El reference-to-video de Seedance 2.0 de ByteDance construye un plano con tu propio material: hasta 9 imágenes, 3 clips de video y 3 pistas de audio, sin primer cuadro. La salida dura de 4 a 15 segundos a 480p, 720p, 1080p o 4K, con audio nativo.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- Salida5 s
cliff-temple-goddess-glance `@Image1` aporta a la mujer y su vestuario: un vestido blanco de gasa drapeada con cuello en V profundo y una abertura alta, un cinturón de cordón dorado, brazaletes dorados en los brazos y pendientes de hoja. `@Image2` aporta el lugar: las ruinas de un templo de mármol sobre un acantilado junto al mar al atardecer, con amapolas entre las piedras. La cámara la sigue por detrás mientras camina entre las columnas hacia el sol y el viento levanta el bajo largo y la cola tras ella; se detiene entre dos columnas, mira por encima del hombro con una sonrisa lenta y la cámara se acerca hasta un plano corto con el sol destellando junto a su pelo. `aspect_ratio` `3:4` mantiene el formato vertical y `generate_audio` es `true`, así que el clip trae su propio sonido.
- 720p
- 3:4
- audio
- Salida6 s
character-into-location Una referencia es la persona y la otra es el lugar: el prompt indica qué imagen cumple cada función, así que la mujer del retrato a la luz de las velas llega a la azotea del atardecer con el mismo atuendo, y la ropa tendida se convierte en lo que ella atraviesa.
- 720p
- 16:9
- audio
- Salida4 s
same-suit-three-cities La continuidad del vestuario es la parte difícil de este ejemplo: la misma chaqueta abierta tiene que comportarse como la misma prenda en una tercera esquina, bajo otra luz. Las referencias cargan con el modelo y el traje, dejándole al prompt describir solo lo que hace el viento y por dónde camina él. Hasta nueve imágenes, tres clips y tres pistas de audio entran juntos, así que el reparto viaja entre planos como datos y no como adjetivos.
- 480p
- 3:4
- 4s
- Salida10 s
camera-language-match El prompt indica de dónde viene cada elemento: la cámara del clip, el escenario de la imagen, el tiempo de la pista. «low, drifting right, never cutting» le dice al modelo exactamente qué extraer. En el resultado, una sola figura se aleja por el pasillo tomado de `reference_image_urls`, encuadrada baja y sin corte de principio a fin. `aspect_ratio` `21:9`, `resolution` `1080p`.
- 1080p
- 21:9
- audio
Este ejemplo parte de $0.07 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.