happyhorse-prompter
生成符合 HappyHorse 1.0 严格规则的紧凑提示词(30-55 词),主体先行 + 明确镜头技术 + 音频激活路径(with X audible / speaking English at natural pace)。可选加入"8s 时序节拍"结构。用于"用 HappyHorse 生成视频"、"做个…
诊断 Seedance 2.0 生成视频时出现的常见问题(人物 ID 漂移/双胞胎/字幕/Logo/风格漂移/延长跳变/画质劣化/特效不对/中文发音/音色不准/结尾噪音 等 12 类),定位根因并给出修复后的提示词。用于"我的提示词生成出来不对"、"视频里出现奇怪的字幕"、"人脸不像参考图"、"出现两个一样的人物"、"风格变了"、"怎么修这个提示词"等触发场景。
$ npx -y skills add cclank/lanshu-awesome-ai-video-kit --skill seedance-debugger --agent claude-codeHow it fires
How this skill gets triggered: by you, by Claude, or both.
/seedance-debuggerContext preview
The summary Claude sees to decide when to auto-load this skill.
诊断 Seedance 2.0 生成视频时出现的常见问题(人物 ID 漂移/双胞胎/字幕/Logo/风格漂移/延长跳变/画质劣化/特效不对/中文发音/音色不准/结尾噪音 等 12 类),定位根因并给出修复后的提示词。用于"我的提示词生成出来不对"、"视频里出现奇怪的字幕"、"人脸不像参考图"、"出现两个一样的人物"、"风格变了"、"怎么修这个提示词"等触发场景。
name: seedance-debugger description: 诊断 Seedance 2.0 生成视频时出现的常见问题(人物 ID 漂移/双胞胎/字幕/Logo/风格漂移/延长跳变/画质劣化/特效不对/中文发音/音色不准/结尾噪音 等 12 类),定位根因并给出修复后的提示词。用于"我的提示词生成出来不对"、"视频里出现奇怪的字幕"、"人脸不像参考图"、"出现两个一样的人物"、"风格变了"、"怎么修这个提示词"等触发场景。
输入:有问题的提示词 + 用户描述的症状(或视频截图)。 输出:诊断(根因) + 修复后的提示词 + 解释为什么这样改。
详见 [methodology/08-避坑12问.md](../../methodology/08-避坑12问.md)。这里给出快速决策树。
| 用户说的症状 | 跳转 | |---|---| | "人脸不像 / 中途换脸 / 撞脸明星" | [#1 人物-id-漂移](#1-人物-id-漂移) | | "莫名出现字幕 / 视频里有文字" | [#2 字幕](#2-字幕) | | "有水印 / 有 Logo" | [#3 logo-水印](#3-logo-水印) | | "动漫风格变成真人了 / 风格变了" | [#4 风格漂移](#4-风格漂移) | | "拼接处跳帧 / 衔接不流畅" | [#5 延长跳变](#5-延长跳变) | | "出现两个一模一样的人" | [#6 双胞胎](#6-双胞胎) | | "延长后画质变糊 / 人脸有斑驳色块" | [#7 画质劣化](#7-画质劣化) | | "特效不对 / 倒计时乱跳" | [#8 特效不对](#8-特效不对) | | "人物多了/少了" | [#9 参考人物过多](#9-参考人物过多) | | "结尾有咔哒声" | [#10 结尾噪音](#10-结尾噪音) | | "中文读错字了" | [#11 中文发音](#11-中文发音) | | "音色不像参考音频" | [#12 音色不准](#12-音色不准) |
