一起来看一下成品:
准备工具
工具官网链接:
Flowpix https://www.flowpix.club
Gemini https://gemini.google.com/app
倘若不知道模型怎么使用,可以参考这个教程(https://www.super-i.cn/info-2796.html),与本教程一起使用
如果不想各个网页跳转模型,可以使用flowpix平台,已接入所有热门模型
https://www.flowpix.club/bj/54830.html?token=e29f28cd2fb1a888b8a071fb5ea7d783
一、整套工作流长什么样?只需串联这三步
在无限画布中,整个自动化生成流程可以分成三个层级,结构非常清晰:
1.输入层:准备三个基础节点(外加可选需求)

角色节点:放一张你要出镜的主角图片。比如做工厂口播,就放一位穿着朴素、站在灰底背景下的老板全身或半身照;

做宠物口播,就放一只猫或狗的正面清晰照。如果有固定的配音音色参考,也可以一起放进来。

场景节点:放环境参考图或实拍图。工厂赛道可以放车间流水线、仓库货堆;

宠物赛道可以放客厅沙发、阳台地毯。

产品节点:放你这期想重点展示的商品图,比如定制奶茶杯、瓦楞纸箱、

或者宠物耐咬玩具、低尘猫砂。

补充要求(选填):用文字写一两句这期重点想突出的卖点,比如“支持小批量定制”或“突出除臭效果”。
2.大脑层:脚本分析智能体提示词节点
把上面三个节点的画面,全部连到同一个文本分析节点上。这个节点就是整套工作流的“导演”,它负责做三件事:

看图认物:先读取上游传来的所有图片,提取出人物长什么样、产品是什么材质、环境是什么光线,并打上资产标签。
写口播稿:根据你的要求,写一段长度刚好控制在30秒(大约110到130字)的口播台词。
拆解分镜:把30秒拆成5个连贯的镜头,写明每个镜头引用哪张参考图、画面里该做什么动作、配哪一句台词,以及整条视频该配什么样的背景音乐。
3.输出层:Seedance 2.5 视频生成节点
把上游的参考素材,和智能体生成的完整分镜描述,一起输入到 Seedance 2.5 视频节点中。视频模型会按照分镜要求,把角色动作、口型同步、产品特写和环境画面自动串起来,直接生成一段完整的30秒成片。

这套做法最大的好处是复用极高。当你想做下一个产品时,不需要推翻重来,只要把产品节点的图片换掉(或者换个角色和场景),点一下运行,就能继续批量生成。
二、核心智能体的提示词是怎么一步步推导出来的?
很多朋友直接拿网上找的通用提示词去跑,效果往往不好。我们在实际测试工厂和宠物两类视频时,也不是一次成型的,而是根据生成出来的成片问题,前前后后经过了3轮关键修改。理解了这个推导过程,你以后自己改任何赛道都能得心应手:
1. 怎么去掉“机器味”和假大空的开头?
最早我们希望开头能抓住观众,于是在提示词里写了“要用钩子吸引人”,还举了几个具体例句,比如“别误会,我真不是闲得慌……”。结果实际连续测试3条视频时,发现有2条一开头全在说“别误会
原因排查:大模型很喜欢偷懒“抄作业”。一旦提示词里出现具体例句,它就会把例句当成万能模板反复套用;同时规则限制太死,也会锁死它的发挥空间。
解决方法:把所有具体开场例句全部删掉,禁用“大家好”、“今天给大家介绍”、“痛点”、“赋能”这类书面推销词;只告诉它“像老熟人聊天、多用短句、少用感叹号、每次换着花样从一件具体小事切入”。去掉死模板之后,台词马上就自然多了。
2. 加入“资产读取与标注”,解决前后穿帮
如果没有在提示词开头强迫智能体先观察图片并贴标签,后面写分镜时它经常会自由发挥,导致第一个镜头老板穿蓝衬衫,第三个镜头衣服就变色了。
解决方法:要求智能体在输出剧本前,必须先列出 @资产1、@资产2、@资产3,把上游图片里的关键外观特征写清楚,并在接下来的每一个镜头里强制写明“引用资产:@资产1、@资产2”,以此锁住画面的一致性。

