短剧镜头视频提示词

references/performance-action-timing.md

时长门槛

• VID-04 — 显式标时的各段必须合计等于 accepted duration：超出与留下未分配余量同样违约。
• VID-05 — 未标时的 action load 是 reviewed_invariant：根据本镜头证据审查 表演和故事变化是否仍可读，不套通用“每秒几个动词”公式。

目录

1. 动作预算不是计数器
2. 构造可演的动作链
3. 构造可见的表演变化
4. 时间与对白共同预算
5. 超载修订与审查

1. 动作预算不是计数器

动作预算问的是：在 accepted duration 内，演员能否保持故事重点，清楚完成必要动作/反应/对白和 end state？它不是“每镜最多三个动词”或“每秒固定字数”。动作距离、接触复杂度、语言节奏、停顿、表演强度与相机是否需要等待，都比动词数量重要。

reviewed_invariant：general feasibility 由审查者用 shot、motion、对白和时长证据判断。只有显式 segment 数学超时才是 structural_invariant。

2. 构造可演的动作链

先找不可删的 spine

从 shot purpose 反推：

• 哪个动作造成信息/权力/情绪变化？
• 哪个 reaction 让观众读懂变化？
• 哪个动作必须完成才能到 accepted end？
• 哪些只是“让画面忙起来”？

保留 spine，装饰动作最后加入。短镜头常见的有效结构是“一次决断动作 + 一次对方/自身 reaction”，但这只是 craft_default。

给动作以条件与结果

动作 stage 至少明确 actor、方向/对象和到达结果。接触动作注意顺序：先靠近、再触碰、再施力、物体才变化；持物转手必须写清哪只手、何时释放/接住。角色不能在同一时刻用同一只手完成不相容任务。

空间位移要尊重 shot start 的距离和障碍。若要穿过房间、开锁、取物、返回、说完长对白，问题通常不在 prompt 措辞，而在 shot boundary/时长，需要 revision request。

同时发生的合理用法

“同时”适合可自然叠加的通道：角色说话时缓慢抬眼，环境雨声持续，camera 平稳跟随。不要用它压缩互为条件的动作，或让双手/身体执行物理冲突。

3. 构造可见的表演变化

角色不是情绪滑块

不要机械排列“平静 30% → 紧张 70% → 震惊 100%”。从角色 agenda 和触发选择外显通道：

• 目光：寻找、回避、锁定、短暂失焦；
• 呼吸/声音：吸气被截断、语速变化、音量反常降低；
• 身体：重心撤后、肩线防御、手指停止或反复动作；
• 语言：停顿、吞字、改称呼、打断或刻意完整地说完；
• 决断动作：收回手、让路、把物件推回、关门。

选择能被当前景别读到的信号。远景不应依赖细微眼睑变化；近景不必用夸张全身后退替代内心处理。

可选：表演标尺只用来校准形容词

只有创作者已经声明并接受一套表演标尺时才使用它。本文档不提议任何刻度、增量公式或 每镜升压规则；没有创作者标尺时就写可见表演，不写数字。

标尺唯一的职责是消歧一个形容词要演到多硬。“淡然”“不安”“恐惧”之间有清楚的高低 次序，而同一个词在不同人物、不同场合的合理落点其实相当集中——所以标尺回答的是“这里 的‘不安’是欲言又止，还是手抖到握不住杯子”，不是“这一镜该比上一镜更用力”。这也是 production-prompt-grammar.md 里“哪些情绪形容词可删”的 另一面：能被标尺定住落点的形容词才值得留下，定不住的应当换成可见动作。

用法：

• 取值来自形容词本身，由人物、触发和后果决定落点；不从镜号、段序或“第几次升级” 推导。同一个词在本集第 3 镜和第 30 镜可以是同一个落点。
• 保持与变化同样合法，而且保持更常见。相邻段之间不变是最常出现的正确选择：一个 角色可以在整场戏里维持同一强度，变化发生在别人身上或发生在信息上。为了“有层次” 每段都动一格，是把标尺当节拍器用。
• 按最小可见增量变化。相邻段之间的改变小到刚好能被当前景别看见即可；跨段一次跳 多级必须有段内可指认的触发（一句台词、一次接触、一个揭示），否则观众看到的是换了 个人，而不是同一个人变了。
• 只标注本段真正参与变化的角色。旁观者、画外角色和状态未变的人不进标注；为“字段 齐全”给全场人各标一个值，会让审查者分不清哪一处变化是有意的。
• 数字不替代表演。标尺值旁边必须仍有可见通道（目光、呼吸、身体、语言、决断动作）； 只有数字的表演等于没写表演。

