点击生成之前：AI 视频提示词的 20 项起飞前检查清单

在画面出现之前核查各项决定

当镜头已经写好、参考图也已备齐，在我正式投入生成之前，我会使用这份清单。它把那些容易藏在长篇描述里的小决定集中到一起：声音应该做什么，附件提供了什么，以及一段动作在哪里结束、下一段又从哪里开始。

我的工作清单汇集了从 Higgsfield 公开资料中整理出的检查项。我把它当作这套工作流程的准备工具，每一项旁边都标注「是」或「否」；如果某项检查没有通过，我会先修改文字，再进行生成。

音频

1. 音频指令是明确的

• [ ] 音频已关闭，或者下方的环境音效指令一字不差地出现在文中。

我会把音频设置和文字放在一起核对，而不是假设一段视觉描述就能决定声音。在这套工作流程的环境音效版本中，我使用这一行：

Audio: Environmental SFX only. No music. No subtitles.

2. 音乐只在这条指令中被提及

• [ ] 指代音乐的那个词，除了音频那一行之外没有出现在任何地方。

搜索全文，包括对氛围的描述。一处零散的提及，就可能与受限的声音指令相矛盾，所以我会先把它删掉，再把这项检查视为完成。

3. 括号已经删除

• [ ] 提示词中没有任何左括号或右括号。

这项检查来自 Seedance 2.5 的工作流程，原始资料把括号与生成配乐的请求联系在一起。我检查的是实际提交的文字，包括技术性的旁注，而不只是主要的动作段落。

场景解读

4. 含糊的场景有一个前提

• [ ] 如果场景可能被理解为事故、暴力或伤害，开头就要说明这个场景是什么。

我把前提放在物理描述之前，让动作开始时语境已经就位。这个字段是对预期场景的陈述，而不是一连串的否认。

PREMISE:

5. 年龄和段落界限清晰

• [ ] 每个人都用数字标明年龄，成年人与未成年人分别写在不同的段落里。

这是我视频准备清单中的一项检查，而不是角色设定表的格式要求。我会检查镜头中描述的每一个人，不把这种区分留给附件或读者自行理解。

6. 术语审查已经完成

• [ ] 我在提交之前，已经从内容审核的角度检查了措辞。

只有在审阅过实际文字之后，才勾选这一项。我把措辞审查与前提检查分开，因为清晰的场景描述和经过审阅的词汇，是准备工作中两个不同的部分。

7. 否认句没有引入不想要的概念

• [ ] 文中没有关于儿童、裸露或与真实人物相似的防御性否认。

我直接描述预期的场景。下面这些原始示例标出的是需要删除的措辞；它们不是用来附加在提示词后面的段落。

not a child
no nudity
not resembling any real person

名称与可见文字

8. 没有品牌名和真实人物姓名

• [ ] 文中没有设备或物品的品牌、电影或制片公司的名称，也没有导演、摄影师和其他人的姓名。

我对技术描述的检查与对动作的检查同样仔细。一个被用作外观简称的名字，在提交的文字里依然是一个名字。

9. 文字有明确的作用和语言

• [ ] 可见的标牌使用虚构品牌或通用功能，并且声明了文字所用的语言。

如果镜头中包含文字内容，我会单独检查这些指令。这项检查既包括文字代表什么，也包括它应该以哪种语言出现。

参考图

10. 参考图数量有限且各有用途

• [ ] 参考图不超过八张，每一张都被赋予不同的作用。

八张是我这份清单背后那套原始资料采用的上限，并不代表每个模型的附件数量限制。在认定这组参考图准备就绪之前，我会逐一检查每张图的作用。

11. 参考图配有书面的物理描述

• [ ] 每张参考图在提示词中都有对应的物理描述。

附件和文字必须描述同一个预期贡献。我会在原位阅读每一段参考图描述，而不是依赖一份不会被提交的单独笔记。

12. 身份与设定表的呈现方式分开

• [ ] 角色参考同时包含下面两条指令。

匹配指令针对的是人物本身。第二行则防止摄影棚设定表的呈现方式变成生成镜头的场景或版式。

100% matches the reference
Studio sheet background and layout NOT inherited

文字准备

13. 提交的文字全部为英文

• [ ] 动作、氛围、表情和参考图描述全部用英文书写。

我会检查连接词和标签，也会检查各个段落。一份大体是英文的草稿，仍然可能夹带从工作笔记中延续下来、尚未翻译的指示。

14. 草稿标签已经处理完毕

• [ ] 没有尚未展开的指令标签，也没有关于在剪辑时再添加什么的备注。

留下来的每一条指令，都必须是专为生成而写的指令。我会删除准备阶段的简写，而不是假设模型知道它代表的是哪一段缺失的内容。

15. 生成设置放在提示词之外

• [ ] 分辨率、时长、画幅比例和模型都写在参数行里，位于描述性文字之外。

我会把这一行与预期的生成设置进行比较。把设置集中在一起，这项检查就无需在动作描述中翻找零散的技术数值。

镜头结构

16. 完整的标题部分齐全

• [ ] 标题部分是从所用的既定镜头格式中完整复制过来的。

我会逐行把标题与既定的镜头格式进行比较，而不是凭记忆重新拼凑。完整复制，能让这项检查在我审阅各段动作之前，专注于完整性本身。

17. 每一段都从上一段结束的地方开始

• [ ] 每一段都有景别与光学的小标题，其起始状态与上一段的结束状态完全一致。

我比较的是描述这些状态的实际句子。如果书面上的位置或物体状态在两段之间发生了变化，仅有相同的意图是不够的。

18. 清点了可见的演员人数

• [ ] 用大写字母写明确切人数，并附上排除未具名群众演员的指令。

我会把这个人数与整个镜头中描述的人物逐一核对。这项检查关注的是谁出现在画面中，因此它属于镜头结构，而不是关于整部影片演员阵容的笼统备注。

19. 约束条件紧挨着它所保护的动作

• [ ] 地理位置、物体状态、画面方向和比例方面的约束，都紧邻相关的描述，并且每一个否定都配有对应的正面替代。

把每一条约束与相邻的动作一起阅读。文字应当在关键之处直接写明所需的安排，而不是让一条远处的限制去承担整个镜头。

生成记录

20. 保存了确切的提交文字

• [ ] 在生成之前保存了提示词原文，以便一旦被拒绝就能记录下来。

我保存的是实际将要提交的内容，而不是之前的草稿。原始工作流程指出，被标记的生成可能不会在 Assets 中留下任何条目，因此单独保存一份文字记录非常重要。

做出决定

只有当每一项适用的检查都已在文字或设置中得到解决时，我才会生成。保留确切的版本，让我能够依据自己实际提交的内容去调查一次拒绝，而不是依据自己记得写过的内容。