旧铁皮、账本压住主要反光区。台词窗口写满没有？这一遍自检，就是第 14 课诊断顺序的反向使用：写的时候按它建，验的时候按它查。

练习区：自己动手改一遍

六道题全部取材于本课自身内容：删废话、定位失败、配 FACS、选视场、判模式、选 H3 模式。先自己做完，再展开参考答案对照。

本课练习题目与参考答案为本课练习，判据全部出自对应课次。

练习 1 · 按第 3 课删改一段差稿

下面这段稿子塞满了废话词与通用情绪词。按第 3 课处理：删掉测不到的词、把 cinematic 兑换成点名项、把情绪拆成身体、把 fast 改写成物理。

练习 2 · 按症状在失败图谱里定位（第 14 课）

三条成片出了问题。先说出失败的名称，再说它落在六步诊断的哪一步、解法是什么：

1. 主角挥完一刀，动作做完后又原路把刀收了回来，像倒放。
2. 拧瓶盖的手势非常逼真，但瓶盖纹丝不动，饮料也没倒出来。
3. 双人对话镜头里，画面边缘多出一只不属于任何人的手。

练习 3 · 给情绪写 FACS 配方（第 7 课）

不用任何情绪词，给下面四种表情各写一组 AU 配方：① 礼貌性的假笑；② 压住的恐惧；③ 轻蔑；④ 苦涩的乐。

练习 4 · 给场景选视场档位（第 5 课）

四个镜头各选一档，并说出机距与必须写的结果词：① 大峡谷地理，沉浸式环境动作；② 一段纪实叙事的普通对话；③ 紧情绪特写，只隔离眼睛与关键面部；④ 从 20 米外观察目标，前景有模糊遮挡。

练习 5 · 判引擎与模式（第 1 课）

1. 「这段片什么都好，只把背景的白天换成夜里下雨，其余全不变。」
2. 「上一条以拔刀收尾，下一条要严丝合缝接上。」
3. 「参考素材有 20 多张图、几段视频和音频，要做一条 25 秒的片。」
4. 「一张人物图跨三个镜头保持同一张脸，要 4K。」

练习 6 · 给需求选 MiniMax H3 模式（第 1 课）

1. 「没有任何素材，写一条 6 秒的：雨夜便利店，店员把最后一把伞递给门外的老人。」
2. 「这张照片是第一帧：滑板少年蹲在坡道顶端。让他冲下去，10 秒。」
3. 「首帧是合上的礼盒，尾帧是打开后露出的戒指，中间 8 秒补出来。」
4. 「定妆图里的人＋场景图里的街道＋这段录音的音色，写一场 12 秒的夜戏对白，台词要原生音轨直出。」
5. 「视频最后一帧必须是这张图：棋盘上将死的局面。前面 9 秒推出来。」

附录 A 速查卡 · 附录 B 检查清单 · 附录 C 来源与边界

动手时贴在手边的三页：数字速查、交付前逐项勾的清单、以及全书的来源与口径。

附录 A · 数字速查

附录 B · 交付前检查清单

每条提示词交出去之前，按四组逐项勾。勾不上的，回对应课改，不要硬交。

附录 C · 来源、口径与边界

这本教程依据什么写

依据用户提供的 Higgsfield 资料合集（Higgsfield.7z）：官方单文件版三份（ACTING、CINEDANCE、LIRA）、OSideMedia 社区完整版 v3.40.0（36 个子技能）、官方 Hell-Grind 十步法、黑帮动作短片实战包，及 product-listing 与 scenario-alter（改片法已另册，本册仅第 12 课提及）。

口径：官方、实测与教学稿

合集原文对内容有明确的证据分级，本册沿用并在行文中标明：标「官方」的是平台或学科口径；标「实测／FIELD」的是原作者的生产记录，有条件依赖，不是平台保证，换环境要重新验证。第 15 课成稿与各课短例为教学示范稿：结构按原文，措辞为本册所写，勿当原文范例引用。

边界

• 本册教写法，不教安装：接入、命令、参数全表请查合集原文（社区完整版 INDEX 与 specs）。平台规格有保质期，合集口径为快照，过期须实时核验。
• 预设名、模型名、类型名一律查原文核实，不许凭「听起来像」发明——这是合集点名的头号失败模式，本册的表格只收录已核实条目。
• FACS 一课的 AU 解读属实测经验（见第 7 课口径提醒）；AU 编号本身以标准 FACS 表为准。