Seedance 2.0: guía práctica del modelo de vídeo multimodal de ByteDance
Seedance 2.0 puede generar vídeo a partir de texto, imágenes, clips de vídeo y referencias de audio, con audio nativo sincronizado y compatibilidad con salida en 1080p.
Seedance 2.0 es el modelo de generación de vídeo más reciente de ByteDance. El cambio principal no es solo un resultado de mejor aspecto. Es la forma en que el modelo acepta distintos tipos de entradas en la misma generación: prompts de texto, imágenes de primer fotograma, imágenes de último fotograma, imágenes de referencia, vídeos de referencia y audio de referencia.
Eso lo hace útil para algo más que un flujo simple de «escribe un prompt y obtén un clip». Puedes describir el plano en texto, adjuntar una referencia de personaje, añadir una referencia breve de movimiento y pedir al modelo que genere vídeo con diálogo sincronizado, efectos de sonido o música de fondo.
Esta guía se centra en los controles actuales de cara al usuario. Para el modelo insignia más reciente, consulta Seedance 2.5 o usa la página Familia Seedance 2.0 para 2.0, Fast y Mini.
Qué admite Seedance 2.0
Seedance 2.0 puede generar vídeos a partir de texto, de una imagen o de una mezcla de entradas de referencia. Las entradas principales incluyen:
| Entrada | Para qué sirve |
|---|---|
prompt | La descripción de texto principal del vídeo |
image | Una imagen de primer fotograma para la generación de imagen a vídeo |
last_frame_image | Un fotograma final opcional, usado junto con una imagen de primer fotograma |
reference_images | Hasta 9 imágenes de referencia de personaje, estilo o composición |
reference_videos | Hasta 3 vídeos para transferencia de movimiento, edición de vídeo o referencia de estilo |
reference_audios | Hasta 3 archivos de audio para generación guiada por audio o sincronización labial |
Hay una restricción importante: las imágenes de primer y último fotograma no deben mezclarse con las imágenes de referencia. Si controlas el primer y el último fotograma, usa esa vía. Si necesitas referencias de personaje o de estilo, usa en su lugar la vía de imágenes de referencia.
El audio nativo forma parte del modelo
Seedance 2.0 puede generar audio y vídeo a la vez. Eso importa porque el sonido no es solo una capa extra añadida después de terminar el vídeo. El modelo puede crear diálogo, efectos de sonido, ambiente y música en la misma pasada de generación.
Para el diálogo hablado, pon la frase hablada entre comillas dobles dentro del prompt. Por ejemplo:
Primer plano de una mujer de pie junto a una ventana con lluvia. Mira hacia la cámara y dice: "Deberíamos irnos antes del amanecer." Ambiente suave de la sala, truenos lejanos, lento acercamiento de cámara.
Eso no garantiza un habla perfecta en cada ocasión, pero da al modelo una señal clara de que el texto entre comillas debe tratarse como diálogo.
Las referencias multimodales son el verdadero cambio de flujo
La mejora más práctica de Seedance 2.0 es poder combinar varios tipos de referencia:
- Usa imágenes de referencia para un personaje, producto, vestuario o estilo visual coherente.
- Usa vídeos de referencia para el movimiento, el comportamiento de la cámara, la edición o la continuación.
- Usa audio de referencia para el ritmo, el habla o la dirección de la sincronización labial.
Un prompt puede referirse a estos archivos de forma directa:
El personaje de [Image1] camina por el decorado de [Image2], siguiendo el ritmo de baile de [Audio1]. Mantén la misma chaqueta, el mismo peinado y el mismo ambiente de iluminación. Cámara en mano, plano medio, movimiento natural.
Es una forma de trabajar más controlada que intentar describirlo todo desde cero. Resulta especialmente útil para presentaciones de producto, clips de presentador, anuncios cortos, cambios de vestuario y escenas sincronizadas con música.
