Seedance 2.0: una guida pratica al modello video multimodale di ByteDance
Seedance 2.0 può generare video da testo, immagini, clip video e riferimenti audio, con audio nativo sincronizzato e supporto per l'output a 1080p.
Seedance 2.0 è il modello di generazione video più recente di ByteDance. Il cambiamento principale non è solo un output più bello. È il modo in cui il modello accetta tipi diversi di input nella stessa generazione: prompt di testo, immagini di primo fotogramma, immagini di ultimo fotogramma, immagini di riferimento, video di riferimento e audio di riferimento.
Questo lo rende utile per qualcosa di più di un semplice flusso «scrivi un prompt, ottieni una clip». Puoi descrivere l'inquadratura nel testo, allegare un riferimento del personaggio, aggiungere un breve riferimento di movimento e chiedere al modello di generare video con dialogo sincronizzato, effetti sonori o musica di sottofondo.
Questa guida resta concentrata sui controlli attuali visibili all'utente. Per il modello ammiraglia più recente, vedi Seedance 2.5 oppure usa la pagina della famiglia Seedance 2.0 per 2.0, Fast e Mini.
Che cosa supporta Seedance 2.0
Seedance 2.0 può generare video da testo, da un'immagine o da un insieme di input di riferimento. Gli input principali includono:
| Input | A che cosa serve |
|---|---|
prompt | La descrizione testuale principale del video |
image | Un'immagine di primo fotogramma per la generazione da immagine a video |
last_frame_image | Un fotogramma finale opzionale, usato insieme a un'immagine di primo fotogramma |
reference_images | Fino a 9 immagini per riferimento di personaggio, stile o composizione |
reference_videos | Fino a 3 video per trasferimento del movimento, montaggio video o riferimento di stile |
reference_audios | Fino a 3 file audio per una generazione guidata dall'audio o per la sincronizzazione labiale |
C'è un vincolo importante: le immagini di primo e ultimo fotogramma non vanno mescolate con le immagini di riferimento. Se stai controllando il primo e l'ultimo fotogramma, usa quel percorso. Se ti servono riferimenti di personaggio o di stile, usa invece il percorso delle immagini di riferimento.
L'audio nativo fa parte del modello
Seedance 2.0 può generare audio e video insieme. Conta perché il suono non è solo un livello extra aggiunto dopo che il video è pronto. Il modello può creare dialogo, effetti sonori, ambiente sonoro e musica nello stesso passaggio di generazione.
Per il dialogo parlato, metti la battuta tra virgolette doppie dentro il prompt. Per esempio:
Primo piano di una donna in piedi accanto a una finestra sotto la pioggia. Guarda verso la camera e dice: "Dovremmo partire prima dell'alba." Tono ambientale morbido della stanza, tuono lontano, lenta carrellata in avanti della camera.
Questo non garantisce un parlato perfetto ogni volta, ma dà al modello un segnale chiaro: il testo tra virgolette va trattato come dialogo.
I riferimenti multimodali sono il vero cambiamento del flusso
Il miglioramento più pratico di Seedance 2.0 è la possibilità di combinare diversi tipi di riferimento:
- Usa le immagini di riferimento per un personaggio, un prodotto, un abbigliamento o uno stile visivo coerenti.
- Usa i video di riferimento per il movimento, il comportamento della camera, il montaggio o la continuazione.
- Usa l'audio di riferimento per il ritmo, il parlato o la direzione della sincronizzazione labiale.
Un prompt può riferirsi direttamente a questi file:
Il personaggio di [Image1] attraversa la scenografia di [Image2], seguendo il ritmo di danza di [Audio1]. Mantieni la stessa giacca, la stessa acconciatura e la stessa atmosfera luminosa. Camera a mano, piano medio, movimento naturale.
È un modo di lavorare più controllato che provare a descrivere tutto da zero. È particolarmente utile per presentazioni di prodotto, clip con persona che parla, annunci brevi, cambi d'abito e scene sincronizzate con la musica.
