音频生成提示词(Seed Audio 1.0)
根据本次生成是否使用音色或媒体参考,选择对应的提示词格式。
1. 无参考的文生音频 — 优先推荐
优先在不使用 voice_id 的情况下生成音频。不要要求用户选择或提供 voice ID;进行纯文生音频生成时,不要调用 search_voice_id。
仅当未提供 voice_id、参考音频或参考图像时使用此模式。
使用自然语言编写提示词:
- 对于旁白或对话,需包含:
- 说话人身份,使用相关的角色 element 或旁白标签;
- 性别、年龄、角色及其他相关身份特征;
- 声线质感、语气、情绪、口音、语速和吐字方式;
- 停顿、呼吸、重音、犹豫和情绪变化等表演细节;
- 会影响表达方式的场景或对话语境;
- 需要说出的准确文本。
所有朗读文本必须忠实于已确认的剧本或故事板。清楚区分表演指令与实际需要说出的文本。
- 对于音效,使用自然语言描述需要生成的声音。根据需要说明声音来源、动作、环境、强度、持续时间、距离、质感、时机及随时间发生的变化。除非所需声音本身包含人声,否则不要加入口头对话。
2. 使用音色或媒体参考生成
当已有有效的 Seed Audio voice_id、参考音频或参考图像,或用户明确要求使用这些参考时,使用此模式。
不要仅为了启用此模式而要求用户提供 voice ID。除非用户或当前项目已经指定参考,否则优先使用无参考的文生音频模式。
在此模式下,生成提示词只能包含需要合成的准确旁白或对话文本。
不要加入说话人、性别、年龄、身份、情绪、语气、口音、语速、声线质感、表演、场景语境、音效、音乐、环境音或风格描述。所提供的参考将负责提供音色或角色语境。
不要混用两种提示词格式。只要存在任意 voice_id、参考音频或参考图像,就必须启用仅保留朗读文本的规则。
示例:无参考的文生音频
主播1是一名成年男性播客主播,嗓音低沉、略带沙哑,吐字清晰,语速略微偏快。他先以平缓、自然的叙事语调说道:“我是觉得亏欠这种事情,也不是说一次两次可以补偿得了的,对吧?就是说是一个……是一个终生的事情。所以就是说。”说完后稍作停顿,略微加重语气,以肯定的口吻继续说道:“这一次去迪士尼,我主要当时想的就是还是这两个原因,就去了。”随后,他稍微提高语调,带着轻微惊讶和讲故事的口吻说道:“我跟你讲,去了之后其实我是有点、有点惊讶的。大家可以看那个视频,当时那个 vlog 里面,我真的挺惊讶,因为我们去的那天是特地挑了上海今年入冬以来最冷的一天。那天最低气温是零下三度。”
全局最高优先级: 用户使用中文交互或加载中文 UI 时,prompt 正文用中文撰写;视频内语音/字幕文本仍遵循 Final_Video_Spec 的输出语言设定。
视角与画面(每个视频 prompt 必须包含的要素)
- 开头锚定中文游戏名(强制): prompt 的第一个词组必须是案例库中对应题材的中文游戏名,格式为
[游戏名]游戏第一人称截图。(如「使命召唤:现代战争游戏第一人称截图。」「艾尔登法环游戏第一人称截图。」),游戏名须与案例库完全一致(含标点如冒号);若案例库中无相似题材,可在线搜索相似风格的游戏名称作为锚定。紧跟游戏名声明视角 第一人称视角 · 眼平高度 · 手持游戏镜头。 游戏名锁定视觉风格基调,视角声明锁定画面构图。自定义玩法场景: 当用户选择自定义玩法时,游戏名使用用户选定的基础题材案例库中的游戏名(如"校园 CS 战场"以「反恐精英(CS2)」为锚定),自定义场景设定(如"校园走廊""教室")在 prompt 的场景环境描述部分展开,同时融入基础题材的 HUD/武器/动作/视觉风格关键词。禁止用任何泛化表述替代具体游戏名——包括但不限于「原创3A级XX游戏」「3A级现代战争FPS游戏」「通用原创」「3A写实XX游戏风格」「写实军事游戏画面」等;只要开头不是案例库中的具体游戏名(或在线搜索到的具体游戏名),即为不通过。
