Awesome Seedance：字节跳动 Seedance AI 视频提示词验证库

想象一个场景：深夜，你盯着 AI 视频工具，绞尽脑汁写了一段 150 字的中文提示词，点击生成——出来的是一段模糊不清、动作僵硬、脸部扭曲的"高清废片"。你删掉重来，反复调整，换了三个模型，结果依然令人沮丧。

这不是你能力不够，而是提示词这座"桥"没有搭好。

Awesome Seedance 就是来解决这个问题的。它不是一个视频生成器，而是一套经过人工验证、可直接复用的 Seedance 2.0/2.5 提示词模板库，帮助你绕过"写提示词"这个最大的瓶颈，把 AI 视频从"碰运气"变成"稳输出"。

图：goodcase-retest-evidence 对比了同一提示词在不同模型下的生成效果，提供了客观的参考依据。

背景：Seedance 是什么，它为什么重要

Seedance（即梦）是字节跳动推出的 AI 视频生成模型，2025 年随 ByteDance AI 视频工具矩阵正式发布。与传统视频生成工具不同，Seedance 采用"参考生成"（Reference-based Generation）范式——用户不只是写一段文字描述，而是可以同时输入最多 12 个参考文件（图片、视频、音频、分镜脚本），让模型像导演一样调用这些素材来创作。

这带来一个根本性的体验转变：提示词时代正在过去，AI 导演时代正在到来。

然而，当用户真正上手 Seedance 时，普遍遇到的问题是：提示词写什么？怎么写？写多长？中英文哪个更好？为什么照着官方文档写出来还是"高清废片"？

Awesome Seedance 的作者 Gorden Sun（孙鹏），在字节跳动、阿里巴巴、百度有六年大模型研发经验，2023 年转型 AI 视频方向后，制作的 AI 短片相继登陆央视、芒果 TV、浙江卫视，单片播放量突破百万。他在 2024 年创立 GoodCase 平台（goodcase.ai），专门做 AI 视频提示词的质量验证与整理，Awesome Seedance 正是这一工作的 GitHub 开源版本。

核心功能：不是提示词合集，而是验证过的提示词体系

Awesome Seedance 区别于普通提示词收集的最大特点是每一句话都有来源、每一条都经过复测。

数据规模

截至 2026 年 9 月，仓库收录了 529 条经过验证的 Seedance 案例（2.0 版本 217 条，2.5 版本 312 条），每条案例均对应原始发布帖的链接，用户可以追溯到创作来源。背后还有 GoodCase 平台积累的 1318 条验证案例横跨视频、图像、UI 和文案四大类别。

264 次跨模型复测

作者不仅收集提示词，还会拿同一条提示词在 Seedance 和其他主流模型（Kling、Sora、Veo 等）上重新跑一遍，记录效果对比。这叫 Retest（复测）。截至统计日，已完成 264 次跨模型复测，覆盖 254 条案例，平均稳定性评分达到 77.9/100。

这意味着用户不仅知道"这个提示词管用"，还能知道"它在其他模型上表现如何"——这对选择工具和迁移工作流非常有价值。

25 个分类模板

529 条案例被归纳为 25 个可复用的提示词模板，分布在 6 大类别下。每一类模板提供了结构化的写法公式，用户只需把自己的内容填进去。

典型模板如"UGC 口播测评带货"，给出了完整的段落结构：主体描述、动作设定、场景布置、光影风格、镜头语言、画质参数。用户只需替换产品名称和使用场景，5 分钟就能产出一条完整的 Seedance 提示词。

60 个可安装的 AI Video Skill

Awesome Seedance 还提供了 60 个可直接在 Claude Code 和 Codex 中安装的 AI Video Skill。以 npx skills add LearnPrompt/goodcase-lite --skill storyboard-grid-to-video 为例，用户只需一行命令就能将"分镜脚本图转视频"的完整提示词技能安装到本地 AI 编码助手，生成视频时直接调用。

