seedance-ai-avatar

AI 头像——数字人格视频提示词

这是一套完整的系统，用于在 Higgsfield 上编写 Seedance 2.0 提示词，重点展现 AI 头像、数字人格、虚拟演讲者和合成人物。本技能涵盖从照片级写实数字人到风格化 3D 角色的方方面面，包括吸引注意力的模式、环境设计、镜头运用、灯光和音频指导。

---

1. 输入规范

生成提示词之前，请向用户收集以下信息：

角色定义

• 头像风格：照片级写实人物 / 风格化 3D / 2D 动画 / 抽象几何
• 性别呈现、估计年龄和视觉身份描述（如适用）
• 肤色、发型、着装说明或美学参考
• 个性基调：商务、活泼、权威、未来感、温暖

内容用途

• 使用场景：产品演示、品牌代言人、教育内容、虚拟网红帖子、销售视频、入门介绍短片
• 发布平台：Instagram Reel、YouTube、LinkedIn、TikTok、网站主视觉
• 期望的情绪反应：信任、兴奋、好奇、憧憬

技术要求

• 视频时长：2–4 秒 / 6–10 秒 / 15–30 秒
• 宽高比：9:16 竖屏 / 16:9 横屏 / 1:1 方形
• 动作强度：静止并带有细微动画 / 活跃手势 / 高能量动作

品牌约束

• 配色方案或禁用颜色
• 头像应通过视觉体现的品牌关键词或短语
• 任何风格参考（电影、游戏、其他 AI 头像）

---

2. 理念——为什么 AI 头像是可规模化内容的未来

恐怖谷问题——以及如何避免

当合成人物看起来几乎真实，却又在某些方面有所欠缺，且大脑无法明确说出原因时，就会引发心理上的不适，这就是恐怖谷。眼睛没有完全跟随目标。皮肤缺少细微纹理。动作流畅却不自然。大脑会将这些特征与疾病、欺骗或死亡联系起来。

走出恐怖谷有两种可靠方法：

方法 1：完全追求照片级写实效果。提升渲染质量、皮肤次表面散射效果、眼部湿润感、微表情和头发的真实度，直到大脑接受角色是真实的。这需要明确的提示词描述：“超写实皮肤纹理”“面部次表面光线散射”“湿润的角膜反光”“微表情”“自然的呼吸动作”。

方法 2：坚定采用风格化设计。明显风格化的角色——3D 卡通、赛璐璐着色、几何造型——不会触发恐怖谷，因为大脑从未期待它具备生物学上的真实感。坦然展现人造感，并让角色既美观又保持风格统一。

危险区域是中间地带：角色看得出是渲染生成的，却追求写实风格但未能达到。不要采取折中方案。要么彻底追求照片级写实效果，要么全面采用明确的非写实美学风格。

其他避免恐怖谷的规则：

• 描述眼球运动时，必须同时描述眨眼时机
• 始终明确手势要呈现自然的重量感和惯性
• 避免“完美对称”——真实面孔并不对称
• 加入细微的不完美之处：一缕散乱的头发、微微不对称的笑容
• 通过逼真的环境互动让头像融入场景：光线衰减、阴影接触、头发受轻微气流影响

---

3. 头像风格谱系

照片级写实人物

最适合商业和 B2B 内容的风格，说服力最强。针对演讲者视频、客户见证和品牌大使内容进行了优化。

提示词标记：“照片级写实数字人”“具有清晰可见毛孔的超写实皮肤”“次表面散射皮肤着色器”“自然不对称的面部特征”“湿润的角膜高光”“专业的影棚妆发造型”“逐根渲染的细发丝”

适用场景：SaaS 产品演示、金融服务、医疗保健、电商演讲者内容

风险：暴露于恐怖谷的可能性最高——必须追求最高保真度，否则就应切换风格

风格化 3D 角色

个性鲜明，具有艺术表现力。拥有打造强品牌形象的潜力。完全避免恐怖谷效应。

提示词标记：“采用流畅简化几何造型的风格化 3D 角色”“富有表现力的大眼睛”“夸张比例，富有卡通魅力”“赛璐璐渲染”“干净利落的边缘光”“接近 Pixar 风格的角色设计”“大胆的肤色调色板”

