Seedance 2.0 Prompt-Leitfaden: Text, erste Frames und Referenzen

Seedance 2.0 auf SpicyAPI (spicyapi.ai) hat drei Videoaufgaben, und jede braucht eine andere Art von Prompt. Beim Text-zu-Video trägt der Prompt die komplette Einstellung. Beim Bild-zu-Video übernimmt das Eröffnungsbild den Look, also sagt der Prompt nur, was als Nächstes passiert. Beim Referenz-zu-Video übergeben Sie Bilder, Clips oder Audio, und der Prompt sagt, wofür jede Datei da ist. Schreiben Sie die falsche Prompt-Art für die Aufgabe, und keine noch so große Zahl an Adjektiven rettet den Clip.

Die Preise und Limits unten stammen von den öffentlichen Modellseiten, Oktober 2026. Alle drei Aufgaben liefern 4 bis 15 Sekunden Video mit Ton in 480p bis 4K.

Wählen Sie die Aufgabe danach, was fest bleiben muss

Text-zu-Video erfindet die Eröffnungskomposition, also nutzen Sie es für fiktive oder flexible Szenen. Wenn das Label und die Proportionen eines echten Produkts zählen, rekonstruiert eine Textbeschreibung sie nicht; starten Sie mit einem Foto. Referenz-zu-Video hat keine Kontrolle über das Eröffnungsbild; muss das Eröffnungsbild passen, nehmen Sie Bild-zu-Video. Bild-zu-Video übernimmt Kleidung, Objektform und Licht aus dem Frame. Es garantiert nicht, dass sie eine Drehung oder eine Verdeckung überstehen, sehen Sie sich also den ganzen Clip an.

Referenz-zu-Video nimmt bis zu 9 Bilder, 3 Videoclips und 3 Audiodateien entgegen. Jeder Clip und jede Audiodatei läuft 2 bis 15 Sekunden, und je Typ sind zusammen 15 Sekunden erlaubt. Mindestens ein Bild oder Video ist erforderlich; Audio allein wird abgelehnt. Nehmen Sie das kleinste Set, das die Aufgabe erfüllt. Zusätzliche Dateien erzeugen Widersprüche, etwa ein Gesicht unter drei Beleuchtungen oder eine Kamerabewegung, die gegen die Kadrierung der Referenzen arbeitet, und das Modell kann nicht entscheiden, welche Datei gewinnt, wenn der Prompt es nicht sagt.

Schreiben Sie den Shot-Brief

Dieselbe Reihenfolge gilt für alle drei Aufgaben: Motiv, Handlung, Kamera, Licht, Ton, eine Idee pro Satz. Der Rest dieses Leitfadens folgt einem Beispiel, einem Mechaniker, der ein Pedal an einem roten Pendlerfahrrad dreht.

• Eine sichtbare Handlung, eine Kameraanweisung. "Der Mechaniker dreht das Pedal einmal und legt dann seine Hand daneben" gibt dem Modell etwas zu rendern; "emotional, cineastisch" nicht. Beschreiben Sie, wie sich das Motiv bewegt ("hebt den Verschluss langsam an"), statt Qualitätswörter hinzuzufügen.
• Sagen Sie, wo die Kamera relativ zum Motiv steht. "Die Kamera bleibt auf Hüfthöhe, mittlere Entfernung" ist eine brauchbare Anweisung. Kombinieren Sie nicht "fixierte Kamera", "Orbit" und "schneller Zoom" in einer Einstellung; wählen Sie ein Verhalten oder keines.
• Passen Sie die Dauer an die Handlung an. Fünf Sekunden tragen eine Drehung, ein Greifen oder einen Blick. Einen Raum betreten, ein Werkzeug aufnehmen und einen Satz sprechen braucht 10 oder mehr Sekunden oder getrennte Einstellungen. duration_seconds nimmt ganze Sekunden von 4 bis 15, oder -1, damit das Modell wählt.
• Nutzen Sie die Reihenfolge der Einstellungen, keine Zeitangaben. Seedance 2.0 folgt "Shot 1, Shot 2, Shot 3" zuverlässiger als Sekunde-für-Sekunde-Bereiche. Wenn eine Handlung verschwindet, reduzieren Sie die Anzahl der Ereignisse oder geben Sie der Sequenz mehr Zeit.
• Setzen Sie den Stil zuletzt und halten Sie ihn kurz. "Weiches Morgenlicht, dokumentarische Textur" unterstützt die Einstellung. Ein Haufen unzusammenhängender Etiketten schiebt das Ergebnis in Richtung generischer Politur und verdeckt die Handlung. Für eine stilisierte Szene eröffnen Sie mit "Photorealistic live action, not animation", sonst driftet sie zur Illustration.