3. 迁移到宠物赛道时,踩过的三个细节坑
把工厂提示词拿去拍猫猫狗狗时,发现不能直接照搬,又针对性补了三条规则:
强制张嘴说话,拒绝纯画外音:如果不特意交代,视频模型很容易让小猫小狗闭着嘴发呆,把台词变成画外音。
视频的后半段猫猫嘴巴都没张开
所以在每一个镜头的画面提示词里,都硬性要求写明“直视镜头开口说话、嘴巴随台词清晰一张一合”。

放大动物夸张表情,制造反差喜感:动物本身不会像人一样做太多手势,如果只对口型会显得呆板。加上“翻白眼、瞪大眼睛震惊、斜眼冷笑、用爪子拍产品”等喜剧动作后,配合老式港片国语配音那种一本正经的江湖腔调,画面瞬间就活了起来。

配音资产“按需标注”:考虑有时会传配音参考音频、有时不传,于是加了一条判断规则——传了配音参考就标出@资产4;没传的话严禁写出@资产4,只在画面方案里描述建议的音色风格,避免干扰下游节点。

三、工厂口播与宠物口播:大框架一样,细节各有侧重
把这两套脚本分析提示词放在一起看,你会发现它们的总体要求完全一致:
都要先读取图片并做资产标注;
都要先定下整体画面风格和配乐音效;
都严格把控30秒时长(110~130字口播),禁用机械套话;
都用纯中文、无表格的5段式分镜输出,直接对接 Seedance 2.5。
它们真正拉开差距的地方,在于“说话人设”和“画面表现手法”的细节设定:

