Einführung
Seedance 2.0 reference-to-video bringt mehrere autorisierte Quellen in einem Shot zusammen: Bilder für Wer und Was, Clips für Bewegung und Tempo, Audio für den Takt, auf dem der Schnitt landet. Ein eigener Vertrag, der kein Startbild nimmt.
ByteDance Seedance 2.0 veröffentlicht text-to-video, image-to-video und reference-to-video: 4 bis 15 Sekunden in 480p bis 4K, mit eigenem Ton und adaptive als Standardformat.
| Ausgangsmaterial | Passender Modus |
|---|---|
| Geschriebene Szene | Seedance 2.0 Text-zu-Video |
| Freigegebenes Startbild | Seedance 2.0 Bild-zu-Video |
| Getrennte Referenzen | Seedance 2.0 Referenz-zu-Video |
Wichtige Funktionen und Highlights
Der Raumton kommt in derselben Datei zurück
generate_audio ist standardmäßig an: Eis im Shaker, ein Lachen, leises Barmurmeln und der Raum, in dem all das passiert, kommen aus demselben Durchgang wie das Bild. Das Ergebnis trifft bereits synchron ein, statt auf einen Tondurchgang zu warten. Schalten Sie es ab, wenn der Clip ohnehin zum Sounddesign geht.
Neun Referenzen, ein durchgehender Cast
reference-to-video nimmt bis zu 9 Bilder, 3 Clips und 3 Audiospuren zusammen. Drei Blickwinkel eines Gesichts plus ein Kostüm-Still halten eine Figur über eine Folge hinweg weit besser als neun unverbundene Frames. Und ein Referenzclip trägt Kamerasprache, die kein Adjektiv im Prompt verlässlich reproduziert.
Die Form folgt dem Material
aspect_ratio steht an allen drei Endpunkten auf adaptive. Bei image-to-video behält der Clip die Form Ihres Startbilds, ein Hochformat wird also nicht ins Querformat beschnitten; bei text-to-video nimmt das Modell die Form aus dem Prompt; bei reference-to-video findet es einen Ausschnitt, der alle referenzierten Motive hält. Nennen Sie 16:9, 9:16 oder 21:9 nur, wenn eine Platzierung ein festes Format verlangt.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Pflicht, und hier übernimmt er auch das Casting. Referenzen werden in der Reihenfolge zitiert, in der Sie sie senden. |
reference_image_urls | Nein | Bis zu 9 Referenzbilder, um eine Figur, einen Stil oder ein Set zu halten. Zwei oder drei Blickwinkel derselben Figur wirken meist besser als ein Stapel nahezu identischer Frames. höchstens 9 Einträge |
reference_video_urls | Nein | Bis zu 3 Referenzclips, jeder 2 bis 15 Sekunden lang und zusammen höchstens 15 Sekunden, für Bewegung, Tempo oder Kamerasprache. höchstens 3 Einträge |
reference_audio_urls | Nein | Bis zu 3 Referenz-Audiodateien, jede 2 bis 15 Sekunden lang und zusammen höchstens 15 Sekunden. höchstens 3 Einträge |
aspect_ratio | Nein | Vorgabe ist |
resolution | Nein | 480p, 720p, 1080p oder 4k, Vorgabe 720p, und es geht direkt in die abgerechnete Menge ein. Es setzt nur die Ausgabestufe und schärft keine niedrig aufgelösten Referenzen. |
duration_seconds | Nein | 4 bis 15 Sekunden, Vorgabe 5; mit -1 wählt das Modell die Länge selbst (geschätzt wird das Maximum von 15 Sekunden, abgerechnet die gelieferte Länge). |
generate_audio | Nein | Standardmäßig an. Erzeugt eine eigene, zum Bild synchrone Tonspur. Standardwert: |
seed | Nein | Ganzzahliger Seed; ohne Angabe zieht jeder Lauf seinen eigenen. |
return_last_frame | Nein | Liefert zusätzlich zum Video das letzte Bild des Clips als eigenes Bild. Standardwert: |
bitrate_mode | Nein | Bitrate der gelieferten Datei: |
watermark | Nein | Fügt dem Video das eigene sichtbare Wasserzeichen „AI generated“ des Modells hinzu. Standardwert: |
Preis
Referenzclips zählen zu den berechneten Sekunden. Da wir deine Clips vor dem Lauf nicht messen können, reservieren wir zunächst den Betrag für die maximalen 15 Sekunden und geben den nicht genutzten Teil bei der Abrechnung sofort wieder frei — berechnet werden nur die tatsächlich genutzten Sekunden.
| Auflösung | With video: Ja | With video: Nein |
|---|---|---|
| $0.0431 / Sekunde | $0.07 / Sekunde |
| $0.0928 / Sekunde | $0.152 / Sekunde |
| $0.2284 / Sekunde | $0.374 / Sekunde |
| $0.778 / Sekunde | $0.778 / Sekunde |
Anwendungsfälle
Jeder Referenz eine Aufgabe geben
Seedance 2.0 reference-to-video bringt mehrere autorisierte Quellen in einem Shot zusammen: Bilder für Wer und Was, Clips für Bewegung und Tempo, Audio für den Takt, auf dem der Schnitt landet. Ein eigener Vertrag, der kein Startbild nimmt. Nutzen Sie diesen Modus, wenn getrennte Bilder, Clips oder Audiodateien verschiedene Teile einer neuen Einstellung steuern sollen. Benennen Sie vor der Handlung den Beitrag jedes Materials.