Ein Brief für mehrere Einstellungen mit 10 Sekunden, mit ausgeschriebenem Schnitt:

A mechanic in a dark blue work shirt repairs a red commuter bicycle in a tidy daylight workshop. Naturalistic photography, soft morning light.
Shot 1: Fixed medium shot. The mechanic turns the right pedal once by hand and the rear wheel spins.
Shot 2: Cut to a close side view of the rear wheel slowing while his gloved hand steadies the frame.
Shot 3: Back to the medium shot. He steps back and wipes his hands on a rag.
Sound: ratchet clicks, the spinning wheel, quiet workshop. No music, no captions.

Erst im Playground ausprobieren

Führen Sie den Brief im Playground aus, bevor Sie Code schreiben; ein Prompt, der hier scheitert, scheitert auch über die API.

1. Öffnen Sie die Seite für Text-zu-Video und bleiben Sie im Tab Playground in der Ansicht Form. Melden Sie sich mit einem aufgeladenen Konto an, um zu starten.
2. Fügen Sie den Brief in Prompt ein.
3. Setzen Sie Aspect ratio (16:9), Resolution und Duration. Nehmen Sie 480p und 5 Sekunden für einen Entwurf; beide Einstellungen sind mit "affects price" markiert, ebenso Generate audio und Web search (lassen Sie Web search aus).
4. Lesen Sie die Preisschätzung und starten Sie dann. Unter Advanced parameters hilft Seed, eine Prompt-Änderung mit dem letzten Lauf zu vergleichen.

Bild-zu-Video hat denselben Tab mit einem Input image-Upload (und einem optionalen Closing frame). Bei Referenz-zu-Video fügen Sie Dateien unter Reference images, Reference videos und Reference audio hinzu; sie werden als image 1, video 1, audio 1 nummeriert, während Sie sie hinzufügen, und Insert reference setzt das passende Label in den Prompt.

Dann aus dem Code aufrufen

Installieren Sie das Python SDK (pip install spicyapi), setzen Sie SPICY_API_KEY in Ihrer Serverumgebung und führen Sie aus:

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

request = {
    "model": "bytedance/seedance-2.0/text-to-video",
    "input_data": {
        "prompt": "One adult mechanic in a dark blue work shirt stands beside one red commuter bicycle on a repair stand. Medium shot in a tidy daylight workshop. The mechanic turns the right pedal once by hand, watches the rear wheel rotate, then pauses with the hand resting beside the pedal. The camera stays fixed at waist height; the bicycle remains fully visible. Soft morning light from the left. A quiet workshop ambience and one short mechanical click, with no speech. One continuous shot.",
        "duration_seconds": 5,
        "resolution": "720p",
        "aspect_ratio": "16:9",
        "generate_audio": True,
    },
}

quote = client.quote_task(**request)  # free; nothing is reserved
print(quote["estimatedCost"], quote["maxCharge"])

task = client.create_task(
    **request,
    idempotency_key=str(uuid.uuid4()),
    quote_id=quote["quoteId"],
    expected_cost=quote["estimatedCost"],
)
print("Resume task:", task["taskId"], flush=True)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"Task {task['taskId']} ended as {final['state']}")
assets = output_assets(final)
if not assets or any(a.get("pending") or a.get("unavailable") or not a.get("url") for a in assets):
    raise RuntimeError(f"Task {task['taskId']} has no ready output; check this task before a new run")
print(assets[0]["url"])  # copy it to your own storage now

Die beiden anderen Aufgaben nutzen denselben Aufruf mit einem anderen model und input_data: image_url (plus optional last_image_url) für Bild zu Video und reference_image_urls mit optionalen Referenzvideo- und Audiolisten für Referenz zu Video. Die JSON-Ansicht des Playgrounds zeigt den genauen Body für die Aufgabe, auf der Sie sind. Uploads, Warten, Wiederholungen, Fehler und kostensparende Idempotenzschlüssel stehen in der Python SDK Reference und im Leitfaden für asynchrone Aufgaben.

