少抽卡:七层提示词架构
10 秒素材从抽十次降到两次:锁定卡、七层提示词、废片诊断表,附实测数据。
转载来源
- 作者:Miller(X:@TuyetloanP81840,蓝标)
- 平台:X(原 Twitter)长文,32 分钟阅读,2026-11-16 发布
- 原文标题:H3 和 Seedance 如何减少抽卡:AI 短剧的七层提示词架构,附我在用的抽卡技能
- 原文链接:x.com/TuyetloanP81840/status/2122117988774236424
开头:一笔可核对的开销账单
先看一组数字:他做的短剧《醒醒,我饿了》第 2 集,全片 43 段素材,一共抽了 52 次,其中至少 34 段是一次就过。一篇讲提示词的文章,能给出这种可核对的开销账单,就值得读下去。
一、抽卡贵,是因为模型在猜
作者的判断很干脆:一次两次不对是运气,一段抽了五次八次还不能用,就是提示词里有地方没写,模型只能猜。
它最常猜三件事:一是猜这是谁——参考图丢进去了但没说哪张是谁、管什么,这一段叫「小猫」,下一段叫「猫咪」,在模型眼里可能就是两只猫;二是猜在哪、怎么拍——谁在左谁在右、镜头多大、动不动、停在哪,没写就每次都猜不一样,于是人物瞬移、镜头乱晃;三是猜谁在说话——两人台词写一起没标先后,模型就让两人一起张嘴,心里话没标出来,角色就张着嘴把内心独白念出来。
所以结论是:每一处让它猜的地方,都是一次抽卡机会。少抽卡的办法只有一个——把它会猜的地方提前写死。
二、锁定卡:一部剧只写一次
人物前后不一致,一半原因不在模型,在写的人:每段提示词都重新写。第一段写「午后暖光」,第三段顺手写成「暖色的午后阳光」;第一段叫「米扣」,第五段写成「小猫」。你觉得是一个意思,模型觉得是两种光、两只猫。
解法是开拍前做一张锁定卡,写五样:画风一句;每个场景的光(方向、冷暖、时间段);角色(固定称呼、对应哪张身份板、一句固定声音描述);道具(实际尺寸、平时在谁手里);全片固定要求(不要字幕与画面文字、不要背景音乐)。之后每段从卡里原样复制,一个字不改。
配套三条规矩:称呼定了就不改;视觉标记当名字用(长相交给身份板,文字只负责让模型知道说的是谁);想改先改卡,再把所有段落统一换,不要只改眼前这一段。
他还给了编号体系:CH 是全剧固定角色,CH-EP 是单集出场角色,SC 是场景。编号写进卡里,哪张图对应谁一眼可查。
三、七层架构:每种废片都对应一层
第 1 篇给的是五块模板(参考、站位、画面、声音、禁止),这一篇拆成七层:参考、风格、站位、镜头、表演、声音、保持。
分层的目的不是好看,是定位:脸变了多半是参考层,人瞬移是站位层,嘴对错人是声音层。改的时候就知道该改哪一句。
各层的硬规则里,几条最反直觉的:
- 参考层:一个素材只干一件事,并在提示词里说清它干什么。素材负责的,文字就不再写——很多人怕模型认不出,又把长相写一遍,结果文字和图说法不一致,模型两头照顾,脸反而漂。反过来,身份板上没有的才要写进文字(比如项圈上那块小牌子)。
- 参考层:一段只放一张场景图。正打、反打、全景三张都放,模型不知道用哪张,场景反而乱。
- 风格层:写参照不写形容词。「电影感、高级感、氛围感」模型没法执行,它看得懂的是「日系写实真人电影,自然柔和的光,低饱和」这类参照。
- 站位层:先写画面里最显眼的人在哪、在干什么,再写其他人位置,最后写动作先后。道具要写到「在谁手里、哪只手、朝哪个方向」。
- 镜头层:一镜到底不写「切」;要切就每次写「切 + 景别」。别用「转到」「来到」代替「切」,模型会理解成镜头连续运动过去。有台词的镜头固定,推拉容易出口型问题。
