先说清谁跳、谁看
“替换两个人”留下了太多解释空间。双人模式可以先写：@Image1 是穿燕尾服的微型舞者，@Image2 是坐着观看的正常体型人物，每个镜头都保持身份独立。
场景截图提供谷仓和脚步信息，不是第三个人的身份图。加入太多原舞者的面孔，反而可能削弱你希望保留的新人物。
来源：
像描述摄像机能拍到的事情一样写
先用三秒全景交代舞者和旁观者，再切反应特写，返回舞步与手臂动作，接一个脚部细节，最后回到双人画面和结尾反应。这个顺序给模型的是一个过程，而不是一堆形容词。
动作重要时写清方向和幅度，例如抬起脚跟、小幅横向踏步、屈肘、转向旁观者。“有趣、电影感、爆款”不能告诉人物脚放在哪里。
来源：
第一次生成后，一次只改一个问题
本站已经提供各模式的完整默认分镜，不需要从零写。舞者正确但旁观者身份变化时，先加强旁观者分工，不要同时改灯光、服装和动作。场景太复杂时，先减少额外参考。
想保留梗的识别度，就保留微型舞者、深色燕尾服和稻草房间。可以调整表情与表演强度，但指令必须彼此一致。
来源：
文字分镜是重创作，不是描摹原视频
当前生产工具提交身份照片和两张场景截图，不提交参考视频。即使描述仔细，新画面的动作顺序和角度也可能变化。需要原动作完全不变时，用字幕编辑器覆盖既有片段更合适。
目前输出 15 秒、16:9，提供 480p 和 720p。检查效果时同时看身份、角色、全景和特写，不要用一张好看的截图判断双人视频。
来源：
常见问题
需要自己写全部提示词吗？
不需要，每个角色模式已经有默认分镜，选好后可以修改。
可以上传原视频做参考吗？
当前流程使用照片和场景截图，没有参考视频上传。
提示词越长，舞步就越精确吗？
不会。角色分工和一致指令比长度更有用，截图重建仍可能改变动作。