这些 Skill 涵盖 12 个垂类：3D 卡通、汽车/车辆、史诗奇幻科幻、时尚 LOOKBOOK、恐怖悬疑、表情包/喜剧、宠物动物、复古 DV/家庭视频、体育极限运动、分镜脚本转视频、城市漫步旅行。

技术细节：模板驱动，无代码依赖

Awesome Seedance 的技术实现非常轻量。

语言与工具链：项目以 JavaScript/Node.js 为核心，package.json 定义了完整的脚本体系：npm run generate 用于自动生成 README 和 Skill 参考文档；npm run test 运行单元测试覆盖渲染、分段、提交、模板、standalone-skill 五个模块；npm run check:links 验证链接有效性；npm run refresh:site 从 GoodCase 平台拉取最新统计数据并更新复测结果。

数据存储：提示词案例以 JSON 格式存储在 data/cases.json，模板定义在 data/templates-local.json，分类型元数据在 data/case-taxonomy.json，技能定义在 data/skills.json，每日统计在 data/stats.json。所有数据按固定 Schema 组织，便于自动化处理和前端渲染。

国际化：README 提供英文、中文（README_zh.md）、日文（README_ja.md）三个版本，对应三种不同的用户社区。

许可证：代码部分采用 MIT 许可证，聚合内容采用 CC BY 4.0 许可证，确保了知识共享的合规性。

部署体验：无需部署，零门槛使用

作为提示词模板库，Awesome Seedance 不需要任何服务器部署。用户使用它的方式有三种：

第一种：直接在 GitHub 页面浏览，复制提示词使用。适合临时查阅。

第二种：克隆仓库到本地，运行 node scripts/generate-readme.mjs 根据自己的用例重新生成定制化的 README。适合深度用户。

第三种：通过 npm 安装 AI Video Skill 到 Claude Code 或 Codex，生成视频时直接调用。适合开发者深度集成。

无论是哪种方式，都不需要 GPU、不需要 Docker、不需要配置任何云服务。上手门槛极低。

局限性：提示词≠生成质量

尽管 Awesome Seedance 提供了丰富的验证数据，用户仍需注意以下局限：

提示词有效不等于生成质量稳定。作者给出的 77.9 分平均稳定性说明，即便使用了完全相同的提示词，Seedance 在不同运行中仍有约 22% 的概率出现质量波动（脸部变形、动作断裂、色彩失真等）。这反映了当前 AI 视频生成技术的本质局限，而非 Awesome Seedance 的问题。

Seedance 是参考生成模型，其核心能力在于调用多个参考文件协同创作。如果用户没有高质量的参考图片或视频素材，仅靠提示词很难发挥 Seedance 的全部潜力。这意味着 Awesome Seedance 更适合有一定素材积累的专业用户，而非完全从零开始的纯新手。

跨模型复测数据具有时效性。AI 模型的迭代速度极快，264 次复测结果反映的是测试时的模型版本表现，用户在使用时应将其作为参考基准而非绝对标准。

行业意义：从"写提示词"到"用提示词"

Awesome Seedance 的出现代表了 AI 视频领域的一个趋势转变：提示词工程正在从"个人经验积累"向"社区协作验证"演进。

传统模式下，每个 AI 视频创作者都需要独自经历大量失败的试错，才能总结出可靠的提示词写法。Awesome Seedance 通过系统性收集、人工验证、跨模型对比，将这个试错过程从个人扩展到社区，大幅降低了整个生态的学习成本。

作者 Gorden Sun 曾在播客中提到，他做 GoodCase 的初心就是"让好的提示词不再被淹没在无效信息里"。Awesome Seedance 作为其开源载体，正是这一理念的体现：每一条可复用的提示词，背后都是一次真实的生产验证。

截至 2026 年 9 月，仓库已汇聚来自 174 位创作者 的贡献，每天都有新的案例和模板加入。对于想要系统性掌握 Seedance 提示词技巧的创作者来说，这是一份值得收藏的实用资源库。