- 表演层:一拍只给一个动作。「她站起来,走到窗边,拿起杯子,回头说话」这种一个镜头四个动作,模型一定乱。
- 声音层:台词分三种写(说 / 内心独白 / 画外音),同一时刻只让一个人开口,没说话的人写明嘴巴闭着。
- 保持层:视觉毛病不要点名。他做过对照:同一张人物图、同样参数、同 seed,只改皮肤那一句;写「不要油光」的那版,人物一转头脸上反而冒白油光;换成只写想要的状态(肤色稳定、毛孔自然、柔和漫射光),整段都稳。
他自己在第 2 集踩过一个坑值得记:中间某段和相邻段落左右反了,单看每段都没问题,剪在一起观众会觉得两只动物眨了个眼换了位置。原因就是没把「谁在左」写死。
四、三种写法与七步闭环
七层是思考顺序,落到纸面,不同模型吃不同写法:
- H3、可灵等用分块写法:【参考】【风格】【站位】【画面】【声音】【保持】,哪块出问题改哪块。
- Seedance 2.5 用框架写法:段落目的、全局风格与技术参数、参考素材、开场承接、分镜头描述(按秒写焦段与焦点)、结束帧交接。多出来的两块专门管「这一段从哪接、停在哪」。
- MiniMax 官方给 H3 的英文六段格式(subject_definitions / summary / retention_analysis / detailed_description / overall_soundscape / non_diegetic_music),多角色复杂调度更稳。
模型基本盘他也列了:H3 一段 4–15 秒、最多 9 图 3 视频 3 音频;Seedance 2.5 一段 4–30 秒、参考素材上限高得多;可灵 3.0 一段 3–15 秒。并提醒一句:能出多长不等于该塞多少,一段只讲一件事。
实操是七步闭环:做锁定卡(一部剧一次)→ 写 → 抽 → 判断 → 只改一层 → 记一行 → 补回锁定卡。第 7 步一集一次,其余每段都走。
五、抽废了怎么办
判断顺序很清楚:第一抽能用就收;不能用,同一版再抽 1–2 次看废在哪——每次废的地方都不一样是运气,两次以上废在同一处就是提示词问题,再抽多少次都一样。
然后才是处理:能剪就剪(问题只在头尾几帧)、能补就补(截问题前一帧,用生图改好当首帧只补那一小段)、最后才重抽。
一次只改一层是全文最重要的一条,也是他短剧里那句台词:「先别再换新的了,咱们一样一样试。」改的时候参考素材、上传顺序、seed、时长、分辨率全不动,只改出问题的那一层,改完和上一版比同一秒的画面,放大到原尺寸看。
他还给了一张废片诊断表:脸变了 → 参考层与镜头层;一个角色变两个 → 参考层;左右颠倒、人物瞬移 → 站位层;想切没切 → 镜头层;人物木 → 表演层;嘴对错人 → 声音层;皮肤发油、塑料感 → 保持层;画面平 → 按风格、镜头、表演、环境依次升级。
编辑判断
值得推的理由:它把「抽卡」从一个玄学抱怨,变成了可归因的工程问题——每种废片对应一层,每次只改一层,每集回填锁定卡。这套东西换模型也成立,是少数能跨产品迁移的方法。
需要打折的地方:
- 数据显示为作者自述(43 段、52 次抽、34 段一次过),没有对照实验。同一集换个写法抽多少次,外人无法验证。
- 主要实测在 H3 上,Seedance 2.5 只给了一版框架和一处并排对比,可灵仅一句「也能套」。跨模型的普适性仍是推断。
- 原文 2.3 万字符,本文只覆盖到第七章案例开头;第八章七个坑与文末技能包未取到,那部分可能是最省时间的清单。
- 文末有技能包导流,作者也在持续做自己的短剧,内容营销属性明确——但方法本身可验证,不算硬伤。
最能直接拿走的一条:别在提示词里写你不要什么,只写你要什么。这条不只在视频模型上成立。