同一个镜头，我在 H3 和 Seedance 上各改了 7 遍

测试素材统一：一条带货短视频里的 5 秒镜头——女主从画面右侧入镜，走到桌边拿起杯子。1280×720，24fps，没有对白。

目标只有一个：在不改变构图的前提下，让手部动作不糊。

先说结论

七轮改下来，最反直觉的一条是：两个模型对「动作描述」的敏感度差异，远小于对「镜头语言」的差异。

改动项	H3 的变化	Seedance 的变化
加「缓慢」	手部糊率 38% → 21%	基本无变化
加「手持镜头轻微晃动」	画面开始漂移	真实度明显提升
删掉「电影感」	无变化	色彩发灰
动作拆成两拍	21% → 9%	34% → 12%

糊率＝逐帧比对中手部区域清晰度低于阈值的帧占比，样本 120 帧。同一段素材、同一台机器、同一天跑完。

意思是：动作描述你知道怎么写就能写对，镜头语言你得按模型分别试。 前者是可复用的知识，后者是每个模型自己的脾气。

骨架先定死

不管换哪个模型，前三行我不动：

主体：年轻女性，右手拿白色陶瓷杯
动作：从画面右侧走入，停在桌边，拿起杯子
镜头：中景，固定机位，视线高度

这三行是画面骨架。它规定的不是风格，是「画面里发生了什么」。骨架里出现的每个词，都应该能在原片里指出来——指不出来，就等于让模型替你编。

我踩过的坑是往骨架里塞形容词：写「优雅地拿起杯子」，模型就开始自己发挥运镜和光线，构图跟着跑偏。形容词是风格层的事，别混进骨架。

H3 的七轮

关键改动发生在第 4 轮——把手部动作拆成两拍：

动作：从画面右侧走入，停在桌边；停顿约半秒；右手拿起杯子

分号加「停顿半秒」，本质是给模型一个呼吸点。原来的写法里，「停下」和「拿杯子」被压缩在同一拍内，模型必须在极短时间里同时处理两个动作，手部就糊了。拆开之后，糊率从 21% 掉到 9%。

这个改法对任何涉及手部精细动作的镜头都值得先试一遍，成本极低。

Seedance 的差异

Seedance 不吃「停顿半秒」这种描述，写不写几乎没差别。但它对镜头语言很敏感：

加「手持镜头轻微晃动」之后，画面的真实度提升明显，代价是构图会漂——需要重新加约束把主体位置钉住。删掉「电影感」会让色彩发灰，说明它对这个词有实际响应，而 H3 基本无视。

同一个词在两个模型上的作用可以完全不同，所以别直接抄别人的提示词。

收尾清单

1. 骨架三行不轻易动，形容词不进骨架
2. 动作拆分优于堆形容词，尤其手上活
3. 镜头语言按模型分别调，网上的提示词别照抄
4. 每次只改一处，改完记下数字——七轮能收敛，靠的是每轮只动一个变量

---

如果你也在做同类对照实验，欢迎把数字发我，攒多了可以出一份跨模型的敏感度对照表。