H3 古风舞蹈创作方法论：从动作动链到导演级运镜
一套基于长期实践沉淀的 AI 舞蹈制作工作流。
目标不是让提示词变长，而是让模型明确：人物如何运动、动作如何衔接、音乐在哪里触发变化、镜头为什么移动，以及哪些视觉信息不能被擅自重新创作。
1/20｜核心原则：先建立舞蹈，再建立镜头。
AI 古风 MV 最常见的问题，不是人物不够漂亮，而是舞蹈没有真正成立。
人物可能一直走路、重复摆动、原地转圈、机械甩袖，或者每隔几秒重新摆出一个漂亮姿势。镜头虽然不断变化，却掩盖不了动作本身的贫乏。
我的基本工作流是：
作品意图 → 音乐分析 → 编舞设计 → 身体动力学 → 动作衔接 → 动作与音乐对齐 → 摄影机设计 → 分段组织 → 逐项自检。
编舞是主体，镜头是表达工具，提示词是执行方案。
不要从一堆摄影术语开始，再往里面塞动作。
2/20｜第一步：先定义作品，不要先写动作。
每段创作前先回答五个问题：
-
作品属于哪种舞蹈类型？
-
这一段的情绪与能量处于什么位置？
-
最重要的身体动作是什么？
-
观众最应该看到什么动作信息？
-
这一段在整支作品中承担什么功能？
古风慢板、古风快板、侠舞、宫廷舞、现代卡点舞和抒情舞不能共用同一套动作密度。
古风慢板可以让一个动作充分展开，利用呼吸、提沉、眼神和动作余韵填充时间；快板则需要更清晰的落点、连续的动作变化和更高的动作密度。
先确定舞蹈类型，再决定动作数量、幅度、速度与镜头语言。
3/20｜建立舞蹈的三层结构。
每段舞蹈不应只有一份动作清单，而应由三层组成。
持续层： 整段始终存在的身体动态，例如古风舞的提沉呼吸、重心流动和身韵。
动链层： 本段真正需要执行的主要舞蹈动作，包括脚步、转身、躯干动作、手臂路径、重拍动作与恢复。
微动作层： 反拍或动作间隙中的头部、眼神、手指、手腕等细微变化。
三层并不是要求身体每个部位始终运动，而是避免人物完成一个动作后便失去动力，等待下一条指令。
持续层提供生命感，动链层构成舞蹈，微动作层赋予细节。
4/20｜舞蹈动链必须写出完整的物理过程。
我使用的动作链不是简单的「动作名称＋形容词」，而是包含以下要素：
① 起始状态与受力来源 ② 进入路径与支撑点 ③ 重心和身体轴线 ④ 动作随时间的发展 ⑤ 技术峰值与重拍完成 ⑥ 惯性延续 ⑦ 身体各部位的回收顺序 ⑧ 服装与身体的物理关系 ⑨ 摄影机的空间几何 ⑩ 音乐触发条件。
以旋转为例，只写「完成一个旋转」远远不够。
需要先确定从什么姿势进入、由哪只脚支撑、身体通过什么路径打开、旋转轴如何形成、手臂如何参与角动量控制，以及旋转结束后如何吸收惯性、重新建立平衡。
其他动作也一样：跳跃必须有起跳和落地吸收，地板动作必须写进入与恢复路径，长袖或裙摆则必须服从真实的运动惯性。
模型需要的不只是知道动作叫什么，而是知道人如何真正做出这个动作。
5/20｜古风舞的身体动力链：脚步 → 重心 → 身韵 → 手臂 → 眼神。
古风舞不能只靠手臂和袖子的运动来表现。
脚下需要建立支撑，重心需要移动，骨盆和躯干需要传递动力，肩臂再把动作延伸到腕部与指尖，最终由头部方向和眼神完成表达。
可以组合的动作元素包括：
-
交叉步、侧移、短步转向、重心切换与回弹。
-
躯干拧转、斜探、提沉、倾身、反向牵引。
-
手臂圆弧、斜线展开、切腕、回腕、收放和延伸。
-
转身中的方向变化、动作后的惯性延续，以及有控制的姿态收束。
古风的优雅来自身体各部分的协同，而不是每个部位单独做漂亮动作。
6/20｜动作密度要符合音乐，也要符合动作的完成时间。
可以把以下密度作为编舞时的初步参考，而不是硬性公式：
古风慢板：每 8 拍约 1–2 个主要动作链，以呼吸、眼神及动作余韵维持连续性。
古风快板：每 8 拍约 4–6 个清晰动作变化。
