Introducción
Envía solo un prompt para obtener un clip de 5 segundos en 720p y 16:9 con sonido, o añade duration_seconds, resolution, aspect_ratio, generate_audio, watermark, return_last_frame y output_format para orientarlo. No hay que subir nada.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Video |
| Desarrollador | ByteDance (Seedance 2.5 Flash, versión rápida de Seedance 2.5, anunciada por BytePlus el 12 de noviembre de 2026) |
| Nombres de la API | bytedance/seedance-2.5-flash/text-to-video, image-to-video, reference-to-video, video-edit, video-extend |
| Resolución | 480p o 720p (720p por defecto); 1080p y 4K no son compatibles |
| Duración del clip | 4–30 segundos enteros, 5 por defecto; video-edit sigue su origen de 4–30 s |
| Relación de aspecto | 16:9 (por defecto), 9:16, 4:3, 3:4, 1:1, 21:9 o adaptive en solicitudes de texto y de referencia; imagen a video sigue la imagen inicial |
| Límites de referencias | Hasta 10 imágenes, 5 clips (30 s en total) y 5 archivos de audio en referencia a video |
| Reglas de los clips de referencia | Cada clip cuenta como mínimo 2 s y necesita unos 409.600 píxeles (854×480 o más) |
| Entradas de la edición |
|
| Audio |
|
| Opciones de salida | mp4 (por defecto) o mov; watermark desactivado por defecto; |
| Base del cobro | Por segundo según la resolución; los clips de referencia suman sus segundos; las ediciones cobran los segundos del origen; las generaciones fallidas no se cobran |
| Tiempo de render medido | De 84 s a unos 11 min para 4 s en 480p (ejecuciones del 13 de noviembre de 2026) |
Funciones y aspectos destacados
Los flujos del modelo insignia con un techo más bajo
Flash conserva los cuatro flujos de Seedance 2.5 que encajan con el trabajo de borrador (texto, fotogramas inicial y final, referencias mixtas, edición de clips), deja fuera 1080p y 4K, y suma una extensión de video basada en su modo de imagen a video. BytePlus presenta el intercambio como resultados cercanos al modelo insignia con casi el doble de velocidad. Nuestros renders de 4 segundos en 480p tardaron entre 84 segundos y unos 11 minutos, así que mide la velocidad en tu propia cola.
Asigna una función a cada archivo en el prompt
Nombra los archivos por tipo y orden, con un espacio: @Image 1, @Video 1, @Audio 1. Con dos retratos como @Image 1 y @Image 2 en 16:9, ambas personas aparecieron juntas en una misma escena de elevador y conservaron rostro, cabello y ropa. Con una imagen, un clip y un archivo de voz, la calle, el tranvía amarillo y la cámara de seguimiento del clip pasaron al resultado, pero la persona quedó de espaldas a la cámara y el rostro de @Image 1 apenas se vio.
Una calle soleada convertida en una tarde nevada
Los dos ciclistas, sus bicicletas, el tranvía y el movimiento de cámara coincidieron con el origen fotograma por fotograma; cambiaron el clima y la luz, y nada más. Fue un clip de 4,0 s en 480p con el audio desactivado, que además conservó la banda sonora original.
