如何使用 Seedance 2.5 進行 AI 影片製作：我的電影級指南
老實說，我使用Seedance 2.5的前三天簡直是一場噩夢。角色會出現讓人分心的面部抽動，平滑的鏡頭移動在四秒鐘內就讓皮膚看起來像塑膠一樣，而對白場景則產生混亂的音訊。在浪費了數十次渲染之後，我幾乎要回到逐幀動畫的製作方式了。
後來，我改變了撰寫提示的方式。不再把Seedance當作一個神奇的文字轉影片工具，而是開始像指導表演一樣，一幀一幀地安排每個鏡頭——每秒都明確指示動作、靜止以及參考角色的表現。
我用兩種不同的提示方法，針對十組對話鏡頭進行測試，總共產出了二十個結果。在相同的參考資料與設定下，段落式提示十次中只有四次能產生可用的結果，而時間編碼節拍則有八次成功。本指南將說明造成這種差異背後的工作流程。
快速解答：改善結果的四大規則
如果你只記得這份指南中的四點，請務必遵循以下規則：
- 先以草稿模式測試：在投入全解析度渲染之前，先以480p確認鏡頭軌跡與口型同步。
- 善用時間編碼節拍：將每個鏡頭劃分為明確的時間區間，例如0–3秒、3–6秒等。
- 明確界定哪些部位保持不動：描述固定身體部位，而非依賴「不要動」之類的負面指令。
- 讓每個參考素材專司一項任務：使用@Image1表示演員身份，@Image2負責燈光，以此類推。
我的Seedance 2.5四階段製作流程
以前我總是直接以1080p渲染每一鏡，卻常常發現當鏡頭朝錯方向移動時，積分就白白消失了。現在我採用了四階段的流程：
[步驟1：四格參考表] → [步驟2：480p草稿測試] → [步驟3：修正與驗證] → [步驟4：1080p最終版]
步驟1：準備多角度參考表
如果只提供單一視角的參考圖，當角色轉身時往往會導致面部扭曲。因此，我會先生成一張2K的四格參考網格，包含正面、四分之三側面、側面特寫和近距離特寫，讓模型能從多個角度更全面地掌握角色的外觀。
步驟2：以480p測試動作
在Guma上，以480p草稿模式渲染的成本約為完整1080p渲染的三分之一。我在投入更多積分前，先用草稿模式確認鏡頭速度、構圖與對白時間安排。
步驟3：修正時間與參考衝突
在進入全品質前，我會針對六個常見失敗點審核480p預覽：
- 鏡頭是否沿著預期方向移動？
- 角色是否停留在畫面指定的一側？
- 對白是否留足空間讓肢體表演自然展現？
- 口型同步是否與說話節奏相符？
- 背景元素是否滲入主角服飾？
- 隨著虛擬鏡頭靠近，面部細節是否逐漸模糊？
步驟4：生成最終1080p版本
當480p預覽通過驗證後，我就會在Guma的七天窗口內啟動增強草稿功能。這會在保留草稿模式中已確認動作的前提下，渲染出完整的1080p最終版。
用時間編碼節拍取代段落式提示
測試結果顯示：段落式提示十次中僅有四次可用，而時間編碼節拍則達到了八次。
當段落式提示未明確指定某些鏡頭部分時，模型往往會自行添加不必要的眨眼、頭部晃動或面部變化。時間編碼節拍則以明確的動作序列、停頓與終結狀態取代這種模糊性。
完整的15秒咖啡廳對白提示範例
以下是一個受控的咖啡廳場景示例：
- [全局設定]：35mm鏡頭、鎢絲燈光、輕微的手持鏡頭晃動、自然的底片顆粒感。使用@Image1代表〈女性〉，@Image2代表〈男性〉。
- 0–3秒：〈男性〉坐在小木桌旁，雙手平放桌上。他輕聲說：「我們得談談。」
- 3–6秒：沉默。〈男性〉完全靜止。〈女性〉低頭看著茶杯，下巴微微收起，嘴唇輕輕抿合。終結狀態：下巴緊鎖。
- 6–9秒：沉默。〈女性〉緩慢且刻意地眨了一次眼，其餘面部表情維持不變。
- 9–12秒：〈女性〉的下巴微微抬起，目光向上，與〈男性〉的目光相接。
- 12–15秒：她輕聲回應：「我在聽。」表情依然深沉克制。
為什麼終結狀態很重要
為每個節拍的結束定義明確的物理狀態，能讓模型在下一刻擁有穩定的起始姿勢，減少不必要的面部與身體漂移。
以積極的靜止避免AI過度表演
在我的測試中，「不要動」、「不要眨眼」等負面指令，不如明確描述應該保持不動的內容來得可靠。將靜止表述為一種主動條件，能帶來更一致的結果：
| 弱效負面指令 | 更好的積極靜止指令 |
