抖音上刷到一条短剧合集《首尔今天有点鲁》，标签带着 LibTV。第一观感和大部分AI短剧不一样：人物的眼睛有焦点，会跟着对话对象走；表情有起承，笑容是慢慢展开的而不是瞬间挂上去的；吵嘴戏里两个人的神态张力是真实的。看起来"特别自然、传神"。

这就引出一个问题：这种自然，到底是提示词写得足够细的结果，还是别的原因？

为了回答它，我把这部短剧的同款制作教程完整扒了一遍——YouTube 上有一套 3 小时 12 分钟的全流程实操课，标题直接写着"即梦 Seedance2.5 + LibTV 制作 AI 真人短剧"，章节从剧本一直排到二次剪辑。我把整套视频下载下来抽帧分析，结论先说：提示词只是最后一层。真正让眼睛和表情自然的，是三层结构：角色资产先行、多图参考约束、模型本身的演技。 提示词写得细当然有用，但它是在前两层铺好的地基上才发挥作用的。

先看证据链

教程开头放的成片示例，和《首尔今天有点鲁》是同一套质感：

夜市摊位，两个男性角色饭桌对坐。用视觉模型逐帧审这批示例镜头，评价相当一致：人物皮肤质感、环境烟火气、两人眼神方向的对位都接近实拍；瑕疵也存在——背景人物细节发糊、张嘴说话的瞬间口腔区域有生成痕迹。“自然"背后是工程取舍：容易穿帮的部分（手部特写、长对话正反打）用镜头语言规避，优势部分（静态神态、光影、皮肤纹理）尽量放大。

宿舍场景里"帮我喊个到"的镜头，人物神态带狡黠感，低头写字的一方表情被动——这些情绪状态在单帧里就能读出来。整套示例给我的整体判断：它是用多参考图生成的短镜头拼接，每个镜头 5-15 秒，靠剪辑节奏掩盖单镜头的物理不连贯。

第一层：角色资产先行，不是先写提示词

教程的章节顺序暴露了真实的制作顺序：

1. 前言与工具介绍（即梦基本功能、Seedance2.5 四大优势、LibTV 基本功能）
2. 从故事到剧本
3. 提示词结构（RTCF 框架）
4. 资产：人物、场景、道具设计
5. 分镜与运镜
6. 文戏与武戏
7. 逐幕视频生成与剪辑
8. 二次剪辑

注意第 4 步。大部分人对 AI 视频的理解是"写一段描述→生成视频”，但这条产线是反过来的：先给每个角色建立完整的角色资产库，再让所有镜头从库里取材。

教程里演示的角色叫"铁嘴"，一个穿破旧布衣的机器人。它的资产包含：

• 三视图：LibTV 有专门的"角色三视图"节点，基于一张角色图直接生成带正面肖像特写的白底三视图
• 表情库：画面里能数出 Happy、Curious、Wink 等表情卡片，每个表情单独存为资产
• 状态与服装：LED 眼色变化（悲伤、猩红警报）、不同场景的着装版本

真人角色同样走这套。清朝太监角色的生成提示词抄录如下：

1
2
3
4

基础要求：全身正面标准站姿（A-pose），纯白背景，无多余元素，中午室内自然光
画面风格：虚幻引擎 UE5 渲染、超写实摄影风格、8K 分辨率、高精度建模、
皮肤与服装材质细节拉满、光影柔和均匀、色彩还原度高
身份年龄：清朝服饰的东厂40岁太监，驼背，佝偻着背

这段提示词值得细看。它描述的并非某个具体镜头，而在定义资产规格：站姿标准（A-pose）、背景纯净（白底）、光照均匀（中午室内自然光）——全部是为了后续步骤好取用。身份用一句"40岁太监，驼背"锚定，形体特征直接写进人设。

这就是眼睛自然的第一重原因：所有镜头里的同一张脸，来自同一组资产图。 角色一致性靠生成时把角色资产图作为参考图直接喂给模型维持，脸是"贴"进去的，每次生成无需重新想象。

第二层：多图参考，把调度权从模型手里拿回来

教程后半段进入 LibTV 画布实操，这里是我认为整条产线技术含量最高的部分。

LibTV 是节点式工作流：图片节点、文本节点、视频节点在画布上连线，素材从左往右流。视频生成面板有五种模式：文生视频、全能参考、图生视频、首尾帧、图片参考。

实际生成镜头时，提示词长这样：

1
2
3
4
5
6
7
8
9

【图片1 是盔甲将军】【图片2 是替代周】【图片3 是满清武士】【图片4 是方丈】
【图片5 胖僧人，是大鼻子僧人】【图片6 是火场全景场景】【图片7 为场景全景参考图】
【图片8 是惠能】