与剧本的关系：剧本的 （情绪） 括注是表演状态和说话方式的同一个来源。标尺值、可见 表演与台词的说话方式都应当从这一个括注派生；三者互相矛盾时以剧本括注为准，需要改动 就发修订请求，不在提示词里自行折中。

单人或多人表演弧

每个真正承担本镜可见变化的角色才写一条；状态未变的旁观者不因字段完整度进入主表演通道。 以下是可选词汇，不是六项必填拍表：

1. agenda：他此刻想维持或取得什么；
2. receive：准确触发怎样被角色接收；
3. mask：角色确实在掩饰、继续或压住什么时才写；
4. visible_leak：掩饰漏出的目光、尾音、手部、距离或物件动作，且当前景别读得到；
5. choice：说、做或刻意不做一个有方向的选择；
6. landing：选择落在分镜明确的终点状态。

需要时在对应 MOTION-... 下按人物分条写；人物使用 视觉设定.md 的稳定 ID，触发与注意交接指向 场景或镜头的可见 ID，不靠同名猜身份。 只保留能让本镜更可演、更可读的字段。例如角色认出桌上印章后仍试图把原句说完，尾音降低、 右手离桌，最后停止阻拦并让出通道；若没有掩饰，就删除 mask / visible_leak，不要填 none。

若本镜只需要“听见门响后停止翻页”，写触发和可见动作即可，不必把其余字段补成同义句。

空镜、道具细节、纯空间转场、无人物镜头，或只有物理动作而没有可见内在处理的镜头，省略 表演弧。单人镜也不因人数自动生成；多人镜更不是给每个人复制同一“震惊”。不同人物可以早认出但继续说、 晚半拍才让路、故意制造噪声掩饰，或看见别人停顿后才理解变化。所有差异都要来自角色立场、 已接受信息和空间关系。

H3 反应镜：先点名，再给两处可见泄露（craft_default）

目标为 H3、且一镜的职责就是接收一个消息（震惊、被打脸、得意、压怒）时，按这个顺序写：触发 → 一个情绪词点名 「他立刻震惊」→ 两处当前景别读得到的泄露（目光停住、拇指悬住；笑容停住、手臂收紧）→ 落点并定住。 反应在触发后一秒半内落下，剩下的时间给落点。

H3 实测四个反应节拍，这种写法盲评清晰度 3.9/5、自然度 4.0/5，四拍全部排第一或并列第一；只写情绪词会演过头 （强度 4.3、自然度 2.8），把可见反应逐段写满又太弱（强度 1.9），「不动声色的得意」这类反应尤其会被读错。 情绪词在 H3 这套写法里是给表演定调的锚，不是可删的形容词；链条仍要写，但只写两步。

Seedance 2.5 样片档的同轮对照以逐段可见反应链最好，保留上文完整的触发、处理、可见反应与落点， 不套用 H3 的两处泄露与 1.5 秒默认；具体见 seedance-2.5.md。其他模型沿用可见表演原则并实测， 这轮证据不支持把 H3 配方外推成通用约束。

只在注意真正交接时，简写“谁/什么拥有注意 → 哪个可见或可听触发 → 注意转给谁/什么”；没有交接 就不补这一段。交接两端可以是角色、道具、证据、声源或已建立的空间区域；使用它们在 视觉设定.md / 分镜.md 中的可见 ID，不要为了套人物格式把道具或空间伪装成角色。 交接不是全员同步转头：例如说话者尾音降低 → 最近的听者先停手 → 群体让路 → 主角获得空间。 每一跳说明为何当前景别、遮挡和声音能读到；细微眼神在远景不可读时，改成视线转移加手部停顿， 而不是只增加情绪形容词。

• craft_default：若一镜只有信息接收，宁可把变化做小而清楚，不必每镜“情绪大爆发”。
• reviewed_invariant：表演选择应与剧本 agenda/shot purpose 相容，不能凭 prompt 改写人物立场。
• taste_option：停顿多寡、微表演或类型化表演由导演风格决定。

反应的对象

明确角色对什么反应，而不是孤立写“她突然震惊”。触发必须来自 accepted shot/script/audio，或是 already-visible 环境事实。Reaction 若揭示新知识，要确认角色在这一刻确实获得它。