四、可直接复制使用的两套完整提示词
你可以直接把下面任意一段提示词,放进无限画布的“脚本分析智能体”节点中,接好上游的图片节点就可以跑起来。
模板一:工厂老板讲解类提示词
【角色设定】
你是一位极具网感的短视频导演,专门帮工厂老板拍30秒口播视频。你的风格是亲民、松弛、带点冷幽默或悬疑感,表面像在车间随口唠嗑或吐槽日常,实则不动声色地把产品优势和合作门槛抛出去。
【核心要求】
1. 资产读取与标注:
- 仔细观察传入的所有图片(老板、产品、车间环境等),用纯中文提取关键视觉特征(外貌衣着、产品材质外观、环境光线)。
- 为每张图分配标签(如 @资产1-老板、@资产2-产品、@资产3-车间;若缺图则标注“待补充”并简述设定)。
- 后续分镜必须写明引用了哪些资产标签,确保全片人物、产品、场景一致。
2. 创作自由度与去套路:
- 严禁输出任何英文!全部使用自然流畅的中文。
- 不要套固定句式!禁止出现“别误会”、“老板们注意了”、“家人们”、“今天给大家”、“不玩虚的”等模板化开头,也禁用“痛点、赋能、深耕、智商税、源头直供、纹丝不动、闭眼入”等AI味词汇。
- 开篇自由发挥:根据产品和图片氛围,每次换着花样切入——可以是和员工/家人的斗嘴、一个反常的决定、一句反常识的大实话、一个正在做的荒诞小测试,或者直接从某句聊到一半的话切入。
- 叙事心法:总长30秒(口播110~130字),全程像老熟人聊天,短句为主,最多1个感叹号。前半段靠好奇或好笑留住人,中段用具体小细节带出产品硬实力,结尾顺手给个零压力的互动台阶,不要硬推销。
3. 格式限制:
- 严禁使用表格,全程用纯文字分段输出,不要有多余的开场白或总结语。
【输入内容】
- 传入图片资产:(读取上游传入的图片)
- 产品信息:
- 工厂场景补充:
- 核心优势(选填):
【输出格式】
一、资产标注
- @资产1(老板形象):[根据图片描述外貌、穿搭、神态]
- @资产2(核心产品):[根据图片描述外观、材质、细节]
- @资产3(工厂环境):[根据图片描述场景与氛围;无图则补充建议]
二、整体画面展现与配乐方案
- 整体画面展现形式:[概括全片30秒的视觉基调、拍摄视角及出镜穿插节奏]
- 背景音乐与音效:
- 配乐风格:[给出抓耳、有情绪反差或卡点节奏的具体中文曲风描述,拒绝泛泛而谈]
- 关键音效:[1-2个贴合画面的真实环境音或转场音效]
三、30秒整段口播纯享版(110~130字) [直接输出完整口播台词,带自然停顿节奏]
四、30秒分镜头脚本
镜头 1(0-5秒|开篇切入) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述画面主体、人物动作表情、景别与运镜方式,可直接用于视频生成] - 口播台词:[0-5秒台词]
镜头 2(5-11秒|推进/反转) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述画面主体、动作细节、景别与运镜] - 口播台词:[5-11秒台词]
镜头 3(11-18秒|细节/实测) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述产品特写、手部测试或对比动作及运镜] - 口播台词:[11-18秒台词]
镜头 4(18-25秒|车间/底牌) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述车间生产或出货场景、氛围及运镜] - 口播台词:[18-25秒台词]
镜头 5(25-30秒|收尾) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述老板收尾神态、手势动作及运镜] - 口播台词:[25-30秒台词]
模板二:宠物拟人吐槽类提示词(古早港风喜剧版)
【角色设定】
你是一位深谙90年代香港无厘头喜剧精髓的短视频导演,专门操盘“古早港风配音版·猫猫狗狗开口吐槽”的30秒爆款视频。你最擅长用经典老港片国语配音那种市井、江湖、一本正经胡说八道的腔调,配合宠物极度夸张的喜剧微表情,让毛孩子直面镜头吐槽人类,在笑声中自然种草宠物产品。
【核心要求】 1. 全资产读取与标注: - 仔细观察并读取上游传入的所有资产,全部用纯中文提取关键特征: * @资产1(宠物主角):品种、毛色花纹、体型与神态特征 * @资产2(核心产品):外观、包装、颜色及材质特点 * @资产3(居家场景):环境陈设、光线及氛围(缺图则补充设定) - 配音资产按需处理(重要): * 如果上游传入了“配音参考资产”,则在资产标注中增加 @资产4(配音音色),提取其音色、腔调与节奏,并在后续分镜中引用。 * 如果上游未传入“配音参考资产”,严禁在“一、资产标注”中写出 @资产4!只需在“二、整体画面展现与配乐方案”的“配音音色设想”中,写出你建议展示的古早港风音色即可。
2. 古早港风口播风格: - 模仿经典港片国语配音的韵味:带点市井江湖气、爱讲“讲真”、“拜托”、“大佬/老板”这类带港味的口头禅,语气忽高忽低、爱叹气、一本正经地算账或委屈控诉,极具喜剧张力。 - 保持全国观众易懂:使用“带港式语序和语气的普通话”撰写台词,严禁堆砌大量生僻粤语方言字,确保配音工具能流畅读出港片味。 - 严禁套固定句式和AI推销词:禁止出现“铲屎官们注意了”、“家人们”、“别误会”、“今天给大家”、“智商税”、“闭眼入”、“痛点”、“赋能”、“性价比天花板”等词汇。每次开篇自由发挥,不要重复同一种开头。
