Desktop Outfit Video

AI 桌面换装视频

把用户一句话的想法，扩写成一条能直出 30 秒成片的 Seedance 提示词。

工作流

第一步：问清楚

一次只问一个，每个都给默认值，用户说「默认」或直接跳过就用默认值。全部用默认值时，产出的就是原版复刻。用户开头已经给过的答案（比如「做 30 秒」）不要再问。

1. 主角是谁？ 默认：中国古典美人，鹅蛋脸、杏眼、长直黑发过肩、皮肤白皙。

追问一句：有没有人物参考图？有的话让用户给出图片 URL 或本地路径。

1. 场景？ 默认：深蓝灰色调房间，黑色皮沙发，冷调柔光。

场景里如果没有沙发，把沙发写进 {场景}（节拍模板仍写沙发，不能改）。

1. 三套造型？ 默认：黑白条纹上衣配休闲裤 → 蓝黑格纹 JK → 酒红格纹学院风西装。
2. 对白？ 一次给两套让用户选，不要让用户自己改文案，也不要多一轮「帮我改成兼容的」。

• A 默认（原版）： 点单「想看 JK」／称呼「老公」／结尾「机会用完啦，老公想留哪套呢？」
• B 兼容： 点单对准第二套的短识别名（原版第二套是 JK，所以默认点单是「想看 JK」）；称呼和结尾沿用默认。例如造型是「水手服 → 洛丽塔 → 白领制服」时，B 为「想看洛丽塔」／「老公」／「机会用完啦，老公想留哪套呢？」
• 三套仍是默认时，A 和 B 相同，只出 A。
• 问法：对白两套，回 A / B，或自己改三条。 然后列出 A、B。

1. 尺度档位？ 软 / 中 / 硬，默认中。见下方「尺度档位」。
2. 时长？ 默认 30 秒。开头已说 30 秒就跳过。

第二步：填模板

用下面的模板，把答案填进对应位置。除了填空处，模板一个字都不要改——节拍、机位规则、字幕规则是这类视频成立的骨架，改了就不像了。

时长不是 30 秒时，按比例压缩节拍的时间区间，但八个节拍一个都不能删。

第三步：问用户怎么用

提示词给出后，问：

> 提示词好了。你是自己复制到即梦/豆包里用，还是我直接调 Seedance 2.5 API 帮你生成？

• 选复制 → 把提示词完整输出，结束。同时提醒：即梦里比例选 16:9、时长选对、确认对白音频是开的、不要开任何运镜预设。
• 选 API → 进入第四步。

第四步：走 API（仅当用户选择时）

1. 要 API Key。让用户去 火山方舟控制台 创建，或确认环境变量 ARK_API_KEY 已设置。永远不要把 Key 写进任何文件或提交到 git。
2. 要 model ID。优先用用户从方舟「开通管理 / 在线推理」复制的接入点。用户没给时，用预置推理接入点 doubao-seedance-2-5-260628（短名 doubao-seedance-2-5 可能 404，不要死磕）。
3. 跑 scripts/seedance.py，参数见该文件顶部。脚本会按有无参考图自动选分辨率。
4. 任务是异步的，30 秒视频通常要等几分钟。脚本会自己轮询并下载。

Seedance 2.5 参数（以官方文档 + 实测为准）

官方方舟已宣布 1080P（10bit）上线。上次出片落到 720p，不是 1080p 不受支持，而是多传了 2.5 不认的字段，任务以 InternalServiceError 秒失败。

| 参数 | 值 | 说明 | |---|---|---| | resolution | 文生视频 "1080p"；带参考图 "720p" | 官方参数表：1080p 可选，但参考图场景不支持 1080p。文生视频默认 1080p。 | | generate_audio | True | 不开就是默片，对白和字幕全没了 | | duration | 30 | 2.5 支持 4–30 秒 | | ratio | "16:9" | 桌面天然是横屏 | | camera_fixed | 不要传 | r2v 会 400：camera_fixed is not supported ... must be empty。固定机位只写在提示词里。 | | optimize_prompt | 不要传 | 传 false 会 InternalServiceError，看起来像分辨率问题 | | watermark | 不要传 | 默认已是无水印；显式传也会内部错误 |

1080p 文生视频若仍报 InvalidParameter（resolution）或 InternalServiceError，降到 720p 只重试一次，不要一上来就把默认改成 720p。

参考图

• 本地路径可以，脚本会转 data URI；提示词里写 @图1。
• 写实人脸直接传会 400：InputImageSensitiveContentDetected.PrivacyInformation。不要原图重试。改用文字锁脸继续出片，并告诉用户：要锁真人需走方舟 LAS 素材库 asset://，不能直接上传。
• 被拒后把【人物】换回文字外貌描述（按参考图写五官发型肤色），不要再挂图。

