Seedance 2.0: um guia prático do modelo de vídeo multimodal da ByteDance
O Seedance 2.0 pode gerar vídeo a partir de texto, imagens, clips de vídeo e referências de áudio, com áudio nativo sincronizado e suporte para saída a 1080p.
Seedance 2.0 é o modelo de geração de vídeo mais recente da ByteDance. A mudança principal não é apenas uma saída mais bonita. É a forma como o modelo aceita tipos diferentes de entradas na mesma geração: prompts de texto, imagens de primeiro fotograma, imagens de último fotograma, imagens de referência, vídeos de referência e áudio de referência.
Isto torna-o útil para mais do que um fluxo simples de «escreva um prompt, obtenha um clip». Pode descrever o plano no texto, anexar uma referência da personagem, acrescentar uma referência curta de movimento e pedir ao modelo que gere vídeo com diálogo sincronizado, efeitos sonoros ou música de fundo.
Este guia mantém o foco nos controlos atuais visíveis ao utilizador. Para o modelo principal mais recente, consulte Seedance 2.5 ou use a página da família Seedance 2.0 para 2.0, Fast e Mini.
O que o Seedance 2.0 suporta
Seedance 2.0 pode gerar vídeos a partir de texto, de uma imagem ou de uma mistura de entradas de referência. As entradas principais incluem:
| Entrada | Para que serve |
|---|---|
prompt | A descrição textual principal do vídeo |
image | Uma imagem de primeiro fotograma para a geração de imagem para vídeo |
last_frame_image | Um fotograma final opcional, usado em conjunto com uma imagem de primeiro fotograma |
reference_images | Até 9 imagens para referência de personagem, estilo ou composição |
reference_videos | Até 3 vídeos para transferência de movimento, edição de vídeo ou referência de estilo |
reference_audios | Até 3 ficheiros de áudio para geração conduzida pelo áudio ou para sincronização labial |
Há uma restrição importante: as imagens de primeiro e último fotograma não devem ser misturadas com imagens de referência. Se estiver a controlar o primeiro e o último fotograma, use esse caminho. Se precisar de referências de personagem ou de estilo, use antes o caminho das imagens de referência.
O áudio nativo faz parte do modelo
Seedance 2.0 pode gerar áudio e vídeo em conjunto. Isto importa porque o som não é apenas uma camada extra acrescentada depois de o vídeo estar pronto. O modelo pode criar diálogo, efeitos sonoros, ambiente e música na mesma passagem de geração.
Para o diálogo falado, coloque a fala entre aspas duplas dentro do prompt. Por exemplo:
Grande plano de uma mulher junto a uma janela à chuva. Olha para a câmara e diz: "Devíamos sair antes do nascer do sol." Tom ambiente suave da sala, trovão distante, aproximação lenta da câmara.
Isto não garante uma fala perfeita de todas as vezes, mas dá ao modelo um sinal claro de que o texto entre aspas deve ser tratado como diálogo.
As referências multimodais são a verdadeira mudança do fluxo
A melhoria mais prática do Seedance 2.0 é a capacidade de combinar vários tipos de referência:
- Use imagens de referência para uma personagem, um produto, uma roupa ou um estilo visual consistentes.
- Use vídeos de referência para movimento, comportamento da câmara, edição ou continuação.
- Use áudio de referência para ritmo, fala ou direção de sincronização labial.
Um prompt pode referir-se diretamente a estes ficheiros:
A personagem de [Image1] atravessa o cenário de [Image2], seguindo o ritmo de dança de [Audio1]. Mantenha o mesmo casaco, o mesmo penteado e o mesmo ambiente de luz. Câmara na mão, plano médio, movimento natural.
É uma forma de trabalhar mais controlada do que tentar descrever tudo a partir do zero. É especialmente útil para apresentações de produto, clips de pessoa a falar, anúncios curtos, mudanças de roupa e cenas sincronizadas com música.