---
**根因**:参考图混用(人脸 + 全身 + 服装在一张图) OR 人脸占比过小。
**修复策略**: 1. 让用户**额外准备一张大头照**(只包含面部,无表情最佳) 2. 提示词中明确区分:`<主体1> 的面部特征参考图片1(大头照),妆造参考图片2(全身照)` 3. **重要素材前置**
**反例**:`将图1中的人物作为主角...` **正例**:`将@图片1(大头照)的面部特征作为主角面部锚点,@图片2(全身照)作为整体妆造参考。主角...`
---
**根因**:参考图/视频中包含文字;竖屏更易触发。
**修复策略**: 1. 加约束:`保持无字幕,避免生成任何文字或字幕` 2. 如果参考素材包含文字 → 先用 Seedream 编辑去除 3. 业务允许下,**优先横屏**生成
---
**修复策略**:在提示词末尾加 `不要生成水印,不要生成Logo`
---
**根因**:参考图风格与目标风格不一致 + 提示词未强调风格。
**修复策略**: 1. 在提示词中明确风格约束:`2D 日漫风格 / 3D 国风漫画 / 写实电影感` 2. 更精准的做法:先把参考图变成目标风格,再生视频
---
**根因**:模型续写帧与原视频帧对齐误差。
**修复策略**(后期剪辑修补): 1. 把视频导入剪映 2. 前一段视频**末尾删 6 帧** 3. 后一段视频**开头删 1 帧** 4. 重复所有拼接点 5. 续写时**以转场切镜的时刻结尾**,下一段以结尾切镜后的新场景为起始
---
**根因**:人物三视图作参考 OR 主体定义不清晰。
**修复策略**: 1. **明确人物主体关联**:`张三(对应图片1)将绿色存折扔向站立的李四(对应图片2)` 2. **添加全局约束**:
视频全程禁止出现外形、着装、配饰完全一致的人物, 禁止生成同款分身、双胞胎效果, 同一画面中仅保留单个对应人物,不出现人物重复复刻。
3. **优化参考素材**:单人独立照片,**不用三视图** 4. **精简提示词**:别把完整剧本塞进去
---
**根因**:延长续写时画质逐次衰减,尤其人脸区域。
**修复策略**: 1. **白模中转法**:先用 Seedance 把原视频转为白模视频,再做续写输入
2. 优先选高清图片作参考 3. 控制续写次数,避免多次叠加
---
**根因**:文字描述特效,模型理解偏差。
**修复策略**:用**参考视频定义特效**,让模型精准理解形态与运动逻辑。
---
**根因**:>4 人时输出稳定性下降。
**修复策略**:**分步生成** 1. 把人物分组(如 6 人分成 2 组每组 3 人),分别生成图片 2. 用第一步的分组图片作参考,生成最终视频
---
**修复策略**:用剪映**音量包络线**做音频淡出 1. 视频导入剪映 2. 选音轨 → 音频 → 音量包络线 3. 视频临近结尾处,末尾音量关键点下拉至 0,形成向下斜坡
---
**修复策略**:把易读错字换成**发音一致的常用同音字**
---
**修复策略**: 1. 提示词中补充细致音色特征描述:`使用@音频1低厚温润带细碎颗粒感中年男声的音色说"……"` 2. 保持台词风格与参考音频的语气、表述风格相近
---
如果用户只说"效果不对",问 3 个问题(必问):
1. **症状是什么**(看到了什么不该看的 / 没看到什么该看的)? 2. **原始提示词是什么**? 3. **用了什么参考素材**(图/视频/音频)?
