Seedance 2.0：ByteDance 多模态视频模型实用指南
Seedance 2.0 可以根据文本、图片、视频片段和音频参考生成视频，并带有原生同步音频，支持 1080p 输出。
Seedance 2.0 是 ByteDance 较新的视频生成模型。主要变化不只是画面更好看，而是模型能在同一次生成中接受不同类型的输入：文本提示词、首帧图片、尾帧图片、参考图片、参考视频和参考音频。
这使它不只适用于「输入提示词、得到一段视频」这么简单的工作流。你可以用文字描述镜头，附上角色参考，再加上一段短的运动参考，并要求模型生成带有同步对白、音效或背景音乐的视频。
本指南聚焦当前面向用户的控制项。若要了解最新的旗舰模型，请参见 Seedance 2.5，或使用 Seedance 2.0 系列 页面查看 2.0、Fast 和 Mini。
Seedance 2.0 支持什么
Seedance 2.0 可以根据文本、一张图片，或一组混合的参考输入来生成视频。主要输入包括：
| 输入 | 用途 |
|---|---|
prompt | 视频的主要文字描述 |
image | 用于图生视频的首帧图片 |
last_frame_image | 可选的结束帧，与首帧图片一起使用 |
reference_images | 最多 9 张图片，用于角色、风格或构图参考 |
reference_videos | 最多 3 个视频，用于运动迁移、视频编辑或风格参考 |
reference_audios | 最多 3 个音频文件，用于音频主导的生成或口型同步 |
有一条重要限制：首帧和尾帧图片不应与参考图片混用。如果你在控制首帧和尾帧，就走那条路径。如果需要角色或风格参考，则改用参考图片路径。
原生音频是模型的一部分
Seedance 2.0 可以同时生成音频和视频。这一点很重要，因为声音不只是视频完成后再叠上的一层。模型可以在同一次生成中创建对白、音效、环境声和音乐。
口播对白时，把所说的话放在提示词的双引号里。例如：
一名女子站在雨窗旁的特写。她看向镜头说：「我们应该在日出前离开。」室内底噪轻柔，远处有雷声，镜头缓慢推进。
这并不能保证每次语音都完美，但会给模型一个明确信号：引号中的文字应按对白处理。
多模态参考才是真正的工作流变化
Seedance 2.0 最实用的改进，是能够组合多种参考类型：
- 用参考图片保持角色、产品、服装或视觉风格一致。
- 用参考视频提供运动、镜头行为、编辑或续接。
- 用参考音频指示节奏、语音或口型同步方向。
提示词可以直接引用这些文件：
[Image1] 中的角色走过 [Image2] 中的场景，并跟随 [Audio1] 的舞蹈节奏。保持同一件外套、发型和光线氛围。手持镜头，中景，动作自然。
这比试图从零描述一切更可控。它尤其适合产品展示、口播出镜、短广告、换装，以及与音乐同步的场景。
视频编辑与延长
Seedance 2.0 也支持参考视频工作流。你可以提供一段视频，要求模型改变其中某部分，同时让片段的其他部分保持一致，例如运动、镜头方向或场景结构。
你也可以要求它从参考视频把场景续下去。实际使用中，最好的提示词会明确写出哪些应保持不变、哪些应该改变：
将 [Video1] 延长五秒。保持相同的镜头方向和同一个角色。角色转向门口，停顿，房间灯光变暗。保持原来的暖色调。
做编辑时，避免「把它改好一点」这类含糊指令。告诉模型应当改变哪个物体、背景、风格或动作。
分辨率、时长与宽高比
Seedance 2.0 目前支持 480p、720p 和 1080p。这一点值得与 Seedance 2.0 Fast 分开看：Fast 变体支持 480p 和 720p，但不支持 1080p。
该模型也支持常见宽高比：
| 设置 | 支持的值 |
|---|---|
| 分辨率 | 480p、720p、1080p |
| 宽高比 | 16:9、4:3、1:1、3:4、9:16、21:9、9:21、adaptive |
| 时长 | 5、10 或 15 秒 |
adaptive 宽高比选项让模型根据输入选择画幅。时长则从固定的 5 秒、10 秒和 15 秒选项中选择。
早期测试时，先从 5 秒短片段开始。提示词和参考已经生效后，再拉长时长并升到 1080p。
Seedance 2.0 与 Seedance 2.0 Fast
Seedance 2.0 Fast 共享同一套大致工作流：文生视频、图生视频、多模态参考、原生音频和自适应宽高比。差别在于取舍。
想更快迭代、并且可以停在 480p 或 720p 时，使用 Seedance 2.0 Fast。画质更重要，或需要 1080p 输出时，使用 Seedance 2.0。
通常有帮助的提示词写法
一条好的 Seedance 2.0 提示词不必写得像技术规格，但应当回答几个具体问题：
- 主要主体是谁，或是什么？
- 片段里发生了什么？
- 镜头应该做什么？
- 模型应当从每个参考文件里使用什么？
- 需要对白、音乐、环境声，还是不要音频？
例如：
[Image1] 中的陶瓷咖啡杯放在木质咖啡馆桌面上。蒸汽缓缓升起。镜头从特写开始，然后拉远，露出安静的清晨咖啡馆。背景是轻柔的爵士乐，自然的窗光，浅景深。
这比「电影感咖啡广告」更有用，因为它给了模型主体、运动、镜头、音频和氛围。
何时使用 Seedance 2.0
当你需要的控制超出纯文本模型所能提供的范围时，Seedance 2.0 很合适。它尤其适用于：
- 物体需要保持可识别的产品视频
- 脸、服装或风格一致性很重要的角色片段
- 带生成语音的口播或出镜讲解视频
- 基于短参考视频的运动迁移想法
- 想保留原始运动、但改变场景某一部分的视频编辑
它不能代替剪辑判断。你仍然需要测试提示词、比较输出，并判断何时更短或更简单的提示词效果更好。但与基础的文生视频工作流相比，Seedance 2.0 给了你更多可以用来控制结果的手段。
相关文章
指南指南指南