Seedance2

SKILL.md

---
name: ark-video
description: >
  Seedance 2.0 video generation via 火山引擎方舟 (ARK). 文生视频 / 图生视频 / 视频转视频 V2V,
  多模态参考（images + videos + audio，最多 12 个文件），V2V 风格迁移，视频续写.
  CLI: ark-video / seedance2.
  USE THIS when user wants 生成视频 / 文生视频 / 图生视频 / 火山方舟视频 / doubao 视频 /
  generate AI video / text-to-video / image-to-video (first frame, first+last frame) /
  V2V style transfer / video editing / video extension / web-search-enhanced generation.
  包含实战 prompt patterns（区别于通用 prompt 入门 skill）：
  V2V Lock-Down Pattern（v2v 无显式 negative prompt 时用正面措辞反复重复锁死维度的工作流） +
  Pose-as-Prompt Movement Sheet（16 格灰度动作表解决 img2video 时序控制） +
  画布节点 vs R2V 整片范式区别 + Apple cinematic 沉静低语风格.
  Triggers: ark-video, seedance, seedance2, sd2, 视频生成, 火山方舟, doubao 视频,
  V2V, 视频风格迁移, generate video, AI video, text to video, image to video.
---

# ARK Video Generation (Seedance 2.0)

## Setup
- API key: `$SEEDANCE_2_API_KEY` (fallback: `$ARK_API_KEY`)
- CLI: `ark-video` (at `scripts/ark-video.py`, symlinked to `~/.local/bin/ark-video`)
- Back-compat alias: `seedance2` 命令仍可用，指向同一个脚本
- No external Python dependencies — uses only stdlib (`urllib`, `json`, `base64`, `argparse`)

## CLI Usage

```bash
# Text-to-video
ark-video t2v "一只猫在弹钢琴" --duration 8 --ratio 16:9

# Image → video (first frame)
ark-video i2v photo.jpg "camera slowly zooms out"

# Image → video (first + last frame)
ark-video i2v first.jpg last.jpg "smooth transition"

# Multi-modal reference (images + videos + audio)
ark-video ref "广告视频" -i product.jpg -i logo.png -v reference.mp4 -a bgm.mp3

# Edit existing video
ark-video edit "把视频里的猫换成狗" -v source.mp4 -i dog.jpg

# Extend / concatenate videos
ark-video ext "镜头继续向前推进" -v clip1.mp4 -v clip2.mp4

# Query task status
ark-video status cgt-20260316-xxxxx

# Wait for completion + download
ark-video wait cgt-20260316-xxxxx -o output.mp4
```

## Common Options
| Flag | Default | Description |
|------|---------|-------------|
| `--model fast` | `2.0` | Use 2.0 fast (faster, cheaper) |
| `--ratio` | `adaptive` | `16:9` `4:3` `1:1` `3:4` `9:16` `21:9` |
| `--duration N` | `5` | 4-15 seconds, or `-1` for auto |
| `--resolution` | `720p` | `480p` or `720p` |
| `--no-audio` | audio on | Disable audio generation |
| `--web-search` | off | Enable web search (t2v only) |
| `--no-watermark` | watermark on | Remove watermark |
| `-o FILE` | — | Download output to file |
| `--wait` | — | Auto-wait for completion |
| `--poll N` | `15` | Poll interval in seconds |

## Input Formats
All media arguments accept three formats:
1. **Local file** — auto base64-encoded (e.g. `./photo.jpg`)
2. **Public URL** — passed through (e.g. `https://example.com/img.jpg`)
3. **Asset URI** — virtual avatar from 方舟 (e.g. `asset://asset-20260224-xxxxx`)

## Workflow Pattern

Typical generation workflow:
1. Create task → get `task_id`
2. Poll status every 15-30s until `succeeded`
3. Download video (URL expires in 24h)

The `--wait` flag or `ark-video wait` command handles steps 2-3 automatically.

## Generation Modes — Decision Guide

| Need | Command | Key constraint |
|------|---------|----------------|
| Pure text prompt | `t2v` | Supports `--web-search` |
| Control first frame precisely | `i2v` (1 image) | 1 image only |
| Control first + last frame | `i2v` (2 images) | Exactly 2 images |
| Style/character/scene references | `ref` | Up to 9 images + 3 videos + 3 audio |
| Modify existing video | `edit` | Source video + reference images + instruction |
| Stitch / continue videos | `ext` | Up to 3 videos, total ≤15s |

⚠️ `i2v` (first/last frame) and `ref` (reference) modes are **mutually exclusive** — do not mix roles.