最适合：消费品牌、游戏、娱乐、应用、面向年轻群体的产品

风险：用于严肃的 B2B 内容时，可能显得不够可信——应根据受众调整风格

2D 动画

具有动态效果的扁平或半扁平插画角色。辨识度极高，非常适合社交媒体和解说内容。

提示词标记：“采用动态图形风格的 2D 动画角色”“扁平插画美学”“粗犷的轮廓线”“动作简洁、姿势富有表现力的动画”“矢量艺术品质”“受动漫风格影响的设计”“循环播放的待机动画”

最适合：EdTech、效率工具、初创企业解说内容、社交媒体内容

风险：难以传达细腻的面部情绪——应着重运用肢体语言和动态设计

抽象／几何

虚拟形象并非类人角色，而是由粒子系统、流体模拟、晶体结构等构成的几何实体，通过运动和光线传达信息。风格最具实验性。

提示词标记：“由光粒子构成的抽象数字实体”“内部发光的几何晶体结构”“在不同形态间变换的流体模拟虚拟形象”“获得了意识的数据可视化”“没有固定形态的虚空实体”

最适合：科技公司、AI 产品、概念类内容、高概念品牌影片

风险：缺乏亲和力——应搭配清晰的配音或文字叠加

---

4. 2 秒钩子模式

前两秒决定观众的观看完成率。对于虚拟形象内容，有四种经过验证的钩子架构。

故障转为完美

以画面失真开场——静电、扫描线、碎裂像素、数字伪影——随后画面恢复，呈现干净、自信的虚拟形象。传达：合成起源、优质成品。

提示词：“开场出现严重的 RGB 色差和扫描线失真，数字故障伪影使面部碎裂，在 1.5 秒时恢复清晰，焦点迅速锁定，呈现完美的渲染品质”

适用场景：推出 AI 产品、发布新技术、树立数字原生品牌形象

数字诞生

虚拟形象从无到有地显现——粒子聚集、线框填充、数据流汇聚成形。传达：创造、涌现、未来。

提示词：“虚拟形象由散落的发光粒子汇聚至中心点后逐渐成形，线框网格填充纹理和色彩，在两秒内从抽象形态逐渐变为完整渲染形象，形成过程中产生体积光晕”

适用场景：产品发布、品牌首秀视频、起源故事内容、片头序列

风格变形

虚拟形象快速切换视觉风格——从素描到 3D 再到照片级写实，或依次呈现多种艺术风格——最后定格为明确的最终造型。传达：多样性、创造力、丰富表现力。

提示词：“虚拟形象快速依次切换四种视觉风格：铅笔素描、扁平 2D 插画、风格化 3D、照片级写实渲染，每种风格停留 0.4 秒，最终状态作为主要造型定格，切换时使用溶解效果并带有色差边缘”

适用场景：创意机构、设计平台、AI 工具、内容创作产品

打破第四面墙

Avatar 直接、有意地与镜头进行眼神接触，立即营造出在对观众本人说话的感觉。可以从动作或话语进行到一半时开始——即从事件中途切入。传达：直接、自信、临场感。

提示词语言：“Avatar 有意转身直面镜头，锁定视线并露出含蓄自信的微笑，身体微微前倾，不做介绍或铺垫，仿佛正在继续一段对话”

适用场景：销售内容、教练产品、高转化率落地页视频、个人品牌内容

---

5. 环境设计

环境会影响观众对 Avatar 的权威感、活力和品牌世界观的感知。

虚空／抽象空间

Avatar 置身于纯黑、纯白或带有细微环境效果（雾、粒子、光束）的渐变虚空中。最大限度聚焦角色，尽量减少干扰。

提示词语言：“无限延伸的黑暗虚空背景，地面高度有细微的体积雾，没有地平线，左上方有定向主光，右侧有环境补光，Avatar 身后有深邃阴影”