Montaggio ed estensione video
Seedance 2.0 supporta anche i flussi basati su video di riferimento. Puoi fornire un video e chiedere al modello di cambiare qualcosa mantenendo coerenti altre parti della clip, come il movimento, la direzione della camera o la struttura della scena.
Puoi anche chiedergli di continuare una scena a partire da un video di riferimento. In pratica, i prompt migliori sono specifici su che cosa deve restare uguale e che cosa deve cambiare:
Estendi [Video1] di cinque secondi. Mantieni la stessa direzione della camera e lo stesso personaggio. Il personaggio si volta verso la porta, si ferma e le luci della stanza si abbassano. Mantieni la tonalità calda originale.
Per il montaggio, evita istruzioni vaghe come "rendilo migliore". Di' al modello quale oggetto, sfondo, stile o azione deve cambiare.
Risoluzione, durata e proporzioni
Seedance 2.0 supporta attualmente 480p, 720p e 1080p. Vale la pena separarlo da Seedance 2.0 Fast: la variante Fast supporta 480p e 720p, ma non 1080p.
Il modello supporta anche le proporzioni comuni:
| Impostazione | Valori supportati |
|---|---|
| Risoluzione | 480p, 720p, 1080p |
| Proporzioni | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptive |
| Durata | 5, 10 o 15 secondi |
L'opzione di proporzioni adaptive lascia che il modello scelga la forma del fotogramma in base agli input. La durata si sceglie tra le opzioni fisse di 5, 10 e 15 secondi.
Per i primi test, inizia con una clip breve di 5 secondi. Passa a durate più lunghe e al 1080p quando prompt e riferimenti funzionano già.
Seedance 2.0 e Seedance 2.0 Fast
Seedance 2.0 Fast condivide lo stesso flusso di lavoro generale: testo a video, immagine a video, riferimenti multimodali, audio nativo e proporzioni adattive. La differenza è il compromesso.
Usa Seedance 2.0 Fast quando vuoi un'iterazione più rapida e puoi restare a 480p o 720p. Usa Seedance 2.0 quando la qualità conta di più, o quando ti serve un output a 1080p.
Consigli sui prompt che di solito aiutano
Un buon prompt di Seedance 2.0 non deve suonare come una specifica tecnica, ma dovrebbe rispondere ad alcune domande concrete:
- Chi o che cosa è il soggetto principale?
- Che cosa succede durante la clip?
- Che cosa deve fare la camera?
- Che cosa deve usare il modello da ciascun file di riferimento?
- Devono esserci dialogo, musica, ambiente sonoro o nessun audio?
Per esempio:
Una tazza di caffè in ceramica da [Image1] è posata su un tavolo di legno di un caffè. Il vapore sale lentamente. La camera parte da un primo piano, poi arretra per rivelare un caffè tranquillo al mattino. Jazz leggero in sottofondo, luce naturale dalla finestra, poca profondità di campo.
È più utile di "annuncio cinematografico del caffè", perché indica al modello soggetto, movimento, camera, audio e atmosfera.
Quando usare Seedance 2.0
Seedance 2.0 è adatto quando ti serve più controllo di quanto possa offrire un modello solo testuale. È particolarmente rilevante per:
- Video di prodotto in cui l'oggetto deve restare riconoscibile
- Clip di personaggi in cui contano la coerenza di volto, abbigliamento o stile
- Video in primo piano o in stile presentatore con parlato generato
- Idee di trasferimento del movimento basate su un breve video di riferimento
- Montaggi video in cui vuoi conservare il movimento originale ma cambiare una parte della scena
Non sostituisce il giudizio di montaggio. Devi comunque testare i prompt, confrontare gli output e decidere quando un prompt più breve o più semplice funziona meglio. Rispetto a un flusso di lavoro di base da testo a video, però, Seedance 2.0 offre più leve per controllare il risultato.
Articoli correlati
GuideGuideGuide