Un interruptor decide qué banda sonora obtienes
generate_audio viene activado por defecto y produce voces, efectos y ambiente junto con la imagen. En video-edit, desactivarlo conserva la pista propia del clip de origen (44,1 kHz en nuestra prueba), mientras que activarlo genera una nueva que puede seguir a @Audio 1. El interruptor no afecta el precio.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Escribe el sujeto, una acción principal, el movimiento de cámara, la luz y una línea final Audio: que enumere lo que se oye; el prompt de prueba siguió ese orden y el clip coinc… mínimo 1 caracteres · máximo 20000 caracteres |
aspect_ratio | No | 16:9 (por defecto), 9:16, 4:3, 3:4, 1:1, 21:9 o adaptive, que deja la forma del encuadre al modelo. |
resolution | No | 480p o 720p, 720p por defecto. Una solicitud horizontal en 480p devolvió 854×480, así que define el plano en 480p y repite el prompt ganador en 720p. |
duration_seconds | No | Segundos enteros de 4 a 30, 5 por defecto, cobrados según lo solicitado. |
generate_audio | No | True por defecto: las voces, los efectos y el ambiente del prompt se producen junto con la imagen, y nuestra prueba devolvió una pista AAC estéreo. Valor predeterminado: |
output_format | No | mp4 (por defecto) o mov. |
return_last_frame | No | False por defecto. Valor predeterminado: |
watermark | No | False por defecto. Valor predeterminado: |
Precios
Se cobra por segundo solicitado según la tarifa de 480p o 720p; una solicitud de 4 segundos que devuelve 4,06 segundos se cobra como 4. El audio, la relación de aspecto, la marca de agua, el último fotograma y el formato de archivo no cambian el precio, y las solicitudes fallidas no se cobran.
| Especificación | Precio |
|---|---|
| $0.115 / segundo |
| $0.2392 / segundo |
Casos de uso
Probar un plano antes del render final
Envía un prompt de 4 segundos, 480p y 16:9 que termine con una línea Audio:, por ejemplo un cruce peatonal bajo la lluvia por la noche. Nuestra prueba devolvió 854×480 a 24 fps, con 4,064 s de duración y una pista AAC estéreo con lluvia y risas. Cambia una frase y vuelve a ejecutar para ver qué se movió.
Cambiar el estilo de material que ya grabaste
Sube un clip de 4 a 30 segundos, describe el cambio y enumera lo que debe mantenerse. En nuestra prueba, una calle soleada con dos ciclistas y un tranvía se convirtió en una tarde nevada, y con generate_audio desactivado volvió la banda sonora original sin cambios.
Maquetas de personajes y productos
Adjunta un retrato y una foto de producto como @Image 1 y @Image 2 y pide 9:16. Nuestra prueba con dos imágenes devolvió 480×854 con el hombre levantando un frasco de vidrio con gotero hacia el lente, así que ambas referencias aparecieron. Usa el resultado para evaluar la idea antes de armar una versión pulida.
Animar un retrato en bucle
Da la misma foto como image_url y last_image_url y describe el movimiento entre ambas. Nuestro retrato de una alfarera devolvió un clip de 562×748 y 4,064 s cuyos fotogramas inicial y final coincidían con la pose de origen.
Encadenar un plano con el siguiente
Pon return_last_frame en true y el MP4 llega con un JPEG de su último fotograma (854×480 en 480p y 16:9 en nuestra prueba). Pasa ese JPEG como image_url de la siguiente solicitud de imagen a video para que el plano siguiente empiece donde terminó el anterior.
Guía de prompts y consejos prácticos
Elige el endpoint según tu entrada
Usa texto a video para un prompt solo, imagen a video para un fotograma inicial, referencia a video para imágenes, clips o una voz, edición de video para un clip existente de 4–30 segundos y extensión de video para sumar de 4 a 30 segundos a un clip de hasta 60 segundos. Los cinco comparten el rango 480p/720p y el interruptor
generate_audio.Envía la solicitud createTask
Haz POST a https://api.spicyapi.ai/api/v1/jobs/createTask con el encabezado Authorization: Bearer YOUR_SPICY_API_KEY y el cuerpo {"model": "bytedance/seedance-2.5-flash/text-to-video", "input": {"prompt": "A lighthouse keeper climbs a spiral stair at dawn and wipes fog from the lamp glass. Audio: wind, boots on iron.", "
duration_seconds": 4, "resolution": "480p"}}.Consulta el clip terminado
La respuesta entrega un taskId en estado queued. Llama a GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID, o pasa un callBackUrl, hasta que el estado sea succeeded; luego lee la dirección del MP4 en output.assets. Los detalles de los campos están en la guía de tareas en docs.spicyapi.ai/docs/tasks.