Edição e extensão de vídeo
Seedance 2.0 suporta também fluxos baseados em vídeo de referência. Pode fornecer um vídeo e pedir ao modelo que mude alguma coisa mantendo consistentes outras partes do clip, como o movimento, a direção da câmara ou a estrutura da cena.
Também pode pedir-lhe que continue uma cena a partir de um vídeo de referência. Na prática, os melhores prompts são específicos sobre o que deve permanecer igual e o que deve mudar:
Prolongue [Video1] em cinco segundos. Mantenha a mesma direção da câmara e a mesma personagem. A personagem vira-se para a porta, faz uma pausa e as luzes da sala diminuem. Mantenha o tom quente original.
Para a edição, evite instruções vagas como "melhore isto". Diga ao modelo que objeto, fundo, estilo ou ação deve mudar.
Resolução, duração e proporção
Seedance 2.0 suporta atualmente 480p, 720p e 1080p. Vale a pena separá-lo do Seedance 2.0 Fast: a variante Fast suporta 480p e 720p, mas não 1080p.
O modelo suporta também proporções comuns:
| Definição | Valores suportados |
|---|---|
| Resolução | 480p, 720p, 1080p |
| Proporção | 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, 9:21, adaptive |
| Duração | 5, 10 ou 15 segundos |
A opção de proporção adaptive deixa o modelo escolher a forma do fotograma com base nas entradas. A duração escolhe-se entre as opções fixas de 5, 10 e 15 segundos.
Para os primeiros testes, comece com um clip curto de 5 segundos. Passe a durações mais longas e a 1080p quando o prompt e as referências já estiverem a funcionar.
Seedance 2.0 e Seedance 2.0 Fast
Seedance 2.0 Fast partilha o mesmo fluxo de trabalho geral: texto para vídeo, imagem para vídeo, referências multimodais, áudio nativo e proporção adaptativa. A diferença é o compromisso.
Use Seedance 2.0 Fast quando quiser uma iteração mais rápida e puder ficar em 480p ou 720p. Use Seedance 2.0 quando a qualidade for mais importante, ou quando precisar de uma saída a 1080p.
Dicas de prompt que costumam ajudar
Um bom prompt de Seedance 2.0 não precisa de soar a uma especificação técnica, mas deve responder a algumas perguntas concretas:
- Quem ou o que é o sujeito principal?
- O que acontece durante o clip?
- O que deve a câmara fazer?
- O que deve o modelo usar de cada ficheiro de referência?
- Deve haver diálogo, música, ambiente ou nenhum áudio?
Por exemplo:
Uma chávena de café em cerâmica de [Image1] está sobre uma mesa de madeira de um café. O vapor sobe lentamente. A câmara começa num grande plano e depois recua para revelar um café calmo de manhã. Jazz suave em fundo, luz natural da janela, pouca profundidade de campo.
Isto é mais útil do que "anúncio cinematográfico de café", porque indica ao modelo o sujeito, o movimento, a câmara, o áudio e o ambiente.
Quando usar o Seedance 2.0
Seedance 2.0 serve bem quando precisa de mais controlo do que um modelo só de texto pode oferecer. É especialmente relevante para:
- Vídeos de produto em que o objeto tem de permanecer reconhecível
- Clips de personagens em que a consistência do rosto, da roupa ou do estilo importa
- Vídeos de plano aproximado ou em estilo de apresentador com fala gerada
- Ideias de transferência de movimento baseadas num vídeo de referência curto
- Edições de vídeo em que quer manter o movimento original mas mudar parte da cena
Não substitui o critério de montagem. Continua a ser preciso testar prompts, comparar saídas e decidir quando um prompt mais curto ou mais simples funciona melhor. Em comparação com um fluxo de trabalho básico de texto para vídeo, porém, o Seedance 2.0 oferece mais pontos de controlo sobre o resultado.
Publicações relacionadas
GuiasGuiasGuias