一支 25 秒的貓咪 POV：沒有貓，也沒有相機，貓道是真的。
先看成片，再往下拆整個過程：第一套做法為什麼 573 點換到可用 0 秒、
「貓跳上平台」到底要怎麼寫模型才會跳、還有整本鏡頭語言字典。
失敗的那一套也寫滿。只寫成功的做法，你會在同一個地方燒掉同一筆點數。
場景是我家的貓道，真實存在：25 公分寬的平台，從低處爬上牆、 鑽過圓洞、一路走到天花板下，最後停在高處，望向落地窗跟樓下街口。 我想用貓的眼睛把它走一遍。
相機其實有解。很多人真的用 Insta360 GO 這類拇指相機綁在貓身上拍， 一台約 NT$14,000，公開市售就買得到。器材不是門檻。
門檻是接下來這兩件事：
最難的不是攝影機，是貓根本不知道今天要拍片。
實拍拍得到、而且合理，就去實拍。 但當主體根本控制不了，或者為了幾秒畫面付出不成比例的成本—— AI 才真正開始有意義。把等運氣的鏡頭，變成可以導演的鏡頭。
不需要把攝影機綁在貓身上，不需要等牠走對路線， 連家裡的貓道都可以用實景照片直接重建。做法分四個階段：
我找了一圈，沒看到有人用純 AI 完整做出我想要的這種 「貓咪第一人稱、一鏡到底探索貓道」。當時想說：看起來應該跟一般 AI 影片差不多吧？
做下去才知道為什麼找不到。
第一版我把「貓會做的動作」直接寫進 prompt：跳上平台、轉頭看右邊、頭部隨步伐晃動。 生出來是這樣：
| 我要的 | 生出來的 |
|---|---|
| 想跳上平台 | 牠是飄上去的 |
| 想要第一人稱視角 | 整隻貓入鏡（因為我餵了完整的貓照片） |
| 想要頭部晃動 | 生出來像運鏡，不像生物在走 |
除了畫面失控，更根本的錯在驗證順序： 我驗了「單段畫面好不好看」，但這支片真正會崩的是「接點能不能串」。 單段各自都能看，串起來運動不連續，等於全部重來。
驗證要驗最可能崩的那一環，不是最好做的那一環。 動手前先回答：這次驗什麼？它崩了，整件事會不會崩？ 答不出來就先不要按生成。
整批失敗不是模型不夠強，是我跟它講了它聽不懂的語言：
影片模型是相機模擬器，不是物理引擎。 POV 片裡永遠看不到主體，觀眾看到的只有「相機發生了什麼」。 跟模型要物理，它給你幻覺；跟模型要鏡頭運動，它給你鏡頭運動。
首尾幀不是合約，是建議。模型會抵達你給的終點， 但中間怎麼走是它自己決定的。你越想在一段裡塞多件事，它走偏的空間越大。
不跟它講貓怎麼動，改跟它講「鏡頭怎麼變」。 下面不是當時逐字送出的 prompt 存檔，是我把 V2 驗證過的寫法，整理成可重用的字典條目。
The cat jumps onto the platform.（貓跳上平台）
這句是動作動詞。模型不懂跳躍的物理——蹬地、騰空、落地的重量感它都沒有， 它只執行「東西從下面移到上面」。結果就是等速上升：電梯，不是貓。
一次貓的跳躍，從鏡頭看出去其實是四個階段。每一段都只描述畫面，不出現任何動作動詞：
STEP 1 · 蹲低（GATHER）The camera dips 10 to 15 percent of the frame height downward and drifts very slightly backward, then holds almost still for 0.3 seconds with only a faint side-to-side weight shift. The regular walking bob stops during this hold.
起跳前，視角先往下沉 10–15% 畫面高、微微後退，然後停住 0.3 秒。 關鍵在最後一句：規律的步伐晃動在這裡停止——「節奏消失」就是重心壓低、準備起跳的訊號。
STEP 2 · 起跳（LAUNCH）The camera accelerates upward fast, rising while pushing slightly forward, with two or three frames of motion blur at the moment of departure. The horizon tips a few degrees. Do not describe legs or a body.
視角快速上升、同時略往前推——貓不是垂直電梯，跳躍永遠帶前進分量。 「兩三格動態模糊」給爆發感，「地平線傾斜幾度」給身體感。 最後一句是紅線：不要描述腿或身體。POV 看不到自己；你寫了腳，模型就把整隻貓生進畫面。
STEP 3 · 騰空（AIRBORNE）——最重要的一段For roughly 0.3 seconds the jolting step rhythm COMPLETELY STOPS. The camera glides smoothly with no bounce at all, the surface below falling away. This absence of bounce is what tells the viewer the animal has left the ground.