Cambia una frase y luego sube de nivel
Compara variaciones en 480p y 4 segundos, cambiando una sola frase por ejecución. Cuando una toma funcione, vuelve a ejecutarla en 720p y con la duración objetivo, o envía la misma instrucción a Seedance 2.5 para 1080p.
Seedance 2.5 Flash de texto a video a partir de un plano escrito
El texto a video de Seedance 2.5 Flash es la versión rápida de Seedance 2.5 de ByteDance para generar solo con un prompt: envías texto y recibes un clip de 4 a 30 segundos en 480p o 720p, con voces, efectos y ambiente generados en la misma pasada. BytePlus, la plataforma en la nube de ByteDance, afirma que Flash ofrece resultados cercanos al modelo insignia con una velocidad de generación casi el doble, y marca 1080p y 4K como no compatibles.
Ejemplo de solicitud
Crea una tarea con el nombre público bytedance/seedance-2.5-flash/text-to-video. Envía POST https://api.spicyapi.ai/api/v1/jobs/createTask con Authorization: Bearer YOUR_SPICY_API_KEY y Content-Type: application/json; la guía de la API de tareas cubre la consulta periódica y los callbacks.
{
"model": "bytedance/seedance-2.5-flash/text-to-video",
"input": {
"prompt": "A young woman in a yellow raincoat sprints across a rain-soaked city crosswalk at night, neon signs reflected in the wet asphalt. She ducks under a shop awning, pushes back her hood and laughs, shaking water from her hair. Handheld tracking shot at street level. Audio: heavy rain on pavement, a passing car hissing through puddles, her breathless laugh.",
"duration_seconds": 4,
"resolution": "480p",
"aspect_ratio": "16:9",
"generate_audio": true,
"return_last_frame": true
}
}
Ejemplo de respuesta
El envío devuelve una tarea queued; consulta GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID (o pasa callBackUrl) hasta que indique succeeded.
{"code": 200, "msg": "success", "data": {"taskId": "YOUR_TASK_ID", "state": "queued"}}
{"code": 200, "msg": "success", "data": {"taskId": "YOUR_TASK_ID", "state": "succeeded", "output": {"assets": [{"url": "https://example.com/clip.mp4"}]}}}
Con return_last_frame activado, la tarea terminada también devuelve un JPEG del último fotograma.
Parámetros
| Parámetro | Valores | Por defecto |
|---|---|---|
prompt | Instrucción de texto | Obligatorio |
duration_seconds | 4 a 30 | 5 |
resolution | 480p, 720p | 720p |
aspect_ratio | 16:9, 9:16, 4:3, 3:4, 1:1, 21:9, adaptive | 16:9 |
generate_audio | true, false | true |
watermark | true, false | false |
return_last_frame | true, false | false |
output_format | mp4, mov | mp4 |
Cómo funciona el cobro
Texto a video se cobra por segundo solicitado, con la tarifa de la resolución elegida, y la página muestra el precio de un segundo. Una solicitud de 4 segundos volvió con 4,064 segundos y se cobró como 4. El audio, la relación de aspecto, la marca de agua, el último fotograma y el formato no lo cambian; una generación fallida no se cobra.
Cómo escribir un plano solo con texto
Orden del prompt. Empieza por el sujeto y su movimiento principal, y luego pon cámara, luz y sonido. BytePlus enumera sujeto, acción, escena, estilo visual, cámara y sonido, y dice que las partes que no necesites se pueden omitir; Dreamina recomienda mantener los prompts de Flash concisos y centrados en una sola acción clara. El prompt de prueba se queda en una calle: un impermeable amarillo, una carrera para resguardarse, un plano de seguimiento en mano, neones sobre el asfalto mojado.
Sonido. Cierra con una línea Audio: que enumere las fuentes con palabras simples. Para el habla, pon las palabras entre comillas e indica el idioma y el tono antes de ellas, la regla que da BytePlus para el diálogo que no está en chino. BytePlus también documenta corchetes para música, efectos y diálogo; nosotros probamos solo la línea simple.
