Creative Space
提示词复刻

內容

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:

字段拆什么例子
时长起止时间00:03.2–00:06.8
景别与视角远景到特写,平视、俯视、仰视中景,略低机位仰拍
运镜方向、速度、跟随对象;是否一镜到底缓慢向右横移,同时摇摄保持人物居中
主体人物或产品的可见特征:年龄感、发型、服装、材质、颜色二十多岁女性,短发,米色风衣
动作起始状态 → 过程 → 结束状态坐着看窗外 → 起身 → 走到门口回头
空间与环境地点、时间、天气、前中后景傍晚的老式公寓客厅,窗外下雨
光线与色彩主光方向、色温、对比、调色窗外冷光,室内一盏暖色台灯,低饱和
风格与媒介写实、动画、广告、电影感;质感胶片颗粒,浅景深
声音台词(原文、说话人)、环境声、音效、音乐何时进出雨声持续;开门时门轴吱呀声
画面文字原文、位置、样式无
转场硬切、叠化、遮挡转场、匹配剪辑人物走过镜头前遮挡转场

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

字段拆什么
用途海报、产品图、主视觉、插画、角色设定
场景环境、时间、空间层次
主体外观、材质、姿态、动作、与其他物体的关系
构图景别、视角、焦段感、主体位置、留白、画幅
光线与色彩主光、补光、阴影、色温、主色
风格与质感摄影、插画、3D、平面设计;关键材质
画面文字每段原文、位置、层级、字体倾向、颜色

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

原片是什么推荐原因
图片:海报、主视觉、产品图、信息图,尤其有准确文字GPT Image 2文字渲染、版式和精确编辑强
视频:较长叙事、连续动作、多参考素材(人物、产品、场景、动作)、写实广告Seedance 2.5多模态参考和长时间线强,支持编辑、延长、转场
视频:画面、对白、环境声、音效要一起出来的多镜头短片MiniMax H3镜头语言和声音的先后关系写得清楚

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」:

项写什么
编号例如 P01,对应用户的画面或原片的镜头
目标模型与能力例如 Seedance 2.5 · 多模态参考生视频;GPT Image 2 · 图像编辑
用途一句话:这张图或这段视频拿去做什么
提示词可以直接粘贴的完整原文,用一个代码块给出
参考素材每份一行:文件名、在请求里排第几、角色(见下文)、负责什么、不继承什么
参数时长、画幅、分辨率等。取值以 creation_generation_models 的查询结果为准,查不到时写「未核实」
保持项必须不变的人物、产品、文字、构图
写法说明两三句:为什么这样写,对应模型写法里的哪条规则
验收要点生成后看什么来判断成没成,例如脸是否一致、文字是否逐字正确、动作有没有瞬移

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:

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。

創作流程

  1. FFmpeg

    FFmpeg

    提取参考画面

    截取关键帧,查看构图、动作和镜头变化。

  2. Flova

    Flova

    生成测试镜头

    用整理好的提示词生成画面,与参考对照。