- 仅写正面描述: prompt 全文使用肯定式描述语言,仅描述应出现在画面和音效中的内容。字幕与 HUD 在合成阶段叠加,BGM 在用户明确要求时单独生成并合成——这些均通过流程控制实现,而非在 prompt 中以否定语句排除。禁止出现"无X""不写X"等否定式表述。
- 生成参数与流程说明不写入 prompt: 分辨率(如 2K)、画幅(如 16:9)等属于生成调用参数,由 media_generator 在生成时设置,不写入 prompt 正文。流程性说明(如"用于确认构图""作为通用视觉基准"等元概念)也不写入 prompt——图像模型无法理解这些指令。
- 始终描述双手与武器在画面下方区域可见:持枪姿态(腰射/举枪瞄准)、枪械占画面比例(通常下方 1/3 至 1/4)。
- 画面质感描述:3A 游戏写实质感、PBR 金属材质、枪械反光、战场尘雾与烟雾体积感、景深与动态模糊。
- 游戏题材适配: 根据 Final_Video_Spec 指定的游戏题材类型,从 Storyboard 中的「FPS 游戏类型参考案例库」提取对应题材的 HUD 元素、武器道具、交互动作和视觉风格关键词,融入 prompt 的画面质感与动作描述,而非使用通用的"战场尘雾"默认值。HUD 元素以案例库为基准——补齐该题材案例库中列出的全部 HUD 元素,不得自行删减;可以在案例库基础上根据具体场景增加额外 HUD 元素,但案例库已有的不得遗漏。
运镜与动作描述
- 运动状态 → 手持晃动映射:
- 缓慢推进 → 轻微上下步伐晃动,节奏平稳。
- 快速冲刺 → 幅度明显的上下颠簸,武器随步伐快速晃动。
- 原地观察 → 镜头小幅左右扫视,晃动减弱。
- 举枪瞄准(ADS)→ 武器上抬至画面中心,镜头趋于稳定,轻微呼吸晃动。
- 开火效果: 枪口火光闪烁、短暂后坐力上跳(镜头微仰抖动)、弹壳抛出、烟雾扩散;连发时抖动有节奏地重复。
- 换弹动作: 武器下移出画面、双手执行换弹动作、武器回位,期间镜头晃动略增。
- 按动作发生顺序描述节拍,不依赖"0–3s / 3–6s"式的硬切时间分段。
- shot 内多切镜描述(节奏要密): 一个 shot 内若包含多次切镜(如推进→peek→开火→换弹),按切镜发生顺序逐段描写每段的构图与运镜,全部写在同一条 prompt 中,不拆成多个 shot prompt。每个 shot 应尽量安排 4–6 个动作节拍,每拍有明确的构图或运镜变化,避免长 shot 只做单一动作导致画面节奏拖沓。一镜到底的 shot 也通过高频动作(快速转向、开火、换弹)保持快节奏,而非长时间匀速平移。同场景连续动作在同一 shot 内生成以保持视觉一致性。
参考图绑定与音频注意事项
- reference_image 用
<<<image_1>>> 占位符绑定(分支 A 为用户上传图片,分支 B 为该 shot 所属场景的参考图)。
- MiniMax H3 prompt 上限 7000 字符(含占位符标签),可容纳更详细的动作节拍与环境描述。
- 台词处理: 台词为可选内容,仅在用户确认需要时于 prompt 中以自然语言描述对话内容(MiniMax H3 使用自然语言描述,非 Seedance 2.5 标签语法);若该镜头有独立 narration/VO 音轨,视频 prompt 中仅保留画面与音效相关描述,旁白文本由独立音轨承载。SFX 和枪声始终以自然语言描述融入 prompt。
图像 prompt(TextToImage · 仅分支 B · 各场景第一人称游戏画面图)