甜系宅舞：每 8 拍约 2–3 个动作链，必要时在乐句结束安排短暂定格。
实际密度仍要服从音乐速度、动作难度、舞蹈风格与角色状态。
一个主要动作需要准备、发起、展开、达到峰值和恢复。不能因为两秒里存在三个强拍，就强行安排三个彼此无关的大动作。
动作密度不是动作数量越多越好，而是有效动作与音乐时间相匹配。
7/20｜整支舞必须有动作主题，而不是一段一套互不相关的动作。
动作素材与完整作品之间，差的往往是 Motif：可以反复识别、变形和回收的动作主题。
例如，一个「双臂收拢 → 对角线展开」的动作主题，可以在开场首次出现，中段被打断、变形、放大，低潮时只保留手腕或躯干的残留，最后再重新完整出现。
每次重复都可以改变力度、速度、幅度、方向或身体部位，但应保留足够的动作联系。
同时还要规划整首舞的动态曲线：建立、发展、高潮、释放、留白与收束。
不是每段都要比上一段更强，也不是每段都必须换一套新动作。
作品需要发展，也需要对前面建立的动作记忆作出回应。
8/20｜身体的运动质地决定段落性格。
只改变动作幅度，无法真正建立丰富的舞蹈语言。
运动质地可以包括：
-
Sustained：持续展开。
-
Percussive：清晰、迅速的动作重音。
-
Swing：有摆荡与惯性。
-
Collapse：重心有控制地下沉。
-
Rebound：蓄力后的弹性回返。
-
Suspension：动作在峰值附近短暂悬留。
-
Wave：动力连续传递形成波动。
-
Vacuum：动作能量突然收缩，形成克制的留白。
这些词必须转化成真实的运动行为，而不是仅仅出现在提示词中。
如果一段定义为流动质地，动作就应体现连续的重心传递和身体波动；如果定义为凌厉质地，就应具有清晰的发力、路径和制动。
每段应有独特的运动质地，但质地变化必须通过动作本身实现。
9/20｜旋转、跳跃和大型动作需要技术预算。
高难度动作不是越多越好。
要预先规划旋转次数、进入方向、支撑脚、轴线、角动量、结束位置和恢复过程。
一次高质量旋转，应当有明确的进入、旋转、减速和落定，而不是在没有支撑逻辑的情况下不断增加圈数。
跳跃、蹲伏、倾倒和地板动作同样需要建立完整的身体路径。
古风舞尤其要避免把所有高潮都写成转圈、甩袖或大幅度抬臂。高难度动作应当为作品的主要视觉节点服务，而不是成为持续堆叠的装饰。
先保证每一个 Hero 动作成立，再决定它是否值得放大。
10/20｜摄影机几何：不要只写角度名称，要写真实空间关系。
我的运镜规则要求尽量摆脱抽象的角度标签，也不使用数字角度来代替摄影机设计。
要明确写出：
摄影机实际位于人物哪里、镜头中心的高度、人物与镜头的距离、光轴瞄准身体哪个位置、地面与身体的关系，以及摄影机沿什么路径移动。
例如，贴地腿部特写应说明镜头靠近人物脚部的实际位置，画面如何捕捉支撑脚与腿部动作，以及镜头怎样短距离跟随动作。
「低角度」本身并不能保证得到正确视角。只有物理位置、目标关系与运动路径一致，模型才有更明确的执行依据。
不要让抽象的摄影术语代替真正的摄影机几何。
11/20｜镜头不是越复杂越好，而是每次运动都要有目的。
跟拍、横向 Tracking、肩后视角、有限环绕、推近与局部特写都有各自适用的动作语义。
但不能为了显得高级，就在一个镜头中同时安排推近、环绕、升高、甩动、变焦和横移。
通常为每个镜头选择一个主要运动，再围绕舞者的动作路径设计摄影机反应。
每次硬切或运动都应该带来新的信息，例如揭示支撑脚、展示新的身体线条、表现动作方向变化或强调关键重拍。
Camera movement and cuts exist for new information, physical motivation and musical structure—not random variety.