4. 时间与对白共同预算

相对时间优先

在不需要精确秒段时，用“开头保留一拍”“话音落下后”“动作完成前”“结尾停留”表达节奏。这样保留演员和剪辑弹性。

显式时间

需要 timing 时，列阶段与 overlap：

0.0–0.8s：保持 start，听见门闩声后目光转向门
0.8–2.6s：左手压住册页，身体慢慢前倾（对白从 1.1s 开始，与动作重叠）
2.6–4.0s：说完后停住，右手仍握笔，落到 accepted end

区间不可无意重叠；显式非重叠总量/最大终点不得超 duration。总量小于 duration 时也要处理：把余量分配给已有阶段（原因见 motion-recipe.md 3.6）。不要为了塞进数学窗口而静默删掉 exact dialogue。

对白预算

评估：句长与语言、人物语速、情绪造成的停顿/吞吐、是否需要听见对方/环境 cue、口型要求、动作是否能与说话叠加、结尾是否有 reaction landing。固定每秒字数只能作为 production profile 的可覆盖估算，不能成为通用规则。

craft_default：先读取分镜「声音」的预算依据。有同句同表演录音时用实测发声区间；没有时按完整原文、 语言和表演方式给出「文本估计」区间，以较慢一端检查容量，不假称朗读或 TTS 实测。对白可用窗口要扣除 开口前等待、不能同时进行的动作、轮流说话的其他发声与末尾反应；句内停顿已经计入时不再重复扣除。 并行动作可以共享时间，顺序事件必须累加。把依据简写在当前镜头说明里，不放进可复制正文当成模型指令。

例如 accepted duration 为 7 秒，开场与收尾各占 0.5 秒，实际只剩 6 秒发声；若完整台词估计需要 8–10 秒（含句内停顿），即使写成「0–7 秒」也不成立。请求分镜按至少 11 秒重新安排，或按语义拆镜， 待上游修订后同步本镜时长、正文时序和生成设置。不要用更快语速、截断标记或静默删词让算术看起来成立。

H3 中文的估算参考

craft_default：一次同镜头、20 次生成的中文对照中，自然语速约 4.1 个可发声字/秒。 短镜装入更多台词时先出现赶词，较长输入还出现未报错的截断；延长镜头改善了该组表现。 样本不能确定通用截断阈值，其他声音、表演和模型需要另行校准。

无录音时可用约 4.1 字/秒辅助估算实际可发声区间，并另计开口等待、停顿和顺序动作。 这不是按整个镜长计算的保证容量；有音频时以实际发声区间为准，生成后回听是否完整。

这里的字数不含标点。duration_estimate.py 的 dialogue_characters 包含标点， 不能直接按这一语速换算发声时长。

对白太长时选项：

1. 简化非必要动作，让对白成为主事件；
2. 若 script 允许，把动作与对白合理重叠；
3. 请求 storyboard 延长/拆镜；
4. 若要改台词，请求 write owner。

Video-prompts 不能自行删字、改词或把对白变 VO。

5. 超载修订与审查

超载征兆

• 一个角色完成多次远距离往返和复杂物件操作；
• 多个角色都有独立大动作，但 shot purpose 只需要一次揭示；
• 长对白、强情绪转折、精细手部动作和复杂 camera move 争夺同一几秒；
• 结尾没有时间落住，end state 只被一句“最后到达”宣告；
• 为了赶时长，动作顺序违反接触因果或表演没有接收过程。

修订优先级

1. 删除无故事功能的环境/手势活动；
2. 合并可自然连续的动作，保留因果节点；
3. 选择一个主要注意中心，其他角色用必要 reaction；
4. 保留对白与 accepted end；
5. 仍超载则发 storyboard revision request（split/extend/reblock），不越权执行。

Reviewer 证据格式

Evidence：SHOT duration 4s；dialogue ref DLG-... 为完整两句；motion 要求角色从窗边走到门、开三道锁、回身交物，并保留结尾反应。
Impact：关键交物和反应难以清楚落地，accepted end 可能只被宣告而未实现。
Required fix：删掉非必要回身动作，或请求 storyboard 拆为两个 authored shots；不得删对白。
Classification：reviewed_invariant
Owner：video-prompts（精简）/ storyboard（改边界）

不要只写“动作太多”。也不要因 prompt 有四个动词就自动报错。