风格：虚幻引擎 UE5 渲染、超写实摄影风格、8K 分辨率、高精度建模、
皮肤与服装材质细节拉满、光影柔和均匀、色彩还原度高、电影级质感

画面描述：七名弓箭手【图片5】三段连射，铁蜈LED切换蓝色数据流扫描弹道。
身体连续扭曲——上身后仰、侧倾、膝部内收——箭矢擦身而过……

数一下：一个镜头挂了 8 张参考图。角色归角色（图片1-5、8），场景归场景（图片6-7），提示词正文里用【图片N】做指针，指名道姓地调度每个资产。

这对应 Seedance2.5 的"全能引用模式"——单次生成最多可混合引用 9 张图片、3 段视频、3 段音频。36氪的报道里提到，这个能力让从业者抽卡效率提高了"至少十倍"。

眼睛自然的第二重原因在这里：表演的对象是确定的。 当【图片4 方丈】和【图片8 惠能】在同一镜头里对视时，模型不需要凭空生成两个陌生人的互动，它是在两张既定人脸之间生成眼神交流。瞳孔位置、视线落点、微表情的肌肉走向，都有参考可依。这是纯文生视频永远做不到的。

文戏的提示词结构更能说明问题。教程里给出的镜头提示词模板包含：风格核心、视觉基调、场景、背景人物、中景人物站位、人物比例关系、前景遮挡、限定词。站位和比例关系单独成项——这意味着创作者在提示词层面控制"谁离镜头近、谁的脸占多大、谁被谁半遮"。神态特写之所以传神，是因为创作者一开始就规划了这个镜头的脸部占比。

第三层：模型本身的演技

前两层解决"脸对不对"，第三层解决"演得像不像"。

2025-2026 这代视频模型的共同进步是把"声画同出"做实了：口型、音效、情绪节奏在生成时同步输出。即梦 Seedance2.5 在人物真实感上的口碑有实测支撑——第三方对比测评里，即梦生成的人物"皮肤和头发带有一些自然的瑕疵，反而更像真人"。

但模型短板也明确存在。36氪报道引述从业者评价：即梦"面部表情不够细腻，比如微笑表达过于急促或有缺失，还得靠演员来演"。这条产线对此的应对方式藏在剪辑章节里：

教程最后两章是剪映二次剪辑与添加音效。左侧素材库能看到大量音效点位，音频淡入淡出逐段手调，还有"智能去字幕"之类的清理工具。AI 镜头之间用剪辑节奏衔接，音效、配乐、节奏点全部在后期手工补。 微笑太急的镜头剪掉重抽，情绪铺不满的位置用音乐垫。

所以第三重原因：模型演技不够的部分，靠抽卡加剪辑兜底。你看不到穿帮，是穿帮的镜头没被留下来。

回到最初的问题

提示词写得细不细？确实细。光线一门课就拆成光源（自然/人造）、光质（硬光/柔光）、光向（侧光/逆光/顶光）、光影（明暗面与阴影）、光色（冷/暖/青橙对抗）五个维度逐项教学。RTCF 框架把风格、构图、视距、视角、视高、光线、色调的排序顺序都规范化了。

但把《首尔今天有点鲁》的"自然"归功于提示词细节，就像把一道菜好吃归功于摆盘。真实的结构是：

• 资产层：角色三视图+表情库+状态库，脸和神态有标准件
• 参考层：单镜头最多 9 图引用，角色场景分轨挂载，视线互动有据可依
• 生成层：模型对口型、情绪节奏的原生支持，加上微笑急促就重抽的人工筛选
• 后期层：剪辑节奏、音效、配乐把 5-15 秒片段缝成连续叙事

提示词是这套系统的人机接口，不是系统的发动机。

顺带一提教程里的剧本方法论，倒是出乎意料地"传统"：3+3+3 法则（3个钩子设计+3次情绪起伏+3个反差冲突点），分集大纲表格包含钩子（前3秒）和卡点（最后5秒）两列——和真人短剧的爆款公式完全同构。AI 换掉了摄影机和演员，没换掉叙事规律。

成本侧的变化更剧烈。传统真人短剧单集 5-10 万元，这条产线单集压到 5000 元以内。字节漫剧的日 token 消耗 2026 年已突破 7000 万元，超过真人短剧。眼睛自然的 AI 演员背后，是一门被重构了成本结构的生意。

如果自己上手做：工具清单与真实成本

教程跑通了流程，但照抄它的工具组合未必划算。下面是我实际核算后的账本，价格全部来自 2026 年 9 月各平台官方页面。

先搞清楚 LibTV 是什么、多少钱

LibTV 是 LiblibAI（哩布哩布）推出的节点式 AI 视频工作流平台，核心卖点是"画布+节点"：把多模型（Seedance 2.5、Wan 3.0、Minimax H3 Max、Kling 3.0、Happy Horse 1.1）和资产库、剧本、智能分镜、剪辑整合在一个画布里，不用在五个网站之间切换导素材。教程里那些"角色三视图一键生成"“720°全景图"“多主体参考"都是它的节点功能。

