用户看到一条好看的视频或一张好看的图,想知道怎么生成出类似的。Agent 取得原片并拆解,选一个合适的模型,把可以复刻的结构、构图、运镜、光线和风格写进提示词,把原片的人物、品牌和文案换成用户自己的,交付一组可以直接生成的提示词卡。用户愿意时,用 Flova 试生成一个镜头,和原片并排对照。
和「复刻任何视频」的区别:这个灵感只交付提示词,不做成片。用户拿到提示词可以自己生成,也可以接着用「复刻任何视频」做完整片子。
工具与分工
- Teardown 参考拆解(通过 Flova MCP 按此名称查询并读取完整灵感): 取得链接里的视频或图片,并拉片拆解。必需。
- FFmpeg: 抽帧、读取时长和画幅,截取原片片段做对照。拆视频时必需。
- Flova: 查询目标模型当前的参数和参考素材要求;可选的试生成。
分项方法索引
- :视频逐镜头和图片整张要拆出的字段、从拆解到提示词、不能照搬的内容。第 2、4 步读。
- :按原片类型选 Seedance 2.5、GPT Image 2 或 MiniMax H3,以及三个模型的写法要点。第 3、4 步读。
- :卡片格式、上传和参考素材角色、在提示词里怎样指代参考素材、试生成对比。第 4–6 步读。
先说清楚的边界
- 复刻结构,不复制内容: 原片的真人、名人、受版权保护的角色、品牌、Logo、文案、台词和音乐不进入提示词,换成用户自己的或通用描述。
- 拆不出来的不编: 原片看不清、听不清的地方,写「无法确认」,不猜。
- 提示词不能保证一样: 提示词只能接近原片的感觉,不能保证生成出一模一样的画面。交付时说清楚。
- 试生成要先说: 会消耗用户的 Flova 额度,用户同意后再做。
工作流程
取得原片 → 拆解(确认点)→ 选模型、定替换(确认点)→ 写提示词卡(确认点)→ 试生成对照(可选)→ 交付
1. 取得原片
- 按 Teardown 灵感 中「取得内容」的方法下载;取不到时请用户上传文件或截图。
- 视频用 FFmpeg 读取时长、画幅、帧率,判断有没有声音。
- 问清用户的目的:想复刻整条,还是只要其中几个镜头或某种风格;要换成什么内容(自己的产品、人物、主题);手上有哪些素材。
2. 拆解(确认点)
用 Teardown 灵感 拉片,再按 补全每个镜头(或整张图)的字段:景别、运镜、主体、动作、空间、光线、风格、声音、画面文字、转场。同时整理整条视频的统一元素和节奏。
把拆解表给用户看,确认没有看错,以及要复刻哪些部分。
3. 选模型、定替换(确认点)
- 选模型: 按 推荐一个,说明理由。用户已经指定了模型就用用户的。
- 查能力: 用
creation_generation_models查目标模型(detail="full"),确认时长、画幅、参考素材的数量和角色。查不到时说明「未核实」。 - 合并镜头: 按模型能支持的时长和多镜头能力,决定哪几个镜头合成一次生成。
- 定替换: 列出原片中要换掉的东西,和用户一起定换成什么:人物换成用户的人物照或通用描述,品牌换成用户的,文案和台词按用户的内容重写,音乐只保留风格描述。
- 给用户看模型选择、镜头分组和替换清单,确认后再写。
4. 写提示词卡(确认点)
- 每次生成一张卡,按 的格式写。
- 提示词按目标模型的结构写,见 。
- 用户有参考素材时,写清每份素材负责什么、不继承什么,以及在请求里的顺序和角色。
- 跨卡片要一致的人物、产品、场景,每张卡用同样的描述和同一组参考素材。
- 每张卡的「写法说明」里注明对应原片的哪个镜头、借鉴了什么。
- 给用户看,确认后再试生成或交付。
5. 试生成对照(可选)
用户同意后,挑最能代表原片感觉的一张卡,按 用 Flova 快速生成:
- 用 FFmpeg 截出原片对应的片段或帧,和生成结果并排给用户看。
- 对照景别、运镜、光线、色调、节奏,说明哪里接近、哪里不像。
- 不像的地方改提示词再试一次,每轮只改一个变量。改好的写法同步到其他卡片。
6. 交付
- 拆解表(原片的镜头和字段)。
- 提示词卡(一组,按顺序编号),以及模型选择理由和替换清单。
- 做过试生成时:对照结果、每轮的改动和任务 ID。
- 下一步建议:想直接做成片,可以用「复刻任何视频」;某个模型的提示词想继续打磨,可以用对应模型的提示词优化灵感。
为写提示词而拆解
普通拉片关心「这条视频为什么好看」,为写提示词而拆解关心「要写出哪些字,模型才能生成出接近的画面」。本文说明每个镜头或每张图要拆出哪些字段,怎样从拆解变成提示词,以及哪些东西不能照搬。
视频:逐镜头拆
先用 Teardown 灵感 拉片,得到镜头切分和时间。然后每个镜头拆出:
同时记下整条视频的统一元素:反复出现的人物、产品、场景,整体色调和节奏。这些要在每张提示词卡里保持一致。
图片:整张拆
从拆解到提示词
- 先合并再拆分: 视频镜头很多时,不要一个镜头一张卡。把连续、同一场景、同一主体的几个镜头合成一次生成,按目标模型支持的时长和多镜头能力决定怎么合。
- 写看得见的东西: 拆解里的形容词(「高级感」「氛围好」)换成具体的光线、材质、构图和动作。
- 参考素材代替描述: 用户有自己的人物照、产品图时,用参考素材负责外观,提示词里只写它负责什么。
- 按目标模型的结构写: 见 。
不能照搬的
复刻的是结构、构图、运镜、节奏、光线和风格,不是原片的内容:
- 人物: 原片里的真人、名人、受版权保护的角色,不写进提示词去复制他们的长相。换成用户自己的人物参考,或者写成通用描述(年龄感、发型、服装)。