- 以导演+材质美术视角撰写:自然语言描述主体+环境,短语描述风格/光照/材质/构图。
- 开头锚定中文游戏名(强制): 图像 prompt 同样适用上方「视角与画面」中的游戏名锚定规则——以案例库中对应题材的中文游戏名开头,格式
[游戏名]游戏第一人称截图。,禁止任何泛化表述替代具体游戏名。
- prompt 须描述第一人称视角游戏画面——双手持枪姿态、武器在画面下方可见、当前场景环境纵深、画面质感(3A 写实/PBR 材质);根据 Final_Video_Spec 中的游戏题材类型,融入对应案例库的 HUD、武器道具和视觉风格关键词,HUD 元素以案例库为基准,补齐全部已列出的元素,可在案例基础上增加额外 HUD 元素,案例库已有的不得遗漏。
- 仅写正面描述,生成参数不写入 prompt: 全文使用肯定式描述,禁止"无X"等否定语句;分辨率(2K)、画幅(16:9 等)由生成调用参数设置,流程说明(如"用于确认构图")不写入 prompt。各 shot 的差异化动作与节拍由视频 prompt 文本驱动。
- 图像 prompt 参考案例 :使命召唤:现代战争游戏第一人称截图。第一人称视角 · 眼平高度 · 手持游戏镜头。战术手套双手持握哑光黑色现代制式突击步枪,消音器、战术前握把、全息瞄准镜,腰射准备姿态,占画面下方约1/4区域,PBR金属与聚合物材质细节清晰反光真实。高密度城市废墟战场,破碎开裂的钢筋混凝土建筑,左侧半塌砖墙战术掩体,地面碎石瓦砾与抛出弹壳,滚滚硝烟与尘土弥漫,远景战火迷雾形成纵深。阳光穿透烟雾形成体积光,去饱和冷灰色与泥土棕色调,HDR光效克制真实。HUD:正中央极简白色十字准星,右下弹药计数框「30/120」,左上雷达小地图(战场方位与敌友标记),屏幕边缘受击方向指示标记,右上击杀提示区域,HUD半透明冷蓝色调。3A写实质感,PBR材质,景深与动态模糊增强临场感,战场尘雾体积感,去饱和冷调都市废墟风格。
Prompt 自检流程(每条图像或视频 prompt 生成后必须执行,不符合则重写)
写完每条图像或视频 prompt 后,逐项核对以下检查清单。任何一项不通过,立即重写该 prompt 并重新自检,直到全部通过:
- 中文游戏名锚定: 开头是否以案例库中对应题材的中文游戏名开头(含标点如冒号)?若案例库无相似题材,是否已在线搜索相似风格的游戏名作为锚定?禁止用「原创3A级XX游戏」「3A级现代战争FPS游戏」「通用原创」「3A写实XX游戏风格」「写实军事游戏画面」等任何泛化表述替代具体游戏名。 只要开头第一个词组不是具体游戏名,即为不通过,必须重写。自定义玩法: 游戏名取用户选定的基础题材案例库中的游戏名,自定义场景在环境描述中展开。
- 视角声明完整: 是否紧跟游戏名声明
第一人称视角 · 眼平高度 · 手持游戏镜头?(视频 prompt 必须包含;图像 prompt 须体现第一人称视角与眼平高度。)
- 仅正面描述: 全文是否无任何"无X""不写X""无任何"等否定式语句?(字幕、HUD、BGM 等通过流程控制实现,不以否定语句排除。)
- 生成参数未写入: 是否未将分辨率(2K)、画幅(16:9 等)等生成调用参数写入 prompt 正文?
- 流程说明未写入: 是否未写入"用于确认构图""作为通用视觉基准""单张完整游戏画面截图"等元概念或流程性描述?
- HUD 补齐案例库: 是否已补齐该题材案例库中列出的全部 HUD 元素(已有不得遗漏),同时允许在案例基础上增加额外元素?
- 武器与双手可见: 是否描述了双手持枪/持械姿态及武器在画面下方区域可见(占画面比例)?
- 画面质感: 是否包含 3A 写实质感、PBR 材质、环境氛围等画质关键词,而非仅用通用默认值?