它的订阅价格（2026 年 9 月双节活动价，创作会员档）：

关键要看懂这张表：积分单价随档位升高而降低，但绝对支出单调递增。 标准版每月 1500 积分，按 Seedance 2.5 720P 的积分消耗（官方表格：标准版每月约生成 33 秒该模型视频）折算，约等于每月 45 积分/秒，这是重度视频生成的档位门槛。

免费层也真实存在：登录每日赠 20 积分、每日 2 次 5 折视频、3GB 云存储、新人注册送 100 积分。但 20 积分连一条 5 秒 720P 视频都生成不了（按上表比例约需 225 积分），免费只够摸界面。

替代方案：按你的目的选

目的一：只想复现《首尔今天有点鲁》这种短剧，不订阅 LibTV 也行。

LibTV 的价值在"工作流整合”，底层模型全部可以从原厂直接用：

• 即梦（jimeng.jianying.com）：字节官方，Seedance 2.5 的原生入口。会员 ¥69/月起、¥659/年，免费用户每日 60-100 积分。注意 4 月那轮涨价：基础/标准/高级年费 659/1899/5199 元，首年折扣从 5 折调到 6 折，月积分从 1080/4000/15000 缩水到 725/2210/6160，从业者测算"一条 15 秒视频成本相差数倍”。但个人轻度使用，¥69/月仍是官方渠道最低价。
• 可灵（klingai.com）：快手官方。API 计价清晰：Kling 3.0 720P 无声 0.6 元/秒、有声 0.9 元/秒，1080P 0.8-1.2 元/秒；图片 Kling Image 3.0 一张 0.2 元。创作台订阅另算。它的镜头叙事感和电影级画质在《纸手机》《太平年》这类作品里已被验证，但角色一致性靠"主体库"而非多图引用，工作流自由度低于 LibTV。
• Wan 2.5/3.0（阿里通义）：阿里的 Happy Horse 1.0/1.1 走 API 路线，LibTV 上限时 4 折。质量上对打戏和物理模拟更稳，但中文提示词的"分镜思维"不如 Seedance。

目的二：想要即梦的模型但绕开订阅坑，走 API。

火山引擎官方 API（按 token 计费，仅对成功生成的视频收费）：

第三方渠道（如 Atlas Cloud）Seedance 2.0 快速版低至 $0.022/秒（约¥0.16/秒），但从业者反馈"API 接口不稳定，生成质量有波动"。个人短剧创作优先官方渠道，第三方适合批量跑量。

我的推荐配置（个人创作者，月预算 ¥100-300）

1. 剧本与分镜：豆包/DeepSeek 免费，写 3+3+3 结构的分集大纲+分镜表（教程同款方法，飞书文档管理）
2. 角色资产：即梦 ¥69/月会员，生成三视图+表情库（教程里那套"A-pose 白底+UE5渲染"提示词直接抄）
3. 视频生成：短剧模式优先即梦 Seedance 2.5（全能引用，9图参考）；预算紧时 Seedance 2.0 mini（API ¥0.2/秒，720P 15秒镜头约 ¥3）
4. 剪辑：剪映免费版（教程同款），音效用它的素材库
5. LibTV 订阅：月产 5 条以上再考虑进阶版（¥100/月）；低于这个量，即梦+剪映的组合省下 ¥2000+/年

一个 20 集×1 分钟的竖屏短剧，按 Seedance 2.5 API 720P 全程生成（约 20 分钟素材量），纯算力成本约 ¥1800（按 ¥1.51/秒）；换成 mini 模型+抽卡重试率 3 倍，约 ¥700。这就是"单集 5000 元以内"的构成：算力 ¥35-90/集，剩下是人的时间。

附：教程出处与考证方式

同款教程为 YouTube 频道的《即梦 Seedance2.5 + LibTV 制作 AI 真人短剧》全流程实操课，发布于 2026 年 8 月初，总时长 3 小时 12 分钟，含 10 个章节。本文全部界面截图与提示词抄录，来自对该视频的逐帧分析（1/10 秒抽帧 + 高清关键帧放大识别），工具与流程描述以视频实操画面为准。模型能力数据参考 36 氪《即梦和可灵，能不能接住AI短剧风口？》、东方财富/蓝鲸财经即梦涨价报道、火山引擎官方定价页与 LibTV 官网订阅页。

注：文中"铁嘴"“武痴七号"等角色名与提示词片段均为教学演示内容，非《首尔今天有点鲁》正片素材；成片示例截图用于风格判断，观看原片请移步抖音。