Seedance 2.0: Ein praktischer Leitfaden zum multimodalen Videomodell von ByteDance
Seedance 2.0 kann Video aus Text, Bildern, Videoclips und Audioreferenzen erzeugen, mit nativ synchronisiertem Audio und Unterstützung für 1080p-Ausgabe.
Seedance 2.0 ist das neuere Videogenerierungsmodell von ByteDance. Die wesentliche Änderung ist nicht nur eine besser aussehende Ausgabe. Es ist die Art, wie das Modell in derselben Generierung verschiedene Eingaben annimmt: Text-Prompts, Erstbilder, Letztbilder, Referenzbilder, Referenzvideos und Referenzaudio.
Damit eignet es sich für mehr als einen einfachen Workflow nach dem Muster „Prompt eingeben, Clip erhalten“. Sie können die Einstellung im Text beschreiben, eine Figurenreferenz anhängen, eine kurze Bewegungsreferenz ergänzen und das Modell bitten, Video mit synchronisiertem Dialog, Soundeffekten oder Hintergrundmusik zu erzeugen.
Dieser Leitfaden bleibt bei den aktuellen, für Nutzer sichtbaren Steuerungen. Zum neuesten Flaggschiff-Modell siehe Seedance 2.5, oder nutzen Sie die Seite Seedance 2.0-Familie für 2.0, Fast und Mini.
Was Seedance 2.0 unterstützt
Seedance 2.0 kann Videos aus Text, aus einem Bild oder aus einer Mischung von Referenzeingaben erzeugen. Die wichtigsten Eingaben sind:
| Eingabe | Wofür sie da ist |
|---|---|
prompt | Die hauptsächliche Textbeschreibung für das Video |
image | Ein Erstbild für die Bild-zu-Video-Generierung |
last_frame_image | Ein optionales Endbild, zusammen mit einem Erstbild verwendet |
reference_images | Bis zu 9 Bilder als Referenz für Figur, Stil oder Komposition |
reference_videos | Bis zu 3 Videos für Bewegungstransfer, Videobearbeitung oder Stilreferenz |
reference_audios | Bis zu 3 Audiodateien für audiogeführte Generierung oder Lippensynchronisation |
Es gibt eine wichtige Einschränkung: Erst- und Letztbilder sollten nicht mit Referenzbildern gemischt werden. Wenn Sie erstes und letztes Bild steuern, nutzen Sie diesen Weg. Wenn Sie Figuren- oder Stilreferenzen brauchen, nutzen Sie stattdessen den Weg über Referenzbilder.
Natives Audio gehört zum Modell
Seedance 2.0 kann Audio und Video gemeinsam erzeugen. Das ist wichtig, weil der Ton nicht nur eine zusätzliche Ebene ist, die nach dem fertigen Video hinzukommt. Das Modell kann Dialog, Soundeffekte, Ambiente und Musik im selben Generierungsdurchgang erstellen.
Setzen Sie bei gesprochenem Dialog die gesprochene Zeile im Prompt in doppelte Anführungszeichen. Zum Beispiel:
Nahaufnahme einer Frau neben einem regennassen Fenster. Sie blickt zur Kamera und sagt: "Wir sollten vor Sonnenaufgang gehen." Leiser Raumton, ferner Donner, langsamer Kameraschub nach vorn.
Das garantiert nicht jedes Mal perfekte Sprache, gibt dem Modell aber ein klares Signal, dass der Text in Anführungszeichen als Dialog zu behandeln ist.
Multimodale Referenzen sind die eigentliche Workflow-Änderung
Die praktischste Verbesserung in Seedance 2.0 ist die Möglichkeit, mehrere Referenztypen zu kombinieren:
- Nutzen Sie Referenzbilder für eine konsistente Figur, ein Produkt, ein Outfit oder einen visuellen Stil.
- Nutzen Sie Referenzvideos für Bewegung, Kameraführung, Bearbeitung oder Fortsetzung.
- Nutzen Sie Referenzaudio für Rhythmus, Sprache oder die Richtung der Lippensynchronisation.
Ein Prompt kann diese Dateien direkt ansprechen:
Die Figur aus [Image1] geht durch das Set aus [Image2] und folgt dem Tanzrhythmus aus [Audio1]. Behalten Sie dieselbe Jacke, dieselbe Frisur und dieselbe Lichtstimmung. Handheld-Kamera, Halbtotale, natürliche Bewegung.
Das ist eine kontrolliertere Arbeitsweise, als alles von Grund auf zu beschreiben. Besonders nützlich ist sie für Produktpräsentationen, Talking-Head-Clips, kurze Anzeigen, Outfit-Wechsel und musiksynchrone Szenen.