最适合：高端产品发布、极简品牌、特写发言人内容

虚拟演播室

经过精心设计、融入品牌元素的环境，营造出广播或内容演播室的感觉，但以数字形式呈现。可以加入品牌色光晕、抽象建筑和悬浮图形元素。

提示词语言：“虚拟广播演播室环境，配有简洁的几何建筑结构，背景面板上有品牌色点缀灯光，背景带有细微景深虚化效果，专业灯架投射出干净的主光，抛光地板带有柔和倒影”

最适合：B2B、SaaS、媒体公司、专业服务

未来风格办公室／企业空间

熟悉的工作空间——书桌、窗户、架子——但采用更具未来感的设计语言。让 Avatar 置身于专业环境中，同时传达技术进步的意象。

提示词语言：“近未来办公室环境，建筑线条简洁，配有可俯瞰城市的大型落地窗，环境光呈蓝白色，背景中可见全息显示元素，使用景深虚化，让 Avatar 保持清晰对焦”

最适合：企业、金融、领导力内容、思想领导力

霓虹赛博环境

高对比度的都市数字环境——霓虹灯照亮的走廊、数据中心、发光网格地板、赛博朋克建筑。充满活力，视觉冲击力强。

提示词语言：“霓虹灯照亮的赛博朋克环境，带有深邃阴影和浓郁的品红色与青色光斑，发光的几何网格地板延伸至地平线，电光粒子在空中飘散，氛围中弥漫薄雾并有体积光束”

最适合：游戏、加密货币／web3、年轻化品牌、娱乐、科技初创公司

6. Avatar 内容的摄像技巧

对于数字角色而言，摄像手法与真人拍摄一样，能够传达地位、亲密感和活力。

构图基础

• 特写（面部填满画面）：信任感和亲密感最强——最适合直接对镜头讲话和情绪表达
• 中景（胸部以上）：用途最广——可同时展现手势、表情和上半身
• 远景（全身）：展现角色的尺度和存在感——最适合动作场景或展现环境
• 三分法：将 Avatar 的双眼放在上方水平三分线处——除非有意为之，否则避免放在正中央

摄像机运动术语

缓慢推进：营造期待感和亲密感。“摄像机在 4 秒内从中景缓慢推进至特写，无抖动，滑轨运动平稳”

静帧上的 Ken Burns 效果：让静态渲染图富有生命力。“轻微缓慢地放大并稍稍向右移动，营造手持纪录片般的亲密感”

环绕／弧线移动：展现 Avatar 的立体感。“摄像机以肩部高度从左向右绕 Avatar 弧线移动 30 度，速度平稳恒定，Avatar 稍微转动以保持眼神接触”

推进揭示：随着摄像机移动揭示 Avatar。“摄像机从环境细节开始，向前推进以揭示前景中的 Avatar，完全显现时，Avatar 转向镜头讲话”

匹配剪辑／风格剪辑：Avatar 保持某个姿势，剪辑时可完美衔接到另一种风格或角度。需要明确指定剪辑点要保持的姿势。

景深指南

• 写实 Avatar：始终指定浅景深——会显得更具电影感，提升感知质量
• 风格化 Avatar：可以使用更清晰的焦点——其视觉世界通常更偏向图形化的清晰效果
• 提示词措辞：“等效 f/1.8 的浅景深，背景柔和虚化成散景，Avatar 从双眼到下巴清晰对焦”

稳定性措辞

• 体现权威感和信任感：“固定三脚架镜头，摄像机零抖动”
• 体现活力和即时感：“轻微手持移动，摄像机带有几乎无法察觉的呼吸般运动”
• 营造高端电影感：“云台稳定器移动平稳，流畅且可控”

---

7. Avatar 内容的灯光

全息光晕

Avatar 发出或被发光能量环绕——霓虹、生物荧光、数据光。能强烈体现其 AI／数字属性。

提示词措辞：“Avatar 内部散发柔和的蓝白色全息光，从胸部区域和面部向外发光，环境光从四面均匀填充，电光青色的微妙轮廓光勾勒出剪影，没有硬阴影”