镜头应该帮助观众看懂动作，而不是与舞者争夺注意力。
12/20｜景别本身也是编舞的一部分。
全身、中近景、膝部以上、腰部以上、手部特写和面部特写分别提供不同的动作信息。
如果要展示脚步的承重和转向，就应让脚部成为画面的主体；如果要展示上身扭转与手臂轨迹，就不能让摄影机始终只盯着脸。
局部特写应该从真实存在的身体区域出发，并为后续动作提供视觉入口。
对于独立生成的舞蹈分段，可以在每段选择一个不同的局部特写开场，再根据动作的发展安排硬切、跟拍或有限环绕。
但必须先明确项目采用哪种镜头模式：独立蒙太奇、连续物理镜头，还是分组一镜到底。不能把互相矛盾的剪辑规则同时写进一个方案。
景别不是装饰，它决定观众能够读取哪一部分舞蹈信息。
13/20｜音乐时间轴必须可执行、可核对。
Audio 1 是实际生成中的最终时间依据。
在具有可靠节拍分析数据时，应核对 BPM、Beat、Bar、Phrase、首拍偏移、分段起止时间与歌词事件边界。
每段提示词使用局部时间，不能把整首歌的绝对时间直接当作段内时间。
随后将动作划分为准备、发起、峰值和恢复，使动作真正对应音乐节点：弱拍可以用于准备与传递，正拍用于动作到达，强拍或乐句节点可以承载更大的动作变化。
但不能机械地要求每个节拍都有一次全新的动作。音乐节拍是组织工具，不是动作生成器。
当节拍数据不完整或首拍相位不确定时，应明确标记这一精度限制，不能把推算的拍点冒充实测结果。
14/20｜分段生成的核心：独立性与结构纪律。
H3 的单段提示词应当可以独立复制使用，不能依赖模型记住上一段的长篇指令。
每段需要明确自己的输入引用、起始动作状态、主要动链、局部时间轴、摄影机设计和终止状态。
但是，独立生成不代表每段都必须重新站立、双脚并拢、面对镜头。
在需要动作连续性的作品里，可以让段尾保留正在进行的转身、重心移动或手臂展开；在独立蒙太奇作品里，则可以为每段重新设计有目的的局部构图。
只有明确采用跨段衔接模式时，才需要进一步规定动作状态匹配。
分段是生成组织方式，不是要求舞蹈每隔十几秒重新开始。
15/20｜参考图的视觉权威与文字的设计边界。
我的工作流强调，先确定 Picture 1 的权威范围，再写动作。
如果 Picture 1 同时承担人物与场景依据，那么提示词就应避免无必要地重新描述已有外观，并将重点放到模型必须执行的动作与镜头上。
如果用户指定参考图只负责身份，而不负责姿势或环境，就必须明确区分这些权限，不能无条件把同一套规则套用到所有任务。
同样，文字不能因为提到某个意象，就擅自把它变成画面中的实体。歌词可以提供情绪和段落含义，但不自动授权换装、添加道具、生成额外人物或改变场景。
参考图决定它被赋予的视觉范围，文字只负责明确需要新设计的内容。
16/20｜连续性要从世界、人物和物理关系三个层面检查。
视觉一致性不是简单重复一句「保持一致」。
需要检查人物身份是否稳定，背景与空间关系是否漂移，原有道具是否变化，以及身体与地面、衣物和惯性之间是否符合物理关系。
当同一场景贯穿多段时，应保持相同世界结构；当同一件道具反复出现时，应保持它原有的数量、位置与状态。
