scenario-seedance-storyboard

Scenario Seedance 分镜

概述

逐镜头编写提示词，生成的动作还是会崩坏：四肢突然位移，脚步滑动，每次切镜都会让表演重置。因此，与其反复打磨提示词，不如先做分镜。这样生成的是衔接处动作连续的画面，而不是彼此独立、具有剪辑感的镜头：如果想让观众感受到切镜，请使用 scenario-video-editing 自行剪辑生成的视频。编写带时间码的镜头脚本，绘制角色设定表和每个镜头对应的编号分镜格，并遵守一条规则：每个镜头结束时的姿势必须与下一个镜头开始时的姿势一致。固定边界后，动作就无从重置，所有镜头便能呈现为一段连续表演。

连接方式和核心循环：scenario 技能；Seedance 参数规范、条件控制陷阱和音轨：scenario-seedance 技能；静帧中的身份一致性和可复用角色设定表：scenario-consistency 和 scenario-identity-library 技能；将分镜板或漫画页本身作为交付成果：scenario-storyboards 技能；拆分和重新拼接镜头：scenario-video-editing 和 scenario-video-assembly 技能。如果你可用的技能中缺少此处提到的同系列技能，请让用户安装（npx skills add scenario-labs/skills --skill <name>）；在无人值守的情况下，根据工具架构继续操作，并标明缺失项。

快速参考

步骤	内容	方法
1. 脚本	先确认带时间码的清单、演员和场景	每个镜头包含：编号、景别、角度、镜头或运镜、动作动词、入场和出场姿势
2. 参考图	为每位必须保持可辨识的表演者各准备一张图片，包含多个角度；临时演员使用通用形象且不命名	通过 recommend 调用图像模型；真实表演者的一张清晰静帧也可以
3. 简报	每个分镜格写一行，描述镜头覆盖范围而非画面内容	先确定整体基调，保持轴线，逐步扩大景别，安排节奏点
4. 分镜格	每个分镜格调用一次 model_run	以参考图作为依据，在空白纸面上绘制简洁的铅笔线稿，每格都采用最终交付比例
5. 检查	每个分镜格检查两轮，然后修复其中一格	查看产物和差异，参照 board-craft
6. 组装	将获批的分镜格组装成分镜板	使用 model_scenario-compose-image 并指定明确坐标
7. 审批	向用户展示脚本、参考图和分镜板	按分镜格编号重拍；无人值守时，记录并继续
8. 关键帧	制作两到三张照片级真实感关键帧	使用相同的参考图和交付比例；它们将确定最终画面的风格
9. 视频	一次脚本化运行，或串联多次运行	使用 Seedance model_run，并选择下方两种路线之一
10. 检查	确保交付内容干净且保留其轨迹	每隔半秒采样一次，而不只是检查切镜处，并将每次切镜与对应分镜格核对
像镜头清单一样为每个分镜标注：编号、景别、角度、镜头或运镜，然后列出三个动作动词。将它们编排成覆盖镜头，而不是十二张独立图片：以交代空间关系的全景镜头开场，始终留在轴线同一侧，确保画面方向不会翻转，逐步推进景别，并用一个插入镜头或反应镜头点缀。相邻镜头通过设计衔接：镜头 3 的结尾就是镜头 4 的开头。

分镜画得简洁些：在空白纸上用浅色细线勾勒，场景只用两三笔快速画出，不要绘制完整环境。分镜如果画成一幅有竞争力的画面，就会被当成画面处理；其中的标记也会作为物体呈现在成片中，任何提示词条款都无法消除这些标记。轻描的线条则不会传递这些标记，因此编号、说明文字和箭头都可以留在供人审阅的分镜上。关键在于提示词的措辞，而不是画法：要说明这些标记是导演的规划指引，而非禁止出现的内容；再将关键帧作为概念艺术图提供，让外观有摄影图像作为来源。这两点都写在 video-prompt.md 中。

分镜逐张生成，因此某一张出错只会损失这一张；开始生成视频前，还要通过两轮检查：一轮由 AI 评估瑕疵，另一轮将分镜与底图进行差异比对。不能只看整组分镜的结论：平均结果会掩盖单张分镜的缺陷。

边做边归档：每个片段建立一个集合，在首次生成前创建，并存放底图、分镜、修复版本、故事板和视频（board-craft）。

在首次生成视频前暂停并征求批准，同时展示关键帧、脚本、底图和故事板，并邀请对方按分镜编号要求重拍；若流程无人值守，则记录所作假设并继续。

两种流程

一次脚本生成。 当片段时长符合单次任务的时长上限时（在编写时，2.5 的上限为 30 秒），将底图、故事板和关键帧作为 referenceImages 传入，并按照 video-prompt.md 中的七部分结构编写提示词。一次生成即可包含内部剪切：底图保持身份一致，姿势链保持连续性。指定 aspectRatio；这里默认值为 adaptive，因此竖屏故事板会生成竖屏视频。参考模式会将第一帧锚定到参考世界的基础状态（参见 scenario-seedance），因此必须以精确姿势开场的片段应使用串接流程。

