视频反推出提示词

---
name: "video-prompt-reverse"
description: "从视频反推出可复现的完美AI生成提示词：抽帧分析后按十维度拆解（主体/场景/动作/运镜/光线/风格/比例/时长/台词/氛围），产出文生视频提示词、分镜脚本、首尾帧提示词。当用户要求反推视频提示词、视频转提示词、复刻爆款视频提示词、分析视频生成提示词时调用。"
---

# 视频反推提示词（Video → Prompt）

把一段视频拆解还原成"拿去就能生成同款"的完美提示词。核心原则：**先看后写、事实与推测分离、复刻点 1:1 保留、差异点明说**。

## 0. 输入与素材准备

支持三种输入：本地视频文件、视频链接（抖音/TikTok/YouTube/在线直链）、用户口述画面。

动手前先备齐素材：

1. **抽关键帧**：首帧、尾帧、每个剪辑点各抽一张，长视频每 1-2 秒一张。优先用 mediakit-cli，其次 ffmpeg。
2. **听声音层**：转录台词原文（逐字）、辨认 BGM 情绪类型与环境音。无法自动听录时如实标注"需人工听录"，禁止瞎猜台词。
3. **看片**：必须实际查看抽出来的帧再写提示词。禁止只凭文件名或用户一句话编造画面细节。

## 1. 十维度拆解框架

对每个镜头逐维度观察并记录：

| # | 维度 | 观察什么 |
|---|------|----------|
| 1 | 主体 | 人物外貌、发型、服装材质、道具、必须保持的一致性特征 |
| 2 | 场景 | 地点、时间、天气、环境细节、前景/背景关系 |
| 3 | 动作 | 可见动作，按节拍顺序拆（先起手、再主过程、后落点） |
| 4 | 镜头运动 | 静止/推/拉/摇/俯仰/跟/环绕/手持/升降/甩/移焦/变焦 |
| 5 | 景别构图 | 远景/全景/中景/近景/特写，机位高低平，构图（居中/三分/对称/框架） |
| 6 | 光线 | 光源方向、软硬、色温、时段（黄金时刻/正午/夜景霓虹/柔光箱） |
| 7 | 风格质感 | 写实/胶片/CG/动漫/纪录片，颗粒感、景深、镜头畸变 |
| 8 | 比例时长 | 16:9 / 9:16 / 1:1，总时长、每镜时长 |
| 9 | 台词音频 | 台词原文、BGM 情绪、环境音/音效 |
| 10 | 氛围情绪 | 整体感受，2-3 个情绪词即可，不堆砌 |

拆得越细，复刻越像。第 1、4、6 项是复刻像不像的关键，能 1:1 保留就绝不泛化。

## 2. 反推工作流（四步，顺序固定）

1. **事实清单**：先输出"源视频事实"，只写看到的、听到的，用中性短句，不写形容词推测。
2. **分镜切分**：按剪辑点把视频切成镜头段，每段标时间码（如 `[00:03-00:07]`）。单镜头长拍视频按动作节拍分段，注明"单镜头内分拍"。
3. **逐镜写提示词**：每镜套用第 3 节公式，产出可独立执行的生成提示词。
4. **汇总提示词卡**：按第 5 节模板交付。

## 3. 完美提示词公式

各主流模型都从前往后解析提示词，**越靠前权重越高**。固定顺序：

> [风格基调] + 主体（含保持特征）+ 动作（单主动作+节拍）+ 场景（地点/时间）+ 镜头（一种景别 + 一种运镜 + 运动终点）+ 光线质感 + 氛围 + 声音 + 时长/比例

写作规则：

- **一镜一主动作一运镜**。运镜必须写明终点（如 "dolly in to a close-up"），不写"镜头一直动"。
- **清晰大于华丽**。形容词克制，1 个风格词 + 1-2 个质感词就够，禁止同义词堆叠。
- **时间码只在镜内分拍时用**（如 `[0-2s] 举起杯子, [2-5s] 饮下`）；单拍镜头不写时间码。
- **保持特征前置**：人物发型/服装/道具特征写进提示词开头，保证多镜一致性。
- **台词逐字给**：角色说的话用引号原样写入，标明说话人。
- **双语交付**：中文版给用户看懂，英文版给模型用（英文提示词对所有模型更稳）。
- **肢体崩坏风险必须标注**：手势舞、手部大特写、持物类镜头是手指崩点（多指/融指）；全身舞的大踢腿、交叉步走位、跳跃转身是腿脚崩点（肢体扭曲、关节反折、重心漂移）。提示词里写清肢体姿态原词（cat-paw hands / finger at chin / forward leg kick / strut step），并在差异说明里给出"首帧图生视频 + 按动作节拍分段生成再拼接"的降险方案。