Oder lassen Sie einen Agenten laufen

Wenn ein Assistent die Clips für Sie ausführen soll, geben Sie ihm die CLI, den MCP-Server oder den Skill. CLI und MCP-Server zeigen den Preis und holen vor einem bezahlten Aufruf Ihre Bestätigung ein.

• CLI. Legen Sie dasselbe input-Objekt in input.json und führen Sie dann Folgendes aus (npx @spicyapi/cli funktioniert ohne Installation; siehe CLI-Doku):

``bash spicyapi tasks create --model bytedance/seedance-2.0/text-to-video --input-file input.json --wait ``

• MCP-Server. Fügen Sie Ihrem Assistenten den MCP-Server hinzu und fragen Sie dann: "Run Seedance 2.0 text to video with this brief, 5 seconds at 480p." Er ruft spicyapi_task_create auf, das für Ihre Preisbestätigung anhält, und dann spicyapi_task_wait.
• Skill. npx skills add spicyapi-ai/spicy-skill installiert den Agent Skill, der einen Coding-Assistenten das aktuelle Modellschema lesen lässt, statt Felder zu raten.

Text zu Video: die ganze Szene aufbauen

Ohne Bild nennen Sie zuerst die Besetzung und die wichtigsten Objekte, dann die Startkomposition, dann eine kleine Veränderung. "Der Mechaniker hält das Pedal" ist ein Zustand; "dreht das Pedal einmal" ist eine Handlung, und das Modell braucht die zweite. Muss das Fahrrad rot sein und auf einem Montageständer bleiben, schreiben Sie das in die Szenenbeschreibung, nicht ans Ende.

One adult mechanic in a dark blue work shirt stands beside one red commuter bicycle on a repair stand. Medium shot in a tidy daylight workshop. The mechanic turns the right pedal once by hand, watches the rear wheel rotate, then pauses with the hand resting beside the pedal. The camera stays fixed at waist height; the bicycle remains fully visible. Soft morning light from the left. A quiet workshop ambience and one short mechanical click, with no speech. One continuous shot.

enable_web_search gibt es nur bei Text zu Video und erhöht den Tarif (720p steigt von $0.152 auf $0.246 pro Sekunde). Lassen Sie es aus, außer die Einstellung hängt von etwas ab, das das Modell nachschlagen müsste, und prüfen Sie alles Faktische selbst.

Wenn ein Clip verfehlt, ändern Sie den einen Teil des Briefs, der verantwortlich ist:

Bild zu Video: das Frame die visuelle Arbeit machen lassen

Wählen Sie das Frame für die Bewegung, die Sie wollen. Ein enger Headshot gibt einem Lauf-Prompt nichts zu arbeiten, und ein am Hinterrad abgeschnittenes Fahrrad kann nicht zeigen, dass sich dieses Rad dreht. Prüfen Sie das Frame vor dem Absenden auf Anatomie, Objektzahl, herumfliegenden Text und Licht: jeder Fehler im Standbild bleibt über den ganzen Clip erhalten, und ihn zu animieren repariert ihn nicht.

Schreiben Sie dann nur, was sich ändert. Den Mechaniker und die Werkstatt erneut zu beschreiben gibt dem Modell zwei konkurrierende Beschreibungen desselben Motivs, was zum Drift einlädt. Nennen Sie das bewegte Motiv, die Handlung, die Kamera und den Ton:

The mechanic turns the visible pedal once by hand. The rear wheel rotates naturally, then slows while the mechanic watches it. The camera remains fixed at the original medium distance. One continuous shot, quiet workshop ambience.

image_url muss ein öffentlicher, direkt herunterladbarer Link sein (300 bis 6000 px pro Kante, unter 10 MB; ein Foto einer echten, identifizierbaren Person kann abgelehnt werden); für eine Datei auf Ihrem Computer laden Sie sie zuerst hoch und übergeben die zurückgegebene spicy://-URI. Der Prompt ist optional, und ohne ihn wählt das Modell die Bewegung selbst. aspect_ratio: "adaptive" folgt der eigenen Form des Bildes.

last_image_url fixiert das Schlussbild und funktioniert nur zusammen mit image_url. Verwenden Sie kompatible Frames: dasselbe Motiv, ähnlicher Winkel und ähnliche Objektgeometrie. Zwei unverwandte Kompositionen machen aus dem Clip ein Transformationsproblem, für das das Modell einen Weg erfinden muss.