逐镜头串接生成。 超出时长上限、每个镜头需要单独控制，或片段必须以精确姿势开场时：将每个边界姿势渲染为静帧，然后生成镜头 N 时，将静帧 N-1 设为 image，将静帧 N 设为 lastFrameImage，这样相邻镜头的两端就会共享双方一致认可的帧。此流程不使用 referenceImages，因此静帧是每个镜头唯一的身份参考；N 个镜头需要 N+1 张静帧和 N 次生成。每次生成还有时长下限（在编写时，2.5 的下限为 4 个整秒），因此 N 个镜头的总时长不能少于 N 乘以下限；如果剪切次数超过这个限制，就需要减少镜头数量或增加秒数。相关规范和修复流程见 references/chained-lane.md。

示例：一次运行中完成 12 个镜头的舞蹈

1. 编写脚本：24 秒内安排 12 个镜头，注明每个镜头的边缘姿势，并确保每个镜头的结束姿势与下一个镜头的入场姿势匹配。 先展示给用户；这是出错代价最低的环节。若无人值守，则写下来并继续。
2. 为每个角色生成一张底图，然后生成 12 格分镜，接着基于相同的底图生成两三张照片级写实关键帧。使用 upload_asset 上传任何本地文件（参见 scenario 技能）。继续之前，先向用户展示分镜板和关键帧。
3. 使用 target="models"、query="seedance"、public=true 进行 search。搜索结果按相关性排序，而非生成时间排序，因此要逐一查看，找出最新且未弃用的模型，而不是直接选第一个：在撰写本文时，该模型是 model_bytedance-seedance-2-5（每次会话都要重新发现），它支持最多的参考素材，且最能保持角色身份一致。然后调用 model_schema_get 查看能力限制。
4. 调用 model_run，设置 dry_run=true，并使用 parameters={"prompt": "<the timecoded script>", "referenceImages": ["asset_dancer", "asset_board", "asset_key1", "asset_key2"], "duration": 24, "resolution": "1080p", "aspectRatio": "16:9"}； 任何更改后都要重新估算。
5. 使用 wait=false 重新运行，然后调用 jobs_wait；若超时，使用 pending_job_ids 再次调用。超时不代表失败，绝不能因此再次调用 model_run。
6. 逐个检查剪辑点：两侧的姿势必须一致，并与分镜格匹配。然后以每秒两帧的速度检查整个片段，因为分镜板上的标记可能在镜头中途短暂显现，因此每个镜头只采样一帧会导致误判为干净。asset_display 对视频返回的是链接，而不是帧，因此要在本地提取帧，或使用 model_scenario-video-to-image-seq（这是一个固定 ID：Scenario 唯一确定性的帧提取工具，因此重新发现它只会得到同一个结果）。预期剪辑点会少于脚本中的数量：大多数镜头衔接会渲染为镜头运动，因此要在交付成片中按脚本设定的 12 个时间点剪辑。

常见错误

• 用形容词描述舞蹈编排（“跳得很有活力”）：带时间码的动词和边缘姿势能在生成后保留下来；情绪词则不能。
• 只写姿势，不写位置：在双角色场景中，即使镜像的边界姿势也会像肢体错误一样严重破坏剪辑衔接。
• 在一次运行中编写角色离开画面后又返回，或在镜头外发生状态变化的脚本：角色一旦离开画面，就会在这次运行的剩余部分中消失；而且任何边界检查都无法捕捉镜头外发生的情况。要将离场、返场和状态变化安排在串联边界仍然可见的位置（chained-lane）。
• 期待脚本运行从提示词描述的姿势开始：参考模式会将第一帧锚定在基础状态；精确开场是串联流程要处理的事。
• 默认交付静音：通过点明声源来要求场景内音效，并且不要提及任何乐器、流派或“无音乐”之类的排除要求，因为这些会触发音频拒绝。generateAudio: false 是后备选项，不是默认值。
• 脚本超出提示词的 max_length，或时间码超出时长上限：编写脚本前先通过 model_schema_get 查看这两项限制，因为步骤 1 早于模型发现；超限会返回 400 错误，而不是自动删减。然后将脚本的运行时长作为 duration 发送：其默认值为 Auto (-1)，而架构仅在提供参考片段时才定义该值，因此不带 duration 发送带时间码的脚本会导致运行时长不明确。
• 比例设置错误：每格分镜都必须采用交付视频的比例，因为重新构图会移动串联流程依赖的姿势；此外，合成后的分镜板必须满足 0.4 到 2.5 的纵横比，否则 Seedance 会拒绝将其作为参考素材，运行也会失败。