干净影棚光

专业的三点布光设置，包括主光、补光和轮廓光。商业代言人内容的标准布光方式。

提示词措辞：“专业三点布光：左上方 45 度角的强主光，右侧柔和补光以降低阴影对比度，右后方的窄轮廓光使人物与背景清晰分离，色温为 5600K 日光平衡”

霓虹轮廓光

从后方投射的强烈彩色轮廓光，营造戏剧性剪影和鲜明的图形识别度。背景色会映射到主体上。

提示词措辞：“霓虹轮廓光，左后方为洋红色光，右后方为青色光，色彩分离鲜明，正面面部较暗，剪影周围环绕彩色光晕，面部略微欠曝，仅显露关键特征”

体积光氛围

光如同物质般真实存在——雾、薄霭、捕捉光束的尘埃颗粒。营造景深、氛围和电影质感。

提示词语言：“体积光光束以 45 度角穿过氛围薄霭，光束中可见尘埃和颗粒物质，光线从明到暗柔和衰减，环境光包裹虚拟形象，并由反弹的体积散射光提供柔和补光”

写实虚拟形象的特定布光规则：

• 眼睛中始终要有眼神光——一小块镜面高光
• 说明肤色与彩色光线的相互作用：“温暖的琥珀色光线让肤色泛出金色调”
• 避免平直的正面布光——这会消除让渲染效果显得真实的立体感
• 确保虚拟形象与环境中的阴影方向一致

---

8. 虚拟形象内容的声音设计

AI 虚拟形象视频的声音设计分为三个层次。

合成语音整合

虚拟形象的声音是其最直接的沟通渠道。即使是描述视觉效果的视频提示词，声音指导也能为角色和表演提供方向。

提示词或制作说明中可加入的声音指导标记：

• “语音节奏沉稳而权威，带有一丝温暖”
• “语速从容——在关键陈述前停顿一拍”
• “声音略带合成处理：干净的混响尾音，轻微的高频闪烁感”
• “声音质感清晰、近讲，无房间环境声”
• “原生 AI 语音质感：清晰易懂、吐字精准，带有轻微的谐波明亮感”

数字环境声

通过环境声音提示虚拟形象所处的数字世界。

可指定的声音质感：

• “运行中的服务器基础设施发出的超低频嗡鸣，音量极低”
• “暗示能量场的高频音调闪烁感”
• “细微的数字呼吸声：周期性的轻柔咔嗒声和啁啾声”
• “近乎静默，偶尔出现瞬态数据提示音”
• “低音量静态白噪声，暗示信号存在”

未来感音乐

背景音乐用于衬托虚拟形象所处的世界和情绪基调。

音乐指导标记：

• “极简电子配乐，采用合成音色，不使用现场乐器”
• “节奏与虚拟形象的说话节奏匹配，约为 90 BPM”
• “电影预告片般的张力：打击乐重音与画面剪辑同步”
• “氛围生成式音乐：不断演变的铺底音色，无旋律线，纯粹营造氛围”
• “音量较低的清爽科技浩室节拍，在不造成干扰的同时推动节奏前进”

**AI 虚拟形象的声音设计原则：**声音应当经过设计，而非显得自然。现实世界的环境声（鸟鸣、交通声、暖通空调声）会削弱数字世界的效果。每个声音元素都应显得经过精心设计且具有合成感。

---

平台优化

• **TikTok（9:16）：**高能量，适合快速剪辑。风格化 3D 或 2D 虚拟形象的表现效果最好。时长控制在 15 秒以内。
• **Instagram Reels（9:16）：**对视觉精致度的要求更高。写实虚拟形象很适合这一平台。封面帧必须清晰显示虚拟形象。
• **YouTube（16:9）：**适合较长的视频形式，有更多空间展示建立镜头。适用于企业和教育场景。
• **LinkedIn（16:9 或 1:1）：**专业，符合企业形象。仅使用写实风格。动画效果克制，视觉特效尽量精简。

---

9. 完整提示词示例

示例 1 — SaaS 产品发言人（写实风格）

Photorealistic AI avatar of a professional woman in her early 30s, South Asian appearance,
shoulder-length dark hair, wearing a sharp minimal blazer in charcoal, positioned center-frame
in medium shot from chest up.