Um über 15 Sekunden hinaus zu kommen, setzen Sie return_last_frame auf true, speichern Sie das zurückgegebene Schlussbild und übergeben Sie es als image_url des nächsten Aufrufs. Es gibt kein Fortsetzungsfeld, also startet jedes Segment von einem gespeicherten Frame.

Referenz zu Video: geben Sie jeder Datei eine Aufgabe

Vergeben Sie die Rollen im Prompt und passen Sie sie an die Reihenfolge des Uploads an: image 1, image 2, video 1, audio 1. Geben Sie dem Motiv einen kurzen Namen, definieren Sie ihn einmal und verwenden Sie ihn weiter. Sagen Sie dem Modell, was es aus einem Clip übernehmen soll und was es liegen lassen soll.

Define the mechanic in image 1 as the Mechanic. Use image 2 for the workshop and the red bicycle. The Mechanic turns the pedal once while the wheel rotates, then pauses. Medium shot, camera fixed at waist height. One continuous shot. Quiet ambience, no speech.

Was hilft:

• Eine Aufgabe pro Datei. Wenn das Aussehen driftet, trennen Sie die Gesichtsreferenz von der Kleidungs- oder Ganzkörperreferenz und sagen Sie, welche was liefert. Zwei oder drei Winkel einer Figur funktionieren besser als ein Stapel nahezu identischer Frames, und eine Collage mehrerer Ansichten kann als mehrere Leute gelesen werden.
• Verwenden Sie generierte oder vollständig freigegebene Gesichter. Die Eingabeprüfung von Seedance kann ein Foto einer echten, identifizierbaren Person ablehnen, noch bevor etwas berechnet wird. Bilder müssen 300 bis 6000 px pro Kante und unter 10 MB sein.
• Halten Sie den Stil einheitlich. Fotos, Cartoons und Anime in einem Referenzset zu mischen, flacht das Ergebnis tendenziell ab.
• Referenzieren ist nicht Bearbeiten. "Borrow the slow sideways track from video 1, not its people or location" verlangt eine neue Szene. "Edit video 1" verlangt, dieses Material zu ändern. Mischen Sie beides nicht in einem Prompt.
• Sagen Sie, was eine Audiodatei liefert: Stimme, Atmosphäre oder musikalische Färbung. Sie braucht ein Bild oder Video daneben, und mit generate_audio aus wird keine Tonspur gerendert, selbst wenn Audio geliefert wird.
• Fügen Sie Video zuletzt hinzu. Lassen Sie die Szene erst mit Bildern funktionieren, dann fügen Sie einen Clip aus einem benannten Grund hinzu. Ein Video ändert auch den Preis (siehe unten).
• Reihenfolge zählt. Wenn ein Werkzeug Ihre Dateien neu sortiert, wird image 1 zu einem anderen Bild. Wenn Sie eine Datei ersetzen, lesen Sie die Zuordnungen im Prompt erneut.

Laden Sie nur Material hoch, für das Sie die Rechte haben, und nur Personen, die dem Erscheinen zugestimmt haben.

Den Ton lenken

generate_audio ist standardmäßig an und kostet genauso viel wie aus. Schalten Sie es aus, wenn Sie den Clip später vertonen oder synchronisieren. Behandeln Sie den Ton als eigenen Teil des Briefs:

• Nennen Sie die Quellen. "Ratchet clicks, spinning wheel, quiet workshop" schlägt "ambient sound". Schreiben Sie "no music", wenn Sie es meinen, sonst kann eine Szene mit Musik zurückkommen.
• Dialog: nennen Sie den Sprecher, setzen Sie die Zeile in Anführungszeichen, halten Sie sie kurz genug für die Dauer und bleiben Sie in einer Sprache. Hören Sie auf die genauen Worte; eine plausibel klingende Zeile kann trotzdem einen Namen oder ein Angebot ändern.
• Beheben Sie es im Schnitt. Wenn das Bild stimmt und der Ton falsch ist, ersetzen Sie den Ton lokal, statt das Bild neu zu rendern.