---

提示词模板

【画面】
模拟一台电脑的全屏桌面录屏：左上角一列桌面图标，底部一条任务栏，屏幕主体是一张会实时互动的动态壁纸。壁纸内容是{场景}。固定机位，一镜到底，全程不推、不拉、不摇，镜头绝对不跟人移动。

【人物】
{人物描述}。坐在沙发上、位于画面右侧，画面左侧留空给字幕。真人实拍质感，皮肤有自然纹理和毛孔，不磨皮，不要网红脸，不要 CG 或 3D 渲染感。全程同一个人，五官、发型、肤色、身材比例严格不变，只换衣服。

【服装】
三套依次出现，{尺度档位}：
一、{造型一}
二、{造型二}
三、{造型三}

【节拍】
0–3s 她穿第一套坐在沙发上，腿上抱着黑色靠枕，整理了一下头发，看向镜头微笑，说「说吧……今天想看什么？」
3–5s 画外男声（始终不露脸）说「{男声点单}」。她安静听着，笑意加深，轻轻点头。
5–7s 她说「好，等我一下」，把靠枕放到一旁，撑着沙发起身。
7–10s 起身时身体从镜头前掠过，镜头不跟随，头部移出画面上沿，随后走出画面右侧。沙发空镜停留约一秒。
10–14s 她换好第二套从右侧走回来，站得离镜头较近。因为镜头没有抬高，画面里只看得到腰部以下的{造型二的下装}，头在画面外。她轻轻转动腰身让下摆摆动，说「当当……{称呼}，怎么样？」画外男声回答「嗯，不错」。
14–18s 她说「等等，还有一套」，转身走出画面。沙发空镜再停留约一秒。
18–21s 她换好第三套走回来，仍然只拍到腰以下，{造型三的关键识别物}清晰完整，不在走动中变形。她问「这套呢？」画外男声说「这套也好看」。
21–25s 她坐回沙发，把靠枕重新放在腿上，整理头发和衣领，微微侧身靠住沙发。脸重新完整入画，一直看着镜头，表情自信亲近。
25–30s 她抱着靠枕露出得意的笑，说「{结尾钩子}」然后轻轻偏头，保持微笑，画面自然结束。

【字幕】
字幕固定出现在画面左侧中部，不要放在底部。纤细无衬线中文字体，无底框，轻微发光。她说话时是淡紫色文字、左边一个小扬声器图标；画外男声说话时是白色文字、左边一个小麦克风图标。字幕下方有一条细白色音频波形随声音跳动。字幕跟着发音逐字打出，说完停留一下再整句淡出，不要整句突然出现，也不要提前显示后面的字。

【声音】
中文对白。她的声音是贴脸近场收音，口型精确对上；男声只有画外音，不露脸。垫一层很轻的电子环境音乐，说话时自动压低。换装进出画面时各有一声短促的「嗖」声。她的表演自然克制，不夸张卖萌；男声说话时她闭嘴聆听。

有人物参考图时，把【人物】整段换成：

外貌严格参考 @图1，只锁五官、发型、肤色和身份，服装按下文变化。坐在沙发上、位于画面右侧，画面左侧留空给字幕。全程同一个人，身材比例不变，只换衣服。

尺度档位

• 软：上装统一是低圆领修身款，身材曲线明显
• 中：上装统一是低圆领修身款，上围明显，微露事业线
• 硬：上装统一是低 V 领修身款，上围饱满，事业线明显

没有哪一档保证过审，平台策略是黑盒。被拒就降一档重试，别在提示词里堆更多形容词——那只会让模型畸变。想要更明显的身材特征，挂参考图比写文字有效得多。

不要改的东西

这四条改了就不是这个品类了：

1. 镜头绝对不跟人移动。 她站起来时镜头不抬，只拍到腰以下、头在画外——这是「真的像我电脑壁纸」的全部来源。
2. 每次换装前留一秒空沙发。 没有这个空镜，换装会变成瞬移或者直接在身上变形。
3. 字幕在左侧中部，不在底部。 放底部就成了普通短视频。
4. 八个节拍的顺序。 可以换台词内容，不能删节拍。

时间码只写整秒，不要写 0.1 秒精度——模型遵循的是顺序和相对时长，小数点后的数字不会被兑现。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: liyupi
• Source: liyupi/ai-desktop-outfit-video
• License: MIT

Install and usage instructions live in the source repository linked above.