## API Details
For full API spec (parameters, constraints, pixel dimensions, rate limits), read `references/api-spec.md`.

实战 prompt 模式完整模板 → `references/prompt-patterns.md`：
- **i2v 多段动作叙事**（Narrative Multi-Beat）：单图驱动 8-12s 动作链
- **V2V 持续层 + 拍点层**（Continuous + Beat-Trigger）：原片不动、叠特效层（HUD/UI/AR），按时间码 0.04s 精度触发事件
- **空间区域分锁**（Spatial Region Lock）：单帧画面里只动一部分（局部绿幕、窗外景色、画中画），用 SCENE GEOMETRY + Region A/B/C 索引模板

---

## Prompt Craft

> **通用 prompt 方法论**（敏感度模型、7层结构、人物/场景/动作模板）→ 见 `prompt-craft` skill
> 本节只覆盖 Seedance 2.0 特有的 prompt 技巧。

### Seedance 特有 Prompt 技巧

**多模态参考 > 文字描述**：有参考图/视频时，文字 prompt 只负责描述“这次要做什么变化”，不要重复参考素材已经表达的内容。

**运动描述词**：Seedance 对物理运动词汇敏感。用动词+方向+速度，不用形容词。
- ✅ "camera pushes forward through the corridor, accelerating"
- ❌ "dynamic cinematic movement"

**音频引导**：用 `-a` 传入参考音频时，prompt 里不需要再描述音乐风格——模型会从音频推断节奏和情绪。

**否定约束**：Seedance 对否定词的响应比图片模型更弱。最多1-2条，或者干脆不写。

---

### 运动品牌广告理论（案例研究）

> 来源：2026-03-29 实拍分析。不要背 prompt，要理解结构。

### 核心叙事结构：**能量积累 → 品牌具象化 → 产品揭示**

这是运动广告的经典三段式：
1. **能量蓄积**：用环境/运动员/场景碎片建立情绪张力
2. **品牌具象化**：品牌符号（logo/swoosh）作为物理实体进入画面，承载前段积累的能量
3. **产品落版**：能量收束，产品完整亮相，品牌 + 产品同框收尾

### 运镜理论：POV 追随镜头（贴身推进）

- **摄影机=品牌意志**：不是旁观者，而是和品牌符号同速运动
- 贴近主体高速前推（而非拉远俯瞰），制造「穿越空间」的侵入感
- 一镜到底感比实际连续更重要——**感知上的连贯** > 物理上的无剪辑
- 沿途元素（跑道、灯光、运动员特写）是「被切开的空间」，而不是背景板

### 品牌符号的物化方式

品牌 logo 出现在视频里有两种层次：
- **低层次**：片尾贴一个静态 logo（广告惯例）
- **高层次**：logo 成为有物理质感的能量实体，「吸附」环境纹理，像刀切开空间

Prompt 中要明确赋予 logo **质感**（金属/空气刃/光轨）和**行为**（飞出/切开/吸附），而不只是"出现"。

### 声音设计原则：**纯音效，零 BGM**

反直觉但有效：去掉背景音乐，只保留现场音效（呼吸、鞋底摩擦、面料抖动、空气断裂），反而更有冲击力。

原因：
- BGM 把情绪「外包」给音乐，削弱画面本身的力量
- 纯音效让观众感觉「在场」，提升真实感和沉浸度
- Seedance 的原生音频在这类场景表现好，值得利用

**Prompt 写法**：明确排除"背景音乐/BGM"，列举保留的具体音效类型。

### 材质感 = 可信度

产品广告的说服力来自**材质感**的堆叠：
- 鞋底橡胶纹路、面料纤维、气垫结构
- 光打在材质上的反射/折射
- 运动员皮肤/汗水/表情特写

Prompt 中不要只说「展示一双鞋」，要说出**你要看到什么材质反应**。

### Prompt 构建模板

```
[质感定位] + [运镜方式] + [品牌符号行为] + [场景碎片列举] + [产品落版] + [声音指令]
```

示例填法：
- 质感定位：「电影级/超写实/高速感」
- 运镜方式：「第一人称追随镜头/贴着主体前冲/一镜到底感」
- 品牌符号行为：「像XXX切开空间/吸附画面碎片/最终具象成产品」
- 场景碎片：越具体越好（球场灯光/跑道线/运动员面部/鞋底特写）
- 声音指令：「不要BGM，只保留[具体音效]」