|---|---|
| 不要動或顫抖 | 頭部完全靜止。 |
| 不要眨眼 | 眼睛保持睜開並盯住杯子。 |
| 不要任何表情 | 下巴、眉毛、嘴唇均保持不變。 |
| 不要轉身 | 肩膀與攝影機呈直角。 |
積極的靜止不僅能抑制動作，還能為模型提供一個特定的物理狀態，以便在另一個角色說話或行動時維持。
讓每個參考素材專司一項任務
若同時上傳多張參考素材卻未明確分工，可能會導致「概念滲透」，使背景紋理影響到角色的臉部或服裝。因此，我為每個@參考素材分配明確的職責：
- @Image1 — 演員身份：僅用於面部識別與服裝，忽略原本的影棚背景。
- @Image2 — 環境與燈光：僅用於背景建築與色彩調校，忽略影像中所有人物。
- @Video1 — 鏡頭與動作控制：複製@Video1的鏡頭軌跡與追蹤速度，忽略其視覺風格。
- @Audio1 — 聲音參考：作為〈男性〉的聲音色調與語速參考。
這種分工讓模型更容易理解各個素材，也更便於診斷參考衝突。
運用CTL公式打造真實感
為避免渲染結果顯得過於人工，我以CTL公式組織視覺提示：
- C — 鏡頭：定義鏡頭焦距、構圖與移動方式。例如：35mm定焦鏡頭、低角度追蹤鏡頭、淺景深。
- T — 調性：定義光源、色溫與陰影特性。例如：清晨冷窗光、陰鬱鎢絲主燈、柔和陰影漸變。
- L — 生動質感：定義表面細節與瑕疵。例如：磨砂肌膚、可見毛孔、微妙高光、天然布料反應。
這種方式比堆砌「4K」、「逼真」、「電影級」等寬泛品質詞彙更加精確。
Seedance 2.5在Guma上的規格
以下是Seedance 2.5在Guma上的運作參數：
- 時長：支援4–30秒的單鏡頭生成。
- 多媒體限制：最多接受50張參考素材，包括30張圖片、10支短片與10段音訊。
- 畫面比例：支援16:9、9:16、21:9、1:1、4:3、3:4。
- 原生音訊同步：一次渲染即可生成劇中音效、環境噪音與口型同步對白。
常見問題與解決方案
| 問題 | 可能原因 | 實際解決方案 |
|---|---|---|
| 近距離鏡頭出現塑料感 | 近距離拍攝時神經網絡過度平滑所致。 | 建議：保留高頻率的皮膚毛孔與高光，同一張照片，只是拉近而已。 |
| 角色位置互換 | 左右空間方位混淆。 | 固定座標：〈男性A〉嚴格位於攤位左側；〈女性B〉則留在右側。 |
| 背景音訊雜亂 | 潛在音訊自動填補空白聲場。 | 增加界限：禁止背景音樂，僅保留原始環境音效與對白。 |
| 口型不同步 | 說話節奏過密，難以匹配時間戳。 | 減少對白字數，或將時間範圍延長2–3秒。 |
常見問答
如何確保角色聲音在多場景中保持一致？
錄製一段乾淨的五秒音訊，包含富含音素的句子。將其上傳為@Audio1，並在每個相關提示節拍中引用：以@Audio1作為〈男性A〉的聲音色調參考。
Enhance Draft與Upscale有什麼區別？
Enhance Draft是基於480p預覽，在隱藏空間中生成原生1080p全品質版本。而Upscaling則是在已生成影片的基礎上，透過後處理提升解析度。
為什麼Seedance 2.5會忽視我的負面指令？
模型對正面狀態描述的回應更穩定。請將「不要動頭部」之類的指令，改為具體限制，例如「頭部保持不動，但眼睛可向左追蹤」。
最終提示檢查清單
在生成最終鏡頭前，請對照以下清單檢查您的提示：
[ ] 是否每個主要動作都已分配明確的時間編碼節拍？
[ ] 每個參考素材是否都有明確的職責？
[ ] 是否已明確規定非說話角色應保持不動的部位？
[ ] 主角的左右位置是否已明確固定？
[ ] 對白是否夠簡潔，足以配合指定時間範圍？
[ ] 是否已定義鏡頭、光源與表面質感，而非依賴通用品質詞彙？
[ ] 是否已在生成最終版前，以480p測試過動作？
下一步
下次拍攝時，請繼續使用相同參考素材，並生成兩個測試版本：一個採用傳統段落式提示，另一個則使用帶有積極靜止的時間編碼節拍。
將兩者並排比較，觀察面部穩定性、鏡頭時間安排、角色位置、對白節奏以及參考一致性。這些差異將告訴您，結構化提示在哪方面有效，又在哪方面仍需更明確的引導。