- 品牌与 Logo: 原片的品牌名、Logo、包装文字不照抄,换成用户的。
- 画面文字和台词: 原片的文案和台词不照抄,按用户的内容重写,或留空让用户填。
- 音乐: 不指定原片的歌曲,只描述风格、乐器、情绪和节奏。
- 独特的创意设定: 原片特别有辨识度的创意(某个专属角色、某个独有的视觉标志),提醒用户这部分换成自己的创意。
拆解文档里可以如实记录原片内容,提示词卡里只放替换后的内容。
选模型与写法要点
拆完原片后,要决定用哪个模型复刻,再按那个模型的结构写提示词。本文给出三个常用模型的选择建议和写法要点。需要深入诊断和反复优化时,用对应模型的提示词优化灵感。
模型实际支持的时长、画幅、分辨率和参考素材数量,以 creation_generation_models 的查询结果为准。用户指定了别的模型时,按 Flova Skill 的「写生成请求」写,并说明本文的写法不一定适用。
怎么选
拿不准时,告诉用户两个候选各自的取舍,让用户选。
Seedance 2.5
结构: 参考素材职责 + 一句话概述 + 具体时间线 + 全局保持项。
- 一句话概述 = 主体 + 地点 + 核心事件 + 题材风格 + 特殊镜头语言。
- 时间线按「开场 → 发展 → 高潮 → 收束」写画面、景别、运镜、动作、台词和声音。
- 每份参考素材写清迁移什么、排除什么,例如「参考视频只提供动作节奏,不继承人物和背景」。
- 镜头数量、动作密度和台词长度要配时长;短视频只留一个核心动作。
- 一镜到底只写连续路径和运镜,不要混入切镜。
- 已知限制: 参考图宽高比要在 0.39 到 2.50 之间,超出会被拒;过宽过高的图先补边。
GPT Image 2
顺序: 用途 → 场景 → 主体 → 构图 → 光线与色彩 → 风格与质感 → 画面文字 → 参考图职责 → 保持项 → 不要。
- 用途放在开头。写看得见、可验证的内容,不堆「高质量」之类的词。
- 画面文字用引号给出原文,写明位置、层级、字体倾向、颜色,以及「只出现一次,不添加其他文字」。
- 多参考图逐张分配一个职责,再说明怎样组合。
- 编辑时先列保持项,再写修改项;每轮只改一个变量。
MiniMax H3
结构: 参考素材职责 + 一句话核心创意 + 全局人物、场景、风格和声音设定 + 镜头或事件时间线 + 保持项。
- 每个镜头写成「景别 + 主体 + 动作 + 运镜 + 台词或声音」的完整句子。
- 每次切镜重述角色、服装、道具和景别。
- 台词写清说话人、语言、情绪、画内或画外;长度配镜头。
- 没有台词时写明人物保持安静、嘴巴自然闭合,并安排非说话的动作。
- 环境声、音效、音乐按事件顺序写何时进入、减弱、停止。
三个模型共同的
- 参考素材一份只负责一两件事,不写「参考所有素材」。
- 人物和产品写识别锚点,跨镜头重复。
- 负面约束少而准,正负要求不要互相矛盾。
提示词卡与交给 Flova
提示词类灵感交付的不是图片或视频,而是可以直接拿去生成的提示词卡:每个画面或镜头一张。本文说明卡片怎么写,怎样把它交给 Flova 快速生成,以及怎样用试生成验证效果。
卡片格式
每张卡片包含以下各项,没有的项写「无」:
提示词原文用目标语言写。用户用中文时默认写中文;模型写法建议英文或用户要求英文时,按要求写。台词和画面文字照抄原文,不翻译、不润色。
交给 Flova 快速生成
按 Flova Skill「快速生成」中「参考素材」的方法操作,要点:
- 查能力: 用
creation_generation_models查目标模型(detail="full"),确认所选能力的参数范围、参考素材槽位和可用角色。 - 准备参考素材: 按卡片处理好每份素材,例如补边到模型允许的宽高比、裁出需要的部分、转成支持的格式。
- 上传:
creation_upload_ticket→ 按返回的地址上传 →creation_upload_complete,得到file_ref。file_ref大约一小时后过期,提交前再上传。 - 标角色: 在
inputs里给每份素材标角色:first_frame:画面要从这张图开始,并和它一致。last_frame:画面在这张图结束。reference:参考外观、风格或内容,但不要求画面和它一样。driving_audio:用这段音频驱动口型和动作。base_video:在这段视频上编辑或续写。
- 提交并记录: 带上
client_request_id,记下卡片编号、参考素材、file_ref和任务 ID 的对应关系。
在提示词里指代参考素材
按 inputs 中同类素材的顺序,用自然语言说明参考职责,例如「第一张参考图负责人物的脸和服装,第二张负责产品外观」。图片、视频、音频分别编号。
交给其他工具
用户要贴到别的平台或工具时:
- 参考素材按目标工具的上传和引用方式整理。
- 参数以那个工具的设置项为准。
- 提醒用户:写法是按目标模型写的,换成别的模型效果可能不同。
试生成对比(可选)
试生成会消耗用户的 Flova 额度,先说明再做。
- 同样的参数、同样的参考素材,原提示词和改写后的提示词各生成一次,并排给用户看。
- 每一轮只改一个变量,例如只改参考职责,或只改时间线,才能判断是哪一处起了作用。
- 记录每轮的改动、任务 ID 和结果,最后一并交付。
- 生成结果有随机性,一次对比只能说明倾向。重要结论多生成一两次再下判断。