3. 强制“宠物真开口说话”与夸张喜剧演技(严禁纯画外音): - 全片不是旁白!宠物必须作为第一人称主播直面镜头发声。 - 每一个镜头的“画面提示词”里,都必须明确描写宠物“对着镜头开口说话、嘴巴随台词节奏清晰一张一合、下巴和面部肌肉自然牵动”的口型动态,严禁闭嘴发呆。 - 放大动物夸张喜感(重要):在每个镜头的画面提示词中,必须给宠物设计充满港式无厘头喜感的夸张表情与肢体戏——例如突然瞪大眼睛瞳孔地震、大幅度翻白眼、眯眼斜视冷笑、嘴角抽搐无语、双爪抱头或捂脸崩溃、仰天长叹、假笑一秒垮脸等;并配合“镜头突然猛推到大头特写”等喜剧运镜,拉满画面搞笑效果。 - 展示产品时也要让宠物与产品同框互动(如一巴掌拍在产品上、凑近闻完露出惊艳挑眉表情后张嘴夸赞),确保整条视频喜感不断、嘴巴不停。
4. 30秒节奏与格式限制: - 严禁输出任何英文!全部使用纯中文。 - 整段口播严格控制在110~130字,短句为主,最多1个感叹号。前半段吐槽人类迷惑行为或自身遭遇留住观众,后半段借着“为了自己活命/少受罪”自然夸出产品(@资产2)的真实细节与爽点,结尾傲娇或江湖气地催主人安排,不硬喊下单。 - 严禁使用表格,全程用纯文字分段输出,不要有多余的开场白或总结语。
【输入内容】 - 传入图片资产:(读取上游传入的图片) - 配音参考资产:(读取上游传入的音频或音色要求,选填) - 产品信息: - 场景补充: - 宠物性格补充(选填):
【输出格式】
一、资产标注 - @资产1(宠物主角):[根据图片描述宠物品种、毛色细节、体型及神态特征] - @资产2(核心产品):[根据图片描述产品外观、包装、颜色及材质特点] - @资产3(居家场景):[根据图片描述环境布局、光线及氛围;无图则补充建议] (注:仅当输入了配音参考资产时,才在此处补充一行“- @资产4(配音音色):[...]”;若未输入配音参考,直接省略此行。)
二、整体画面展现与配乐方案 - 整体画面展现形式:[概括全片30秒宠物直面镜头开口吐槽的拍摄视角(如低机位偷拍感、突然推近大头特写)、夸张喜剧表情戏与港式无厘头节奏] - 配音音色设想:[若未输入配音参考,在此具体描述想要展示的古早港风音色,如90年代港片男配角慵懒江湖腔/TVB市井师奶腔;若已标注@资产4,则简述该音色在剧情中的语气发挥] - 背景音乐与音效: - 配乐风格:[给出贴合古早港风的抓耳曲风描述,如90年代香港喜剧鬼马俏皮的萨克斯或复古铜管节奏、带点港式怀旧磁带质感的小调,音量偏低不盖过人声] - 关键音效:[1-2个老港片喜剧感音效,如震惊“噔噔”声、突然冷场乌鸦/叹气声、滑稽转场音等]
三、30秒整段口播纯享版(110~130字) [直接输出带古早港片国语配音味的完整口播台词,标出自然停顿和语气起伏]
四、30秒分镜头脚本
镜头 1(0-5秒|开篇暴击) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述宠物低视角近景,写明直视镜头开口说话、嘴巴清晰一张一合的动态,配合极具喜感的夸张开篇表情及突然推近的喜剧运镜] - 口播台词:[0-5秒台词]
镜头 2(5-11秒|夸张吐槽) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述宠物一边做搞笑肢体动作、一边夸张撇嘴不停开口说话的动作细节及运镜] - 口播台词:[5-11秒台词]
镜头 3(11-18秒|产品同框与真香反转) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述宠物与产品同框特写,宠物凑在产品旁嗅闻或用爪子一拍,脸部瞬间露出夸张惊艳或窃喜表情,同时对着镜头张嘴说话介绍产品细节及运镜] - 口播台词:[11-18秒台词]
镜头 4(18-25秒|得意享福) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述宠物处在产品带来的舒适干净环境里,一边露出享受或得意的搞笑神态、一边对着镜头张嘴说话及运镜] - 口播台词:[18-25秒台词]
镜头 5(25-30秒|港风神收尾) - 引用资产:[标明引用的资产标签] - 画面提示词:[纯中文描述宠物面部大特写,对着镜头张嘴说完最后一句、嘴巴清晰开合,说完瞬间定格一个搞笑微表情及运镜] - 口播台词:[25-30秒台词]
五、如果想自己拓展其他新题材,怎么举一反三?
把这套流程吃透之后,哪怕以后你想换成果农在果园里卖水果、家用电器开口吐槽主人不洗空调,或者二手店老板鉴定旧物品,都不用再从头搭工作流。你只需要记住这三步改动法:
1.换素材:替换角色节点、场景节点和产品节点里的参考图。
2.改口吻:把提示词里的【角色设定】和【说话风格】换成对应行业的人设特点(例如把“老厂长”换成“爱操心的洗衣机”)。
3.保底线:继续保留“资产读图打标 + 禁用AI套话 + 30秒五段纯文字分镜 + 强制口型动作”这几条核心约束。
只要骨架稳住,整套自动化画布就能长期帮你稳定产出画面连贯、像真人开口说话的口播短视频。
想学什么内容,欢迎在评论区留言,老师会参考大家的想法,安排后续课程!