第一版出来我就知道坏了：那团彩色动画直接悬在画面中央，女生的手在下面比划，两边一点关系都没有。毛病出在我把整段描述糊成一坨写了。
拆成两层才对。实拍那层老老实实写人和环境：室内暖光房间，墙上有海报，一盏吊灯，现代家具；长黑发女生穿灰色连帽外套，对着镜头做有节奏的手部和身体编舞。这层不要掺任何特效的事。
叠加层单独写，而且每一句都得咬住手势：她用手在脸和上半身前比出画框和几何形状（三角、矩形），彩色动画只出现在被框住的那块区域里。内容按时间往下走——前半段框里是匹配她表情的动漫风数字化身，中段切成蜘蛛格温那路的蜘蛛宇宙漫画质感，带兜帽面罩和霓虹城市背景，最后平滑融回实拍。
最容易漏的是「随手势动态变化、结尾融回真人」这句。过渡不写，结尾就是一刀硬切，特别出戏。流程上我是先用 GPT Image 2 把人和房间定下来，再拿 Seedance 2.5 让它动起来。