用途：把播客音频转化为电影感视觉内容，产出用于 Seedance 2.0（Higgsfield）的视频提示词，替代传统静态音频波形图（audiogram）。
主要能力：提供四类视觉格式的提示词写法——抽象可视化、电影感 B-roll 叙事、分屏访谈重构、动态排版；并给出 2 秒钩子结构（金句冲击、反应镜头、视觉隐喻、声波艺术）、音画同步技巧（语速节拍匹配、强调时刻、停顿可视化）、镜头与构图词汇、灯光方案（演播室访谈、抽象虚空、温暖对话、戏剧性单光源）以及排版与字幕规范。
输入：最多 3 个音频文件（主片段、可选开场/语境片段、可选反应片段）、转录或关键引文文本、说话人姓名与背景、目标视觉风格、目标平台与画幅比例（9:16、16:9、1:1）。建议每段 15–90 秒，总时长不超过 3 分钟。
使用方式：先分析音频，提取最可引用的一句、情绪基调、节奏、停顿位置与说话人能量，再按所选视觉格式撰写提示词，明确色彩、运动、镜头行为、灯光与文字动画。
限制：Seedance 2.0 由文本生成视频，不直接接收音频输入，音画同步需在提示词阶段解决；资料未提供具体安装命令、收费、价格与平台支持细节。