对照上面 12 类,给出诊断报告:
## 诊断 **症状**:[用户描述] **对应问题类别**:第 N 类「问题名」 **根因**:[2-3 句解释] ## 修复后的提示词 \`\`\` [修复版提示词] \`\`\` ## 改了什么 | 原版 | 修复版 | 原因 | |---|---|---| | [片段] | [片段] | [说明] | ## 还可能的根因 如果上面修复还不行,可能是 [其他可能性],可以再问我。
如果症状是"延长画质劣化"、"音色不准"这类**靠提示词解决不了 100% 的问题**,明确告诉用户:
> ⚠️ 这是当前 Seedance 2.0 的已知限制,提示词只能降低出现概率,无法 100% 规避。建议:[具体的后期补救方案]
**用户输入**: > 我让两个角色对手戏,结果生成出来画面里有四个一模一样的人,提示词是这个: > ``` > 一个穿红色西装的男人和一个穿蓝色西装的男人在会议室争吵,桌上有文件散落, > 他们都看起来很愤怒,镜头中景跟拍。参考图1是红西装男的三视图。 > ``` > 参考素材就一张三视图。
**诊断**
| 项 | 内容 | |---|---| | 症状 | 画面出现 4 个相同人物(应该 2 个) | | 对应类别 | 第 6 类「双胞胎」 | | 根因 | (1) **三视图作参考** — 模型把同一人的不同角度当成多个人。(2) 主体定义不清晰 — 提示词没有 `(对应图片X)` 明确归属。(3) 缺少全局禁分身约束。 |
**修复版**
将@图片1(三视图取正面)的男性定义为「张三」,穿红色西装; 另一名男性「李四」穿蓝色西装(无参考图,自由生成,与张三外貌差异显著)。 会议室场景。张三(红西装)与李四(蓝西装)隔着会议桌争吵, 桌面散落文件。张三右手拍桌,李四起身指向张三。中景跟拍, 镜头从张三背后绕到李四正面。 视频全程禁止出现外形、着装、配饰完全一致的人物, 禁止生成同款分身、双胞胎效果,同一画面中仅保留张三与李四两人, 不出现人物重复复刻。不要生成水印、Logo、字幕。
**改了什么**
| 原版 | 修复版 | 原因 | |---|---|---| | `参考图1是红西装男的三视图` | `@图片1(三视图取正面)` | 显式选单一视角,避免模型把三视图理解成三个人 | | `一个穿红色...一个穿蓝色...` | `「张三」(对应图片1)...「李四」(无参考图)` | 明确人物-参考图归属 | | (无) | 加禁分身约束块 | 全局约束兜底 | | (无) | `Logo / 字幕` 约束 | 顺手堵第 2、3 类风险 |
**还可能的根因**:如果还出现重复,把"参考图1"换成单角度独立照(不用三视图),问题解决率 > 90%。
---
**用户输入**: > 我想生成日漫风格的女主走路,结果出来是真人。 > ``` > 一个长发女孩走在樱花飘落的街道上,粉色头发,大眼睛,微笑。 > ``` > 参考图是这个女孩的真人照片。
**诊断**
| 项 | 内容 | |---|---| | 症状 | 目标是 2D 日漫,输出是真人 | | 对应类别 | 第 4 类「风格漂移」 | | 根因 | (1) 参考图是真人照,模型默认沿用真人风格。(2) 提示词没明确风格约束,只描述了人物外观特征。 |
**修复策略**:**两步走**比纯改提示词更可靠。
**第一步**:先用 Seedream 把真人参考图转为日漫风格图(prompt 示例:`将这张照片转为 2D 日漫赛璐璐风格,保留人物五官特征,大眼睛、樱花色调`)。
**第二步**:用转好的日漫风参考图,搭配下面修复版提示词:
2D 日漫赛璐璐风格,@图片1 的粉发女孩走在樱花飘落的街道上, 微风吹动发丝,樱花瓣缓慢飘落。中景跟拍,镜头从侧面缓慢推近, 最后停在她回眸微笑的特写。柔和粉色调,边缘清晰的线稿感, 扁平上色,无写实质感,无毛孔细节。不要生成水印、Logo、字幕。