Videobearbeitung und Verlängerung
Seedance 2.0 unterstützt auch Workflows mit Referenzvideos. Sie können ein Video bereitstellen und das Modell bitten, etwas zu ändern und dabei andere Teile des Clips konsistent zu halten, etwa Bewegung, Kamerarichtung oder Szenenstruktur.
Sie können es auch bitten, eine Szene aus einem Referenzvideo fortzusetzen. In der Praxis sind die besten Prompts konkret darin, was gleich bleiben und was sich ändern soll:
Verlängern Sie [Video1] um fünf Sekunden. Behalten Sie dieselbe Kamerarichtung und dieselbe Figur. Die Figur dreht sich zur Tür, hält inne, und das Licht im Raum wird dunkler. Behalten Sie den ursprünglichen warmen Farbton.
Vermeiden Sie bei der Bearbeitung vage Anweisungen wie "mach es besser". Sagen Sie dem Modell, welches Objekt, welcher Hintergrund, welcher Stil oder welche Handlung sich ändern soll.
Auflösung, Dauer und Seitenverhältnis
Seedance 2.0 unterstützt derzeit 480p, 720p und 1080p. Das sollte von Seedance 2.0 Fast getrennt werden: Die Fast-Variante unterstützt 480p und 720p, aber nicht 1080p.
Das Modell unterstützt auch gängige Seitenverhältnisse:
| Einstellung | Unterstützte Werte |
|---|---|
| Auflösung | 480p, 720p, 1080p |
| Seitenverhältnis | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptive |
| Dauer | 5, 10 oder 15 Sekunden |
Die Option adaptive beim Seitenverhältnis lässt das Modell anhand der Eingaben eine Bildform wählen. Die Dauer wird aus den festen Optionen 5, 10 und 15 Sekunden ausgewählt.
Beginnen Sie bei frühen Tests mit einem kurzen Clip von 5 Sekunden. Wechseln Sie zu längeren Dauern und 1080p, wenn Prompt und Referenzen bereits funktionieren.
Seedance 2.0 vs Seedance 2.0 Fast
Seedance 2.0 Fast teilt denselben allgemeinen Workflow: Text-zu-Video, Bild-zu-Video, multimodale Referenzen, natives Audio und adaptives Seitenverhältnis. Der Unterschied ist die Abwägung.
Nutzen Sie Seedance 2.0 Fast, wenn Sie schneller iterieren wollen und bei 480p oder 720p bleiben können. Nutzen Sie Seedance 2.0, wenn Qualität wichtiger ist oder wenn Sie 1080p-Ausgabe brauchen.
Prompt-Tipps, die meist helfen
Ein guter Seedance-2.0-Prompt muss nicht wie eine technische Spezifikation klingen, sollte aber ein paar konkrete Fragen beantworten:
- Wer oder was ist das Hauptmotiv?
- Was geschieht während des Clips?
- Was soll die Kamera tun?
- Was soll das Modell aus jeder Referenzdatei verwenden?
- Soll es Dialog, Musik, Ambiente oder kein Audio geben?
Zum Beispiel:
Eine Keramiktasse aus [Image1] steht auf einem hölzernen Cafétisch. Dampf steigt langsam auf. Die Kamera beginnt in der Nahaufnahme und zieht dann zurück, um ein ruhiges Morgen-Café zu zeigen. Leiser Jazz im Hintergrund, natürliches Fensterlicht, geringe Schärfentiefe.
Das ist nützlicher als "filmische Kaffee-Anzeige", weil es dem Modell Motiv, Bewegung, Kamera, Audio und Stimmung gibt.
Wann Sie Seedance 2.0 verwenden
Seedance 2.0 passt gut, wenn Sie mehr Kontrolle brauchen, als ein reines Textmodell bieten kann. Besonders relevant ist es für:
- Produktvideos, bei denen das Objekt erkennbar bleiben muss
- Figurenclips, bei denen Konsistenz von Gesicht, Outfit oder Stil zählt
- Talking-Head- oder Moderatoren-Videos mit erzeugter Sprache
- Ideen zum Bewegungstransfer auf Basis eines kurzen Referenzvideos
- Videobearbeitungen, bei denen Sie die ursprüngliche Bewegung behalten und einen Teil der Szene ändern wollen
Es ersetzt kein Schnitturteil. Sie müssen Prompts weiterhin testen, Ausgaben vergleichen und entscheiden, wann ein kürzerer oder einfacherer Prompt besser funktioniert. Im Vergleich mit einem einfachen Text-zu-Video-Workflow gibt Ihnen Seedance 2.0 aber mehr Griffe, um das Ergebnis zu steuern.
Verwandte Beiträge
LeitfädenLeitfädenLeitfäden