Forma del encuadre. Usa 16:9 para reproductores horizontales, 9:16 para feeds verticales, 1:1, 4:3 o 3:4 para cuadrículas y 21:9 para recortes anchos. adaptive deja que decida el modelo, lo que sirve para explorar al principio; fija una relación cuando una plantilla espere una.
Duración. Nuestra prueba de 4 segundos contuvo tres momentos: correr, resguardarse y reír. Para 8 a 15 segundos, planifica dos o tres momentos bajo una sola idea de cámara. Para 16 a 30 segundos, escribe líneas con rangos de tiempo (0-8 s: ..., 8-20 s: ...); ByteDance Seed dice que los prompts pueden orientar la narrativa, la cámara y el ritmo en un intervalo concreto. Solo ejecutamos solicitudes de 4 segundos, así que prueba los planes más largos en 480p antes de pasar a 720p.
Encadenado. Pon return_last_frame en true y pasa el JPEG devuelto como image_url a bytedance/seedance-2.5-flash/image-to-video con un prompt para el siguiente momento; la imagen inicial fija la forma, así que un fotograma 16:9 continúa en 16:9. Cada clip recibe su propia banda sonora, por lo que conviene reutilizar tu redacción de Audio:. Muchos generadores suavizan el movimiento cerca del final de un clip, así que pide un segundo más de lo que necesitas y recorta.
Ajustes de archivo. Usa mp4 para reproducir y mov para una línea de tiempo de edición; BytePlus documenta mov como video H.264 con muestreo de croma yuv444p y audio PCM. Deja watermark desactivado salvo que una plataforma exija una marca, ya que BytePlus indica que añade una marca de contenido generado por IA en la esquina inferior derecha.
Qué mostraron nuestras pruebas
| Ejecución (13 nov 2026) | Resultado |
|---|---|
| 4 s, 480p, 16:9, audio activado | 854×480, 24 fps, 4,064 s, AAC estéreo; ella cruzó corriendo, se resguardó bajo el toldo y rio, tal como se escribió. Terminó en 2,6 minutos en una ejecución y en unos 11 minutos en otra. |
Lo mismo más return_last_frame | El MP4 y un JPEG de 854×480 del último fotograma. |
En los cuatro endpoints de Flash, las ejecuciones de 4 segundos en 480p tardaron de 84 segundos a unos 11 minutos, así que no podemos confirmar una ganancia de velocidad; los clips más largos y en 720p tardan más. No ejecutamos una cadena completa de varios planos ni probamos mov. Un envío duplicado inicia un segundo render, así que espera a la primera tarea.
Límites y errores
- Los valores fuera de 4 a 30 segundos, de
480po720p, o de las relaciones listadas se rechazan al enviar. - El modelo aplica su propio control de derechos de autor y semejanza, y una de nuestras solicitudes de texto fue detenida por él. Reescribe con un personaje inventado en lugar de una persona con nombre o un personaje protegido; una tarea fallida trae un mensaje de error y no se cobra.
- ByteDance Seed dice que la física del movimiento complejo y las escenas con varios sujetos que interactúan aún tienen margen de mejora, así que limita un plano a uno o dos sujetos.
- Flash no tiene endpoint de 1080p, 4K ni de extensión de video. Los archivos terminados se conservan 14 días.
Cuándo elegir otro endpoint u otro modelo
- Seedance 2.5: entrega por encima de 720p, 4K, extensión de clips o borrador con ampliación posterior.
- Seedance 2.0 Fast: la versión rápida de la generación anterior en 480p y 720p, con un endpoint de extensión que Flash no tiene.
- Imagen a video de Flash: una imagen debe abrir el plano, o continúas desde un último fotograma devuelto.
- Referencia a video de Flash: los rostros, productos, movimientos de cámara o voces salen de tus propios archivos.
- Edición de video de Flash: cambia el estilo de material que ya tienes.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.5-flash/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"output_format": "mp4",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.