与此同时，不要为了防止某种错误而反复写入具体的错误物件名称。如果视觉信息已经由 Picture 1 提供，通常优先省略不必要的外观描述，而不是用大量负面句子不断提醒模型注意那些不存在的东西。
稳定的结果来自清晰的视觉权限与明确的动作定义，不是无限累积的禁令。
17/20｜负面约束必须有正向动作方案作为替代。
单独写「不要走路」「不要乱挥手」「不要静止」，往往没有告诉模型下一步应当做什么。
更有效的写法是：
不要只写「不要普通走路」，而是规定位移由交叉步、重心转移、支撑脚转向和回弹组成。
不要只写「不要乱挥手」，而是明确手臂从哪里开始，沿哪条路径移动，在哪个节拍完成，以及最终到达什么位置。
不要只写「不要静止」，而是明确哪些时刻需要保持一拍的动作定势、定势之后怎样进入下一句。
静止本身并不是错误。没有音乐依据、没有动作意图、没有后续衔接的空站，才是问题。
优秀的约束应该把模型引向正确行为，而不是只告诉它什么不能做。
18/20｜H3 提示词需要明确语法结构与模块职责。
多模态提示词不是普通的自然语言作文。
应当明确区分参考图、主体定义、环境描述、音频时间依据、动作描述、镜头设计和声音规则。
在需要使用 H3 专用标签时，应准确使用对应的 Picture、Audio、Video 或 Subject 引用，并保持每个引用的职责清晰，避免把身份、动作、环境和声音的权限混在一起。
如果一张图负责人物身份，一段视频负责运动与摄影机参考，一段音频负责最终时间轴，那么提示词就应分别声明这些角色，而不是简单写成「参考所有素材生成视频」。
同时，提示词应根据任务需求控制长度。已有图片能够提供的信息，不应无意义地反复文字化。
结构化不等于堆叠标签，关键是让每种输入只承担清楚、明确的职责。
19/20｜最后一道工序：模拟模型的失败方式，再交付。
交付之前，对每段进行导演级自检：
① 去掉摄影机文字，动作本身是否仍像真正的舞蹈？
② 身体动力链是否完整，手臂是否有明确路径与到达点？
③ 动作难度是否匹配实际时长？
④ 节拍是否使用本段局部时间，是否存在时间越界？
⑤ 是否混淆了歌词意象与画面实体？
⑥ 是否无意中引入新的服装、道具、人物或场景？
⑦ 每个镜头是否有足够明确的空间位置、运动路径与拍摄目的？
⑧ 动作恢复后是否仍有合理的下一步，而非无意义地归零？
⑨ 每段是否满足当前项目指定的剪辑模式？
⑩ 是否使用负面禁令掩盖了动作设计本身的不足？
如果其中任何一项不成立，就应该先修改对应设计，而不是直接继续增加形容词。
20/20｜最终总结：建立一套可复用的创作系统，而不是一份万能提示词。
这套方法的真正价值，在于把 AI 舞蹈制作拆解成能够独立思考、互相校验的模块：
作品意图决定编舞方向；舞蹈动链决定身体如何运动；音乐时间轴决定动作何时发生；摄影机几何决定观众从哪里观看；参考图权限与连续性约束决定哪些视觉信息能够改变。
每个模块都要有明确职责，但最后必须共同服务于一支完整的舞蹈。
导演级提示词的标准，不是写得足够复杂，而是动作有因果、节拍有依据、镜头有理由、分段有结构、视觉有边界。
古风舞蹈 H3 完整提示词示例 ：
沿着这个主题继续读
从一篇文章，找到相关的教程、经验和阅读路径。