Edición y extensión de vídeo
Seedance 2.0 también admite flujos con vídeo de referencia. Puedes aportar un vídeo y pedir al modelo que cambie algo manteniendo coherentes otras partes del clip, como el movimiento, la dirección de cámara o la estructura de la escena.
También puedes pedirle que continúe una escena a partir de un vídeo de referencia. En la práctica, los mejores prompts concretan qué debe mantenerse igual y qué debe cambiar:
Amplía [Video1] cinco segundos. Mantén la misma dirección de cámara y el mismo personaje. El personaje se gira hacia la puerta, hace una pausa y las luces de la habitación se atenúan. Conserva el tono de color cálido original.
Para la edición, evita instrucciones vagas como «hazlo mejor». Indica al modelo qué objeto, fondo, estilo o acción debe cambiar.
Resolución, duración y relación de aspecto
Seedance 2.0 admite actualmente 480p, 720p y 1080p. Conviene separarlo de Seedance 2.0 Fast: la variante Fast admite 480p y 720p, pero no 1080p.
El modelo también admite relaciones de aspecto habituales:
| Ajuste | Valores admitidos |
|---|---|
| Resolución | 480p, 720p, 1080p |
| Relación de aspecto | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptive |
| Duración | 5, 10 o 15 segundos |
La opción de relación de aspecto adaptive permite que el modelo elija la forma del encuadre según las entradas. La duración se elige entre las opciones fijas de 5, 10 y 15 segundos.
Para las pruebas iniciales, empieza con un clip corto de 5 segundos. Pasa a duraciones más largas y a 1080p cuando el prompt y las referencias ya funcionen.
Seedance 2.0 frente a Seedance 2.0 Fast
Seedance 2.0 Fast comparte el mismo flujo general: texto a vídeo, imagen a vídeo, referencias multimodales, audio nativo y relación de aspecto adaptativa. La diferencia está en el equilibrio.
Usa Seedance 2.0 Fast cuando quieras iterar más rápido y puedas quedarte en 480p o 720p. Usa Seedance 2.0 cuando la calidad importe más, o cuando necesites salida en 1080p.
Consejos de prompt que suelen ayudar
Un buen prompt de Seedance 2.0 no tiene que sonar a especificación técnica, pero debería responder a unas preguntas concretas:
- ¿Quién o qué es el sujeto principal?
- ¿Qué ocurre durante el clip?
- ¿Qué debe hacer la cámara?
- ¿Qué debe usar el modelo de cada archivo de referencia?
- ¿Debe haber diálogo, música, ambiente o ningún audio?
Por ejemplo:
Una taza de café de cerámica de [Image1] está sobre una mesa de madera de cafetería. El vapor sube despacio. La cámara empieza en un primer plano y luego retrocede para mostrar una cafetería tranquila por la mañana. Jazz suave de fondo, luz natural de ventana, poca profundidad de campo.
Eso es más útil que «anuncio cinematográfico de café», porque da al modelo sujeto, movimiento, cámara, audio y ambiente.
Cuándo usar Seedance 2.0
Seedance 2.0 encaja cuando necesitas más control del que puede ofrecer un modelo solo de texto. Es especialmente relevante para:
- Vídeos de producto en los que el objeto debe seguir siendo reconocible
- Clips de personaje en los que importan la coherencia del rostro, del vestuario o del estilo
- Vídeos de presentador frente a cámara con habla generada
- Ideas de transferencia de movimiento basadas en un vídeo de referencia corto
- Ediciones de vídeo en las que quieres conservar el movimiento original y cambiar parte de la escena
No sustituye el criterio de edición. Sigues necesitando probar prompts, comparar resultados y decidir cuándo un prompt más corto o más simple funciona mejor. Pero, frente a un flujo básico de texto a vídeo, Seedance 2.0 te da más palancas para controlar el resultado.
Publicaciones relacionadas
GuíasGuíasGuías