Avatar is placed in a virtual studio environment: clean architectural background with frosted
glass panels catching diffuse blue-white ambient light, polished light floor with subtle
reflection of subject, background held in soft bokeh blur.

Lighting: professional three-point setup — strong key light from upper left at 45 degrees,
warm fill from the right reducing shadow contrast, thin rim light from behind creating clean
silhouette separation from background. Color temperature 5600K.

Camera: static tripod shot at eye level, no movement, locked and authoritative. Shallow
depth of field with background in smooth bokeh.

Avatar's expression is open and confident — slight genuine smile, direct eye contact with
camera, a catch light visible in both eyes. Subtle asymmetry in the smile. A single strand
of hair rests slightly displaced to the right, adding naturalism.

At frame open she has just finished a thought and takes a brief natural breath before
beginning to speak. Head has a slight, natural tilt of attentiveness. No glitch effect —
clean professional entry.

Skin rendered with visible pore texture, subsurface light scattering at cheek and brow
areas, natural lip moisture highlight, eye corneal wetness with point source reflection.

Micromotion: almost imperceptible chest movement from breathing, barely visible blink at
second 2, slight weight shift that creates minimal shoulder movement. Everything reads as
alive, not frozen.

Color grade: clean and cool, slight desaturation, professional broadcast color treatment.

---

示例 2 — 虚拟网红开场钩子（风格化 3D，数字诞生钩子）

Stylized 3D avatar character: gender-neutral presentation, large luminous eyes with
teal irises, smooth simplified skin geometry with clean subsurface warmth, short silver
hair rendered in individual strands, wearing a graphic oversized jacket in deep purple
with gold accent trim.

Opens with The Digital Birth hook: scattered luminous gold and teal particles
in void space, drifting inward as if being called together, density increasing,
wireframe mesh of the character's face emerging at center, particles filling in
surface texture, color and detail resolving over 1.8 seconds into the fully rendered
stylized avatar.

At full resolution the avatar opens its eyes — both irises catch light simultaneously —
and looks directly into the camera with a slow, deliberate smile. This moment is held
for 0.5 seconds in silence before any other motion.

Environment: pure void background, deep black with barely visible particle drift,
no horizon, rim lighting of teal from behind left and gold from behind right creating
dual-color silhouette framing that matches character palette.

Camera: medium close-up, centered, no movement during formation sequence, then very
slow push-in beginning at full resolution moment, arriving at close-up by second 5.

Lighting: rim glow from environment colors, soft fill from below and in front,
no hard shadows on face — clean, graphic, beautiful.

Music/sound: during particle formation, high-frequency shimmer building in intensity,
resolving to a single clean synth tone at full avatar reveal. Then minimal electronic
ambient pulse begins beneath subsequent content.

Cel-adjacent render with clean edge highlights, smooth gradient skin tones, bold
stylistic intentionality throughout. Never attempts photorealism.

---

示例 3 — AI 演示者，企业科技发布会（未来感，打破第四面墙钩子）

Photorealistic digital human avatar, male, mid-40s, Northwestern European appearance,
close-cropped dark hair with salt-and-pepper at temples, wearing a clean white shirt
under a structured dark navy jacket, no tie. Commands immediate authority.

Opens in media res with The Fourth Wall Break: avatar is already mid-turn toward camera,
as if he became aware of our presence. He completes the turn in the first 0.8 seconds,
makes direct, unhurried eye contact, and leans forward almost imperceptibly — the body
language of a person with something important to say, not a presentation to deliver.

Environment: near-future corporate interior, large window occupying the entire background,
out-of-focus cityscape in deep-focus bokeh, the room's architecture is clean and minimal —
single floating desk edge visible at frame right, ambient indirect ceiling light from above,
blue-hour exterior light bleeding through window glass and catching the side of his face.

Lighting: ambient daylight from window provides cool atmospheric fill, key light from
left at 45 degrees slightly warmer to balance the cool ambient, crisp but narrow rim
light from the window side. High dynamic range — bright window, controlled shadows on
face, catch light clearly visible in both eyes.