Iterieren Sie mit einer Änderung pro Schritt

Ändern Sie pro Versuch eine Sache: den Kamerasatz gegen einen unerwünschten Zoom, das Referenzset gegen Identitätsdrift. Sonst sagt Ihnen ein besserer Clip nicht, welche Änderung geholfen hat. Fixieren Sie seed und halten Sie alles andere konstant, um eine Prompt-Änderung zu beurteilen. Ein Seed ist ein Vergleichswerkzeug, keine Zusage für frameidentische Wiederholungen.

Entwerfen Sie in 480p und erhöhen Sie die Auflösung, sobald die Handlung richtig lesbar ist; 720p ist die Voreinstellung. Auflösung und Dauer bestimmen den Preis, Seitenverhältnis, Bitrate und Wasserzeichen nicht. Seedances eigene Prüfung verweigert manche Formulierungen vor dem Rendern, und küssende Formulierungen sind der verlässliche Auslöser; eine verweigerte Aufgabe wird normalerweise ohne Berechnung freigegeben.

Führen Sie ein Protokoll pro Versuch: den Prompt, die Aufgabe, die Dateien in Reihenfolge des Uploads, Dauer, Auflösung und Seed. Wenn ein Prompt bei einer Szene funktioniert, sagt Ihnen die Aufzeichnung, was Sie beim nächsten Mal wiederverwenden können.

Was es kostet

Text zu Video und Bild zu Video rechnen pro Ausgabesekunde ab, mit Ton an oder aus zum gleichen Tarif:

Drei 480p-Entwürfe plus ein 720p-Final ergeben $1.81. Mit -1 (das Modell wählt die Länge) nimmt die Schätzung das Maximum von 15 Sekunden an, $2.28 bei 720p, und die endgültige Berechnung folgt der gelieferten Länge. Seedance 2.0 Fast und Mini sind günstiger (Mini startet bei $0.025 pro Sekunde in 480p, Fast bei $0.045) und enden bei 720p; behandeln Sie einen Entwurf von ihnen als Hinweis auf Ihren Brief, nicht als Vorschau des Ergebnisses des Basismodells.

Referenzvideo ist die eine Eingabe, die die Rechnung verändert. Referenz zu Video berechnet einen niedrigeren Sekundensatz, wenn die Anfrage ein Video enthält (720p: $0.0928 statt $0.152), aber Sie zahlen ihn für Ihre Ausgabesekunden plus die Sekunden des Referenzclips. Ein 5-Sekunden-Clip in 720p mit einem 10-Sekunden-Referenzclip ergibt 15 × $0.0928 = $1.39, gegenüber $0.76 ohne den Clip. In 4K ist der Tarif mit oder ohne Video gleich, der Clip fügt also nur Sekunden hinzu. SpicyAPI hält vorab den Höchstbetrag fest und gibt den ungenutzten Teil frei, wenn die Aufgabe abgeschlossen ist. Kürzen Sie Referenzclips auf die wenigen Sekunden, die die Bewegung tragen.

Wenn ein anderes Modell die Antwort ist

Prüfen Sie zuerst Aufgabenwahl, Frame-Qualität, Referenzrollen und Kameraanweisungen, weil diese Probleme Sie zu jedem Modell verfolgen. Gehen Sie weiter, wenn die Anforderung über den 2.0-Vertrag hinausgeht: Seedance 2.5 läuft 4 bis 30 Sekunden und nimmt beim Referenz zu Video bis zu 30 Bilder, 10 Clips und 10 Audiodateien entgegen, mit eigenen Preisen und einer 1080p-Obergrenze. Lesen Sie seinen Prompt-Leitfaden, bevor Sie einen 2.0-Prompt portieren. BytePlus veröffentlicht außerdem seinen eigenen Prompt-Leitfaden.

FAQ

Kann ich Prompts einfügen, die @Image1 aus anderen Anleitungen verwenden?

Schreiben Sie sie um. Auf SpicyAPI heißen die Labels image 1, video 1 und audio 1, passend zur Reihenfolge der Eingabearrays.