Introducción
Seedance 2.0 Fast referencias a video reúne varias fuentes autorizadas en una sola toma: imágenes para el quién y el qué, clips para el movimiento y el ritmo, audio para el compás en el que cae el corte. No recibe un primer fotograma.
Seedance 2.0 Fast es el nivel rápido de la línea Seedance 2.0 de ByteDance. Sus endpoints devuelven clips de 4 a 15 segundos en 480p o 720p, con audio generado junto con la imagen.
Elige el modo de Seedance 2.0 Fast según tu material inicial
| Material inicial | Modo |
|---|---|
| Un guion o la descripción de una escena | Seedance 2.0 Fast Texto a video |
| Una imagen inicial aprobada | Seedance 2.0 Fast Imagen a video |
| Referencias separadas de apariencia, movimiento o audio | Seedance 2.0 Fast Referencias a video |
Funciones y aspectos destacados
Un mismo conjunto de campos, tres fuentes
Los tres endpoints aceptan los mismos campos base: prompt, duration_seconds de 4 a 15 (o -1 para que el modelo elija), resolution en 480p o 720p, aspect_ratio, generate_audio y seed. Lo que cambia es la fuente que ancla la imagen: nada, un fotograma inicial o un conjunto de referencias. Una solicitud pasa de un modo a otro con solo agregar o quitar esa fuente.
Imagen y sonido en una sola pasada
generate_audio viene activado y genera ambiente, efectos de movimiento y voz sincronizados con los fotogramas. Desactivarlo no baja la tarifa en este nivel, así que apágalo solo para loops mudos o para material que vas a musicalizar en posproducción.
Formato adaptable por defecto
aspect_ratio usa adaptive por defecto: imagen a video conserva las proporciones del fotograma inicial, referencias a video sigue la referencia principal y texto a video deja que el modelo elija la forma que sugiere el prompt. Las seis relaciones fijas, 16:9, 9:16, 4:3, 3:4, 1:1 y 21:9, están disponibles cuando el destino impone el formato.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Obligatorio, y aquí además hace el reparto. mínimo 1 caracteres |
reference_image_urls | No | Hasta 9 imágenes que tengas autorización para usar, para un personaje, un producto, un estilo o un decorado. máximo 9 elementos |
reference_video_urls | No | Hasta 3 clips que aportan movimiento, ritmo o lenguaje de cámara. máximo 3 elementos |
reference_audio_urls | No | Hasta 3 archivos de audio, de 2 a 15 segundos cada uno y 15 en total, cada uno por debajo de 15 MB, que dan a la toma un ancla sonora — entonación, tempo, una frase musical — a… máximo 3 elementos |
aspect_ratio | No | Encuadre de salida, adaptive por defecto: el clip toma la forma de la referencia principal. |
resolution | No | Resolución de salida: 480p o 720p por defecto. Elige un escalón de tarifa y no va a afilar referencias de baja resolución. |
duration_seconds | No | Duración del clip final en segundos enteros, de 4 a 15, 5 por defecto; con -1 la elige el modelo y la estimación supone 15 segundos. |
generate_audio | No | Determina si se renderiza una banda sonora nativa sincronizada con la imagen. Activo por defecto; apagarlo no baja la tarifa en esta versión. Valor predeterminado: |
seed | No | Seed entera; si la omites, cada tirada saca la suya. Fíjala con todo lo demás constante para juzgar qué cambió realmente un retoque de prompt. |
return_last_frame | No | Devuelve además el último fotograma del clip como imagen aparte, junto al video. Valor predeterminado: |
bitrate_mode | No | Tasa de bits del archivo entregado: |
watermark | No | Añade al video la marca de agua visible «AI generated» del propio modelo. Valor predeterminado: |
Precios
Los clips de referencia suman segundos facturables. Como no podemos medir tus clips antes de ejecutar la tarea, retenemos por adelantado el importe de los 15 segundos máximos y liberamos la parte no utilizada en cuanto se liquida — solo se te cobran los segundos realmente usados.
| Resolución | With video: Sí | With video: No |
|---|---|---|
| $0.022539 / segundo | $0.04499712 / segundo |
| $0.048471 / segundo | $0.096768 / segundo |
Casos de uso
Un producto desde todos los ángulos
Dos o tres ángulos de un mismo objeto lo sostienen mucho mejor que una pila de imágenes casi idénticas. El ejemplo publicado envía tres vistas de un tenis y pide una rotación de tornamesa por esas vistas en orden, con la textura del cuero, la suela y las agujetas idénticas.
Un movimiento de cámara prestado
Un clip de referencia puede aportar lenguaje de cámara en lugar de contenido. Uno de los ejemplos toma una subida lenta de grúa de un clip, la monta sobre una azotea de una imagen de referencia y hace coincidir el punto más alto con el crescendo de una pista de referencia.
Un elenco fijo a lo largo de una serie
Guarda un conjunto de referencias para un personaje, una prenda o un espacio y cambia solo el prompt entre solicitudes. Las mismas imágenes sostienen cada episodio, así que la identidad se mantiene mientras la acción avanza.
Guía de prompts y consejos prácticos
Haz el casting en el prompt
Aquí el prompt es obligatorio y se encarga del casting. Las referencias se leen en el orden en que las envías, así que di qué imagen es cada personaje, qué aporta cada clip y para qué sirve el audio. Nombrarlas como @Image1, @Image2 y así sucesivamente deja esa relación sin ambigüedad.
Respeta los límites de referencias
reference_image_urls acepta hasta 9 imágenes, reference_video_urls hasta 3 clips y reference_audio_urls hasta 3 pistas. Se necesita al menos una imagen o un clip, porque el audio solo se rechaza. Clips y audio duran de 2 a 15 segundos cada uno y 15 segundos en total, y los segundos de tus clips de referencia se cobran además de la salida, así que recórtalos a la parte que quieres usar.
Adapta el ejemplo incluido
El ejemplo publicado usa aspect_ratio 1:1, duration_seconds 5, generate_audio true y resolution 720p, con tres fotos del producto en reference_image_urls.
Treat @Image1, @Image2 and @Image3 as three angles of one sneaker. Rotate it smoothly on an invisible turntable through those three views in order, keeping the leather grain, gum sole and lacing identical throughout. Hard studio key stays fixed; the contact shadow swings with the rotation.
Cada referencia se nombra por su posición y recibe una sola tarea. Cambia el producto y conserva esa estructura.
Usa imagen a video cuando el primer fotograma deba ser exacto
Este endpoint no tiene campo de primer ni de último fotograma. Cuando la imagen inicial tenga que coincidir exactamente con una foto, envía esa foto a imagen a video y describe solo el movimiento.
Inicio rápido de la API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.0-fast/reference-to-video",
"input": {
"aspect_ratio": "adaptive",
"bitrate_mode": "standard",
"duration_seconds": 5,
"generate_audio": true,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
















