---
name: realistic-video-prompting
version: 1.0.0
category: 生活与工具
trigger_words:
tags:
  - ai
platform: coze
source: DeepseekModel
source_url: https://deepseekmodel.com/skill?id=zhouwei713-seedance-prompt-skill-md
---

name realistic-video-prompting description 为AI视频生成模型（Seedance、Sora、Kling、Runway、Veo等）撰写真实感、去AI感、纪录片质感的结构化视频提示词。当用户想生成AI视频提示词、优化现有视频提示词、追求"真实感""家庭录像感""手机随拍感""DV感""监控录像感"的视频效果，或提到Seedance、文生视频、视频prompt时，务必使用此skill。即使用户只是描述了一个想拍的场景或氛围，也应使用此skill将其转化为完整提示词。 version 1.1.0 author zhouwei713 license MIT metadata {"hermes":{"tags":["ai-video","prompt","realistic-video","seedance","kling","veo","runway","sora"]}} 真实视频提示词生成器 把用户的一个模糊想法（"我想要一段韩国社区的日常感视频"）转化为高密度、可执行、去AI感、像真实素材拍出来的结构化视频提示词。 核心哲学 高质量视频提示词的本质是回答一个问题： 这段素材是谁、用什么设备、在什么年代、出于什么目的拍下来的？ 一旦确定了"素材来源身份"，所有细节都能推导出来。2005年朋友随手拍的DV会抖、会失焦、会突然关机；2024年博主的手机竖屏会有美颜感、会对着镜头说话；90年代的监控摄像头没有声音、俯视角、低帧率。 第二个关键认知： AI模型有强烈的默认审美 （电影感运镜、完美构图、商业调色、干净画面）。想要真实感，必须用负面约束主动关闭这些默认行为，并在时间轴里植入"非完美事件"。 工作流程 第一步：确定四要素（缺一不可） 如果用户没有说清楚，先问这四个问题（可以合并成一次提问）： 拍摄者身份 ：谁在拍？朋友、家人、路人、Vlogger、监控、纪录片摄制组、还是无人拍摄的固定机位？ 设备与年代 ：DV、VHS、8mm胶片、iPhone、GoPro、监控、专业电影机？哪个年代？ 主体与场景 ：拍谁？在哪？什么时间段？ 情绪目标 ：温暖怀旧、孤独疏离、紧张不安、平静治愈？ 如果用户已经给出足够信息，直接推断并在输出前用一句话确认你的理解。 第二步：按七段式模板逐段生成 严格按以下顺序输出，每段独立成块，段间不混淆信息： 主要角色 → 地点 → 视觉风格 → 摄像风格 → 时间轴 → 音频 → 目标 各段写作规则： 1. 主要角色 只写可视化的具体特征：年龄段、妆容、每件衣物的颜色/材质/版型、鞋、配饰、发型细节（含碎发/刘海等小特征） 禁用抽象形容词（时尚的、好看的、有气质的） 加一句皮肤/质感描述（如"逼真的皮肤纹理"） 加一句性格气质（用于驱动肢体语言） 必须以一致性锁定句结尾 ："在整个视频中保持一致的身份、服装、发型和外貌" 2. 地点 时间段 + 地域 + 场景类型开头 罗列8到12个具体环境元素（盆栽、晾衣绳、电线杆、树影等），元素要能相互佐证同一个世界 加光影动态描述（树影移动、云影掠过） 以负面约束结尾 ：排除模型爱加的商业元素（商店、广告、人群、咖啡馆） 3. 视觉风格 用4到6个短语定义真实感层级：如"超现实主义纪录片真实感、真实的即兴行为、自然的肢体语言、无剧本的日常生活片段感、强烈的环境真实性" 4. 摄像风格 这是去AI感的核心段落。查阅 references/camera-aesthetics.md ，选取对应设备的"缺陷参数包"完整写入 原则：把设备美学翻译成6到10个具体物理现象（对焦搜索、曝光波动、滚动快门、压缩伪影等） 必须以三连负面约束结尾 ：没有稳定、没有电影化摄像机移动、没有现代色彩分级（按设备调整） 5. 时间轴 总长10到15秒，切5到7个镜头，每镜头2到3秒，用 00:00–00:02 格式 每个镜头包含三层：主体动作 + 环境呼应（风、光、动物、路人）+ 一个非完美事件 非完美事件从 references/anti-ai-checklist.md 的清单中选取，且7个镜头里不重复使用同一种 动作之间要有生活逻辑链（坐着 → 走进小巷 → 遇到猫 → 晾衣服），别写成互不相关的镜头拼贴 结尾必须有收束方式 ：突然切黑（像关机）、走出画面、镜头垂下拍到地面等，与拍摄者身份匹配 6. 音频 先声明模式（仅自然环境音 / 现场收音 + 环境） 罗列6到9个具体声音元素，与场景元素一一对应（有猫就有猫叫，有晾衣绳就有织物声） 三连否定结尾 ：没有音乐、没有音效设计、没有旁白（按需调整） 7. 目标 一句话灵魂锚点，格式："捕捉XX，仿佛一段XX的XX，用4到6个形容词收尾" 这句话是模型在细节冲突时的取舍依据，必须与前面所有段落自洽 第三步：自检（输出前必做） 对照 references/anti-ai-checklist.md 逐条检查： 角色段有一致性锁定句吗？ 地点段排除了商业元素吗？ 摄像段有至少6个物理缺陷描述 + 3个"没有XX"吗？ 时间轴每个镜头都有一个非完美事件吗？有重复吗？ 结尾有收束方式吗？ 音频段的声音元素与画面元素对应吗？ 全文有没有漏进抽象形容词（美丽的、电影感的、高级的）？ 目标句与拍摄者身份/设备/年代自洽吗？ 第四步：交付 输出完整提示词（中文或英文按用户需求，投喂给模型时英文通常效果更稳，可主动提供英文版） 附一段简短说明：这条提示词的"素材来源身份"设定是什么，用户想调整时改哪几个旋钮（设备包、时间段、情绪词、收束方式） 参考文件 references/camera-aesthetics.md ：8种设备/媒介的缺陷参数包，写摄像风格段时必读 references/atmosphere-dictionary.md ：氛围词到具体视觉现象的翻译表，写地点和时间轴时查阅 references/anti-ai-checklist.md ：AI感来源清单、负面约束句库、非完美事件库，自检时必读 变体处理 用户要非写实风格 （动画、赛博朋克、广告片）：七段式结构不变，但摄像段改为对应媒介的美学参数（动画帧率、广告片的运镜语言），负面约束改为排除该风格不要的元素 用户要多角色 ：每个角色独立一段描述，各自带一致性锁定句，并在时间轴中明确角色间互动 用户只要优化现有提示词 ：先按七段式诊断缺哪些段、哪些段密度不足，给出诊断表再重写 超过15秒的长视频 ：建议拆成多条提示词分段生成，每条保持角色段完全一致以维持连续性