## 4. 模型适配

| 模型 | 提示词要点 |
|------|-----------|
| Seedance 2.5/2.0 | 六要素顺序：主体-动作-场景-镜头-观感-音频；支持 `@Video` 运镜参考、`@Image` 首帧参考；镜内分拍用时间码 |
| Sora 2 / Veo 3 | 自然语言长句段落，可直接写台词与音效描述，多用电影术语（cinematography 词汇） |
| Kling 可灵 / Hailuo / Vidu | 短句关键词风格，主谓宾直给；配负面提示词（如 blurry, deformed hands, extra fingers, text artifacts） |
| 图生视频流程 | 先用图像模型生成首帧（附首帧图提示词），再带首帧 + 视频提示词生成，角色一致性最高 |

运镜词中英对照（通用高命中）：

| 中文 | 英文提示词 |
|------|-----------|
| 跟拍 | tracking shot |
| 推镜头 / 拉镜头 | dolly in / dolly out |
| 升降 | crane shot |
| 手持微晃 | handheld |
| 固定机位 | locked-off tripod |
| 甩镜头 | whip pan |
| 移焦 | rack focus |
| 环绕 | orbit around |
| 摇 / 俯仰 | pan / tilt |

## 5. 输出模板（提示词卡）

每次反推按此结构交付：

```markdown
## 视频概览
（一段话：时长、比例、题材、整体风格）

## 完整生成提示词（英文，直接可用）
> ...

## 提示词中文对照
> ...

## 分镜表
| 时间码 | 画面 | 运镜 | 台词 | 逐镜提示词 |
|--------|------|------|------|-----------|

## 首帧 / 尾帧图提示词
（用于图生视频流程）

## 声音层
- 台词原文：...
- BGM 情绪：...
- 音效：...

## 负面提示词
> ...

## 复刻差异说明
（原视频中 AI 无法 1:1 复现的部分：实拍多机位、真人表演细节、手指/肢体崩坏风险、版权素材等）
```

## 6. 质量检查清单（"完美提示词"验收线）

交付前逐项过一遍：

- [ ] 事实与推测分离，未编造画面里没有的细节
- [ ] 人物保持特征（发型/服装/道具）完整且多镜一致
- [ ] 每镜只有一个主动作、一种运镜、运镜有终点
- [ ] 提示词顺序符合公式（主体在前，风格在后）
- [ ] 写明比例、时长、声音层
- [ ] 有分镜时间码与台词逐字原文（无台词要明说"无"）
- [ ] 手部特写/手势舞已标注手指风险、全身舞已标注腿部走位风险，均附降险方案
- [ ] 有复刻差异说明，未承诺 1:1 效果
- [ ] 中英双语齐全

## 7. 配套与边界

- 生成验证链路：首帧图用 gpt-image / visual-image-generator 出图，视频用 doubao-seedance-video 生成；要"画面+配音整体复刻"时交给 video-style-analysis 技能做完整流水线。
- 版权边界：只反推用户有权使用的视频；提醒用户复刻成品用于公开发布时需自行确认素材与肖像授权。
- 实拍多镜头视频反推出的是"风格近似"的 AI 生成方案，不是逐像素复制——在差异说明里如实标注。

## 示例（极简）

输入："一条 15 秒爆款视频：雨中撑红伞的女孩走过霓虹街口，镜头缓缓推近她的侧脸。"

输出提示词（英文）：

> Cinematic realism. A young woman with long black hair, holding a bright red umbrella, wearing a beige trench coat, walking slowly through a neon-lit city crosswalk in the rain. Wet asphalt reflects colorful neon signs. Slow dolly in from a medium shot to a close-up of her profile. Soft neon lighting, teal and magenta tones, shallow depth of field, light rain streaks. Calm, melancholic mood. Sound of light rain and distant traffic. 16:9, 15 seconds.