Nachtleben und Barszenen mit eigenem Ton
Ein Cocktail, der geschüttelt wird, Glas auf der Theke, leises Murmeln hinter einer roten Laterne: Schreiben Sie den Raum in den Prompt und lassen Sie generate_audio an. Seedance 2.0 legt die Atmo gegen das Bild an, der Schnitt kommt also mit Atmosphäre statt als stumme Platte.
Eine Kampagne, die über alle Schnitte hält
Laden Sie das Produkt aus drei Blickwinkeln und das Model aus zweien in reference-to-video und ändern Sie dann nur den Prompt je Schnitt. Dieselbe Flasche, dasselbe Gesicht und dieselbe Jacke reisen mit der Anfrage, die Serie hält also ohne manuellen Farbdurchgang zusammen.
Unzensierte Kostüm- und Rollenspielarbeit
Spitze und Satin, Schwanz- und Ohren-Requisiten, Ich-Perspektiven, Paare jedes Geschlechts: Nichts davon wird bei uns geprüft. Die eigene Schicht von Seedance lehnt manche Formulierung ab – treiben Sie solche Szenen deshalb über ein Startbild bei image-to-video an statt über den Prompt.
Prompt-Leitfaden und Praxistipps
Endpunkt nach vorhandenem Material wählen
Nur eine Beschreibung geht an text-to-video. Ein Still, das erhalten bleiben muss, an image-to-video. Ein Cast, ein Produkt oder eine Bewegung, die sich über mehrere Schnitte wiederholen muss, an reference-to-video. Rufen Sie den Familiennamen auf, entscheiden die mitgesendeten Felder über den Endpunkt.
Den Shot wie eine Shotliste schreiben
Motiv, Handlung, Kamera, Licht, Ton – ein Gedanke pro Satz. Der Clip auf dieser Seite stammt aus genau diesem Prompt (englisch belassen, so wie gesendet): „Photorealistic live-action, not animation. A real adult woman in a chocolate satin robe works behind a dim neon bar, a large fluffy faux fox tail accessory clipped at the small of her back. She shakes a cocktail, turns to set the glass on the counter and the tail sways with the movement, then she looks back at camera with a teasing smile. Warm red lantern light, 35mm grain, slow push-in, ice rattling and low bar chatter.“ Fünf Sekunden, 720p, 16:9, Ton an.
Das veröffentlichte Beispiel anpassen
Beginnen Sie mit dem veröffentlichten Beispiel und behalten Sie die zu diesem Modus gehörenden Eingaben bei. Ersetzen Sie nur Motiv und kreative Richtung; vergleichen Sie den nächsten Take mit einem klaren sichtbaren Ziel.
The woman from @Image1, in the same sheer black robe, steps out onto the rooftop from @Image2 at sunset. She walks slowly between the drying white sheets; the wind lifts one sheet across her body and lets it fall away. She stops at the parapet, the robe sliding off one shoulder, and glances back over her shoulder into camera. Warm golden backlight, slow tracking shot, no cuts.
Eine Referenz ist die Person, die andere der Ort: Der Prompt sagt, welches Bild welche Aufgabe hat. So betritt die Frau aus dem Kerzenlicht-Porträt im selben Mantel das Dach bei Sonnenuntergang, und die Wäsche auf der Leine wird zu dem, durch das sie sich bewegt.
Ergebnis gezielt prüfen und weiterentwickeln
Prüfen Sie, ob jede Referenz ihre vorgesehene Rolle erfüllt: Figur, Umgebung, Bewegung oder Ton. Entfernen Sie bei Konflikten zuerst eine widersprüchliche Quelle, statt den Prompt weiter zu überladen.
Ausgangspunkt und Zielbild festlegen
Halten Sie vor dem ersten Durchlauf fest, was im ersten, mittleren und letzten Moment sichtbar sein soll. So prüfen Sie die Sequenz gegen ein konkretes Ziel statt gegen einen vagen Eindruck.
Quelle und Bewegung getrennt beurteilen
Die Vorlage legt die wiedererkennbaren Details fest; die Anweisung beschreibt, was danach geschieht. Prüfen Sie beide Entscheidungen gemeinsam, damit die Bewegung die Ausgangskomposition nicht überdeckt.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.0/reference-to-video",
"input": {
"aspect_ratio": "adaptive",
"bitrate_mode": "standard",
"duration_seconds": 5,
"generate_audio": true,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