Camera: low eye-level camera — slightly below eyeline, reinforcing the subject's authority.
After initial static hold (0–3 seconds), a nearly imperceptible slow push-in begins,
arriving 8% closer by second 10. This movement is felt subconsciously, not noticed.

Skin: maximum photorealistic fidelity — visible pore texture, subsurface warmth at
cheeks and forehead, five o'clock shadow rendered at individual hair level, natural
lip texture, oil/moisture on brow area.

Micromotion: regular natural blinks every 3–4 seconds, subtle jaw movement as if
processing a thought before speaking, minimal but present chest breath movement,
a very slight asymmetric quality to his resting expression — the face of someone
thinking, not posing.

Sound: room ambience is complete silence except for a very low server-hum that suggests
he exists at the intersection of physical and digital. No music until he begins speaking.

Color grade: slightly desaturated with lifted blacks, clean digital cinema aesthetic,
neutral whites, no stylization that would undermine the photorealistic character intent.

---

10. Avatar 内容提示词规则

规则 1：确定一种风格，并始终保持一致。 写实与风格化之间的混杂信号会产生恐怖谷效应。提示词中的每个细节都必须服务于同一个美学目标。如果你在同一条提示词中写「写实的皮肤」和「卡通眼睛」，生成结果就会显得不协调。

规则 2：描述鲜活感，而非完美。 完美对称、凝固的表情和静止状态会让画面显得死气沉沉或像渲染图。加入不对称、细微动作、不完美之处和呼吸感。「一缕头发微微错位」比用五句话描述渲染质量更能增强可信度。

规则 3：眼睛是关键所在。 观众首先会通过眼睛判断画面是否可信、是否有亲和力。务必说明：眼中的高光、虹膜的颜色与纹理细节、角膜的湿润感、自然的眨眼节奏，以及视线方向。眼睛描述不足是最常见的恐怖谷失误。

规则 4：让 Avatar 融入环境。 Avatar 应通过光影与环境互动——窗户透入的光应落在皮肤上，霓虹环境应为 Avatar 的脸部染上色彩。如果角色只是悬浮在背景前，毫无环境互动，画面看起来就像合成图，而非真实存在。

规则 5：摄影机语言就是角色语言。 摄影机如何取景、如何围绕 Avatar 移动，会在角色做出任何动作之前传达其个性与地位。固定镜头传递权威感。缓慢推进镜头传递亲密感。低角度传递力量感。轻微的手持晃动传递真实感。请有意识地选择。

规则 6：用声音构建世界，而非装饰画面。 合成环境音和设计过的声音质感能让观众确信这是一个数字世界；反而会让 Avatar 更可信——你是在为合成存在设定背景，而不是试图把它伪装成真实存在。

规则 7：在提示词的第一句话中写明钩子。 Seedance 和大多数 AI 视频模型会重点关注提示词开头的内容，并将其用于视频开头。先写钩子描述——第 0–2 秒发生什么——再写其他细节。

规则 8：时长决定细节密度。 对于 2–4 秒的片段：全神贯注于一个瞬间、一种表情、一个动作。每个细节都必须有存在的价值。 对于 6–10 秒的片段：可以包含一次转场或一个节拍——先抛出钩子，然后停留。 对于 15–30 秒的片段：可以描述一个弧线——开场状态、中段发展、结尾节拍。

规则 9：避免使用「像 AI」的描述。 矛盾的是，在提示词中把 Avatar 描述成「AI 生成」或「数字化」，往往会产生视觉陈词滥调——蓝色网格、漂浮数据、眼睛上的镜头光晕。如果目标是写实，就描述一个真人；如果目标是风格化，就描述一个经过设计的角色。让美学传达 AI 身份，而不是文字。

规则 10：用特写标准检验写实效果。 如果你在编写写实 Avatar 提示词，不妨问问自己：这段描述在极近特写中是否依然成立？如果答案是否定的——也就是说，毛孔、眼部细节、头发质感和细微表情都描述得不够充分——就在定稿前进一步完善这些元素。