觀眾判斷「牠離地了」，靠的不是看到拋物線，是步伐頓挫的規律突然消失： 畫面從一頓一頓變成完全平滑的漂移，下方的表面遠離。 這一段講清楚，跳躍就成立了——模型完全不需要知道貓的解剖學。
STEP 4 · 落地（LANDING）A hard impact: the camera drops sharply, rebounds slightly, the horizon rolls 20 to 30 degrees, one or two frames smear, and it settles within 0.3 seconds. The regular two-per-second step rhythm then RESUMES.
落地是一記硬衝擊：急速下沉 → 微彈 → 地平線滾 20–30 度 → 0.3 秒內穩住。 然後每秒兩下的步伐節奏恢復——節奏回來，觀眾就知道牠又踩在實地上了。 沒有這記衝擊，前面的騰空都白寫：落地的重量才回頭證明剛剛真的跳了。
著地＝每秒兩下的規律頓挫；騰空＝頓挫完全停止；落地＝一記硬衝擊。 整個跳躍教學濃縮起來就這一行。其他 11 種動作（轉頭、鑽洞、攀爬……）同一套邏輯， 完整字典在下面。
V2 重做只改了三件事，全部是把任務從模型手上拿走：
| 改動 | 做法 |
|---|---|
| 改寫鏡頭語言 | 整份 prompt 不再出現動作動詞，只描述畫面變化（上一節那套） |
| 重拆鏡頭 | 照第一版實際崩掉的位置重新分段，一段只做一件事；跳躍、轉頭不跟位移擠在同一段 |
| 晃動交給後製 | 生成拿到穩定畫面，後製加垂直 22px 的步伐晃動——可控、可調、0 點數 |
模型做不穩的效果，改成後製加，比重生便宜太多。 晃動就是例子：叫模型晃，生出來像運鏡；後製加位移，一次到位。
| 項目 | 點數 | 換到什麼 |
|---|---|---|
| 第一套做法（V1） | 573 | 可用 0 秒（整批不可用） |
| 第二套做法（V2） | 402 | 25 秒可用成片 |
| 合計 | 975 | 7 天，重做一次 |
流程一句串：拆鏡頭 → 一次只解一個問題 → 挑能用的結果 → 剪輯重接成一鏡到底 → 聲音、晃動、節奏後製。
AI 省掉的不是創作。省掉的是器材、運氣，和大量的試錯。 AI 沒有讓導演消失。它只是把導演搬到了另一個位置。
12 種動作的完整寫法。這是我從 V1 的失敗裡整理出來、在 V2 用過的方法論， 不是當時送出的原始 prompt 存檔。可移植到任何動物 POV 專案。
每一段生成的 prompt，都以這兩段為底，再接動作條目：
Camera is a collar-mounted action cam on a cat, 15 to 20cm above whatever surface it stands on. Ultra-wide 110-degree lens with mild barrel distortion. Deep focus — everything from the near surface to the far end stays sharp; the foreground blur of paws and whiskers comes from being too close to focus, not from shallow depth of field. Translucent white whiskers arc in from the left edge and the top-left corner, individually visible but soft, never on the right side. Surfaces keep fine micro-texture with no smearing, no streaking and no brushed look. Shadows lifted, no crushed blacks. Raw handheld animal-cam texture.
Do not show the cat's nose, muzzle, nostrils, ears, tail or body. Only paws and whiskers. Do not render a whole animal anywhere in frame, including reflections. No long smears, no sustained motion blur, no melting geometry, no floating or weightless drifting.
視角下沉 10–15%、微退、停 0.3 秒，步伐晃動停止＝重心壓低的訊號。
The camera dips 10 to 15 percent of the frame height downward and drifts very slightly backward, then holds almost still for 0.3 seconds with only a faint side-to-side weight shift. The regular walking bob stops during this hold.
快速上升＋前推、離地瞬間兩三格動態模糊、地平線微傾。不寫腿、不寫身體。
The camera accelerates upward fast, rising while pushing slightly forward, with two or three frames of motion blur at the moment of departure. The horizon tips a few degrees. Do not describe legs or a body.
0.3 秒內步伐頓挫完全停止、畫面變平滑漂移、下方表面遠離。「規律消失」＝離地。
For roughly 0.3 seconds the jolting step rhythm COMPLETELY STOPS. The camera glides smoothly with no bounce at all, the surface below falling away. This absence of bounce is what tells the viewer the animal has left the ground.
硬衝擊：急沉 → 微彈 → 地平線滾 20–30° → 0.3 秒內穩住，步伐節奏恢復。
A hard impact: the camera drops sharply, rebounds slightly, the horizon rolls 20 to 30 degrees, one or two frames smear, and it settles within 0.3 seconds. The regular two-per-second step rhythm then RESUMES.