**改了什么**
| 原版 | 修复版 | 原因 | |---|---|---| | (参考图:真人照) | 先转日漫图再做参考 | 风格锚点要和目标风格一致 | | (无风格约束) | `2D 日漫赛璐璐风格...扁平上色,无写实质感` | 显式锁死风格,正反向约束 |
**还可能的根因**:如果只改提示词不换参考图,模型仍有 50%+ 概率漂回真人 — 参考图是风格主锚点,必须先改它。
---
**用户输入**: > 视频右下角莫名出现一个商店招牌字幕,左上角还有个像水印的东西。提示词: > ``` > 雨天的咖啡馆窗外,一个女人撑伞走过,镜头透过雨水模糊的玻璃拍摄。 > ```
**诊断**
| 项 | 内容 | |---|---| | 症状 | 右下角字幕 + 左上角水印 | | 对应类别 | 第 2 类「字幕」 + 第 3 类「Logo/水印」 | | 根因 | 提示词完全没有约束词。"咖啡馆" + "窗外"语境会让模型自动加店招/标语作为环境元素;竖屏更易触发字幕。 |
**修复版**
雨天的咖啡馆窗外,一个女人撑伞缓步走过,镜头透过雨水模糊的玻璃拍摄。 雨滴沿玻璃斜流,女人身影在水雾中朦胧,背景街道灯光晕染成暖色光斑。 中景固定机位,景深浅,玻璃前景虚化。 保持无字幕,避免生成任何文字或字幕; 不要生成水印,不要生成 Logo; 玻璃窗及背景街道不出现任何店招、标语、品牌文字。
**改了什么**
| 原版 | 修复版 | 原因 | |---|---|---| | (无约束词) | `保持无字幕,避免生成任何文字或字幕` | 第 2 类标准约束 | | (无约束词) | `不要生成水印,不要生成 Logo` | 第 3 类标准约束 | | (无约束词) | `不出现任何店招、标语、品牌文字` | 针对"咖啡馆"语境的精准补刀 |
**还可能的根因**:如果业务允许,改横屏会进一步降低字幕概率(竖屏 9:16 容易把字幕当海报排版处理)。
Repo: cclank/lanshu-awesome-ai-video-kit
生成符合 HappyHorse 1.0 严格规则的紧凑提示词(30-55 词),主体先行 + 明确镜头技术 + 音频激活路径(with X audible / speaking English at natural pace)。可选加入"8s 时序节拍"结构。用于"用 HappyHorse 生成视频"、"做个…
生成符合 Kling 3.0(可灵 3.0,快手)规则的视频提示词。三种写法自适应:4 部分基础公式(短视频)/ 5 层进阶公式(剧情+音频)/ 图生视频专用(只描述运动)。Kling 是 2026 年中文理解最强、原生音画同步、最长 2 分钟、支持角色定向发声、Motion Brush 的电影级模型。用于"用…
根据用户的视频需求(场景、时长、音频、语言、平台限制、预算、是否需要本地部署/角色一致性等),从 16 个主流 AI 视频模型(12 商业 + 4 开源)中推荐最匹配的 1-3 个,并解释为什么。覆盖商业:Seedance 2.0、HappyHorse 1.0、Kling 3.0、Sora 2、Veo…
把一条 AI 视频提示词从源模型(如 Sora 2)的写法风格转换为目标模型(如 Kling 3.0 / Wan 2.7 / Veo 3.1 等)的最佳实践写法。基于 110 条 10 场景 × 11…
把用户的自然语言视频需求转换为符合 Doubao Seedance 2.0 进阶公式的提示词(8 要素:精准主体+动作细节+场景环境+光影色调+镜头运镜+视觉风格+画质+约束条件)。用于"帮我写一个 Seedance 提示词"、"生成视频提示词"、"做个产品广告视频"、"用 Seedance 生成…
把复杂剧情/故事大纲拆分为 Seedance 2.0 的"镜头1/镜头2/镜头3"多分镜结构。每个分镜按 4 维度组织(运镜 + 主体动作与表情 + 位置/空间变化 + 音频)。用于"帮我把这个故事写成 Seedance 提示词"、"分镜脚本"、"多镜头视频"、"剧情复杂的视频"、"剧本转分镜"等触发场景。