每秒兩步的頓挫感，每步起落 5–8% 畫面高，地平線左右搖 8° 內。絕不能是平滑滑行。
Jolting gait, two steps per second, each step dropping and lifting the camera by 5 to 8 percent of the frame height with a distinct jolt on landing, never a smooth glide. Horizon rocks left and right within 8 degrees.
幾乎完全鎖定，只剩 1–2% 畫面高的呼吸起伏。沒有步伐、沒有漂移。
The camera locks almost completely still, moving only with slow breathing at about 1 to 2 percent of frame height. No steps, no drift.
0.3 秒一記甩轉：硬起硬停、不加緩入緩出，轉動期間全畫面方向性拖影。
One sudden 0.3-second whip-turn: hard start, hard stop, no easing in or out, heavy directional smear across the whole frame during the turn.
兩段式上升：第一撐 → 重心轉移的停頓 → 第二撐過緣。一次滑順上升＝電梯，不是貓。
The rise happens in TWO STAGES, not one smooth lift: a first lurch upward, a brief hesitation as the weight transfers, then a second lurch that clears the edge. The rim of the opening sweeps DOWNWARD past all four frame edges as the camera rises past it.
洞壁向畫面四邊外掃、進洞曝光下降、出洞回升，鬍鬚擦過洞緣。
The camera pushes forward while the walls of the opening sweep outward past the frame edges. Exposure dips as it enters and recovers on the far side. Whiskers bend and drag against the rim.
加速下墜、地面迅速放大、墜落中步伐節奏停止，然後一記硬衝擊、0.4 秒內穩住。
The camera falls with acceleration, the ground below rushing up and growing rapidly. The step rhythm stops during the fall. Then a hard impact: sharp compression, a roll of 20 to 30 degrees, one or two smeared frames, settling within 0.4 seconds. Brighter as it descends toward the lit floor.
下傾不超過 40°、約 0.5 秒，近處表面與前掌充滿畫面下緣，然後回正。
The camera tilts down no more than 40 degrees for about 0.5 seconds, the near surface and the viewer's own front paws filling the lower frame, then lifts back to level.
上仰不超過 40°、0.4 秒到位停住。仰過頭讓近處表面離開畫面下緣，就變腳架鏡頭，不是 POV。
The camera tilts up no more than 40 degrees over 0.4 seconds and holds, the target above centred in the upper half of frame. Never tilt so far that the near surface leaves the bottom of frame — that reads as a tripod shot, not a POV.
把條目 05 → 12 → 01 → 02 → 03 → 04 → 06 接起來，附時間戳 （Seedance 2.5 支援 timestamp 控制；實際送出時把 [ ] 換成上表對應的完整英文段落）：
0.0-0.5s: [walk] toward the light-oak column at the end of the TV wall.
0.5-0.8s: [look up] at the stack of small rounded ledges in the alcove above.
0.8-1.1s: [gather].
1.1-1.3s: [launch].
1.3-1.6s: [airborne].
1.6-1.9s: [landing] onto the first ledge.
1.9-4.0s: [stop & look] from on top of the first ledge, the next ledge visible
above and to the side. The cat stays on this ledge; it does not jump
again and does not return to the floor.| 參數 | 設成 | 為什麼 |
|---|---|---|
| model | seedance_2_0 | 與〈一鏡到底〉同一套模型，經驗可以互通 |
| aspect_ratio | 9:16 | 目標是 IG Reels 直式，直接生直式，不事後裁 |
| resolution | 1080p | 預設 720p 不夠看 |
| mode | std | 1080p 只有 std 支援 |
| generate_audio | false | 音效全部後製自己疊（見下），還省點數 |
「參數鎖定」不等於「方法驗證通過」。參數只保證輸出規格一致， 畫面對不對、接點能不能串，是另外兩件事。
它只解決運動描述。以下問題要用別的方法：
| 問題 | 解法 |
|---|---|
| 房間長相跑掉 | 真實照片當 start/end frame 或 image_references |
| 段與段接不起來 | 抽前段實際尾格當首格；或 Seedance 2.5 的 video_extension |
| 運動方向不對 | 首格幾何——首格朝向決定運動方向，文字壓不過幾何 |
| 貓的長相不對 | POV 片無此問題；且絕不可餵整隻貓的照片當 reference |
即使首尾幀鎖住，接點處運動還是會跳，要在剪接台上修。 說實話：這支片的母帶在 5 秒處有一個硬切。所以我不說它「零剪點」， 也建議你不要為了「真的一鏡」硬燒點數：觀眾看的是流暢，不是你的剪點數。
generate_audio 關掉之後，聲音全部後製疊： 呼吸、落地、爪尖刮過木頭、毛髮摩擦、房間殘響，一層一層疊上去。 腳步聲是程序合成的：46 個落腳點，逐一對位母帶的運動峰值。 聲音對上動作，POV 才成立。