Introducción
Envía video_url y prompt; reference_image_urls, reference_audio_urls, resolution y generate_audio son opcionales. El resultado sigue al clip de origen, así que la solicitud no tiene campo de duración. Con generate_audio desactivado, el sonido original de tu clip se mantiene en la salida.
| Campo | Valor |
|---|---|
| Entrada | Video |
| 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 | Empieza por el cambio y luego enumera lo que debe mantenerse: personas, ropa, objetos, movimiento y movimiento de cámara. mínimo 1 caracteres · máximo 20000 caracteres |
video_url | Sí | Enlace al MP4 que quieres editar, de 4 a 30 segundos de duración; lo que quede fuera de ese rango se rechaza antes de cualquier cobro. mínimo 1 caracteres |
reference_image_urls | No | Hasta 10 imágenes opcionales que muestran el aspecto buscado, como una prenda, un objeto o un tablero de colores. mínimo 1 elementos · máximo 10 elementos |
reference_audio_urls | No | Hasta 5 archivos de audio opcionales, 30 segundos en total, que orientan la banda sonora que escribe el modelo hacia una voz o un ambiente. mínimo 1 elementos · máximo 5 elementos |
resolution | No | 480p o 720p, 720p por defecto. |
generate_audio | No | true (por defecto) escribe una banda sonora nueva para la imagen editada, y false conserva el sonido de tu clip. Valor predeterminado: |
Precios
Se cobra por segundo del clip de origen subido (4–30 s, redondeado hacia arriba) con la tarifa de 480p o 720p, sea cual sea la duración con la que vuelva el resultado. Las imágenes de referencia, el audio de referencia y el interruptor de audio no cambian el cobro, y una tarea que falla no se cobra.
| Especificación | Precio |
|---|---|
| $0.18 / segundo |
| $0.36 / 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.
Qué hace la edición de video de Seedance 2.5 Flash
La edición de video de Seedance 2.5 Flash es la tarea de edición por instrucciones del modelo de video rápido de ByteDance: subes un clip de 4 a 30 segundos, describes qué debe verse distinto y lo recibes renderizado de nuevo en 480p o 720p. El clima, la hora del día, el vestuario y los objetos son objetivos típicos; las personas, su movimiento y la trayectoria de la cámara son lo que le pides al modelo que mantenga.
BytePlus, la plataforma en la nube de ByteDance, describe Flash como «resultados cercanos al Seedance 2.5 insignia, con una velocidad de generación casi el doble». Aquí el interruptor de audio tiene dos funciones: generate_audio: false conserva la banda sonora de tu clip, y true escribe una nueva que puede seguir un archivo de voz adjunto.
Ejemplo de solicitud
Esta es la edición de nevada de nuestras pruebas. Envíala como POST https://api.spicyapi.ai/api/v1/jobs/createTask con Authorization: Bearer YOUR_SPICY_API_KEY, como describe la guía de la API de tareas.
{
"model": "bytedance/seedance-2.5-flash/video-edit",
"input": {
"prompt": "Turn the sunny afternoon into a snowy winter evening: fresh snow on the rooftops, balconies and cobblestones, snowflakes drifting through the air and warm light in the windows. Keep both riders, their bikes, their clothes, their movement, the tram and the camera move exactly as in the source video.",
"video_url": "https://example.com/tram-street.mp4",
"resolution": "480p",
"generate_audio": false
}
}
Ejemplo de respuesta
El envío devuelve un ID de tarea. Consulta GET /api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID o pasa callBackUrl; la tarea terminada incluye el MP4 editado.
{ "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/edited-tram-street.mp4" } ] } } }
Tabla de parámetros
prompt y video_url son obligatorios.
| Parámetro | Valores / por defecto | Qué hace |
|---|---|---|
prompt | Obligatorio, hasta 20.000 caracteres | El cambio y luego lo que debe mantenerse |
video_url | Obligatorio, MP4, 4–30 s | El clip que se edita |
reference_image_urls | Hasta 10 | Aspectos buscados, nombrados @Image 1, @Image 2 |
reference_audio_urls | Hasta 5, 30 s en total | Voz o ambiente, nombrados @Audio 1 |
resolution | 480p o 720p, 720p por defecto | Tamaño de salida |
generate_audio | true por defecto | Sonido nuevo (true) o sonido del origen (false) |
Cómo funciona el cobro
El cobro sigue al clip que subes, no al que recibes. Los segundos del origen (de 4 a 30, redondeados hacia arriba) se calculan con la tarifa de la resolución elegida, que se muestra en esta página; un origen de 4,0 segundos que vuelve como 3,712 segundos se cobra como 4. Las referencias y el interruptor de audio no cambian nada, y una tarea que falla no se cobra.
Consejos para buenos resultados
- Escribe el cambio y luego la lista de lo que se mantiene. Una frase para el cambio más una cláusula que nombre todo lo que debe sobrevivir funcionó bien en nuestras ejecuciones. Dreamina, la aplicación creativa de ByteDance, sugiere fijar primero la identidad, el vestuario, la trayectoria de cámara y el tiempo; sirve cualquier orden si se escriben las dos mitades.
- Nombra las consecuencias visibles. El prompt de la nevada enumera lo que hace la nieve en el encuadre: tejados cubiertos, copos en el aire, luz cálida en las ventanas. Una orden vaga como «que sea invierno» no nombra ninguna superficie.
- Cambia una sola cosa por pasada. El clima y la luz son un solo cambio de escena; añade una chaqueta nueva en una segunda pasada para ver qué cláusula hizo qué.
- Elige el ajuste de sonido desde el principio. Con el audio desactivado se protege el diálogo o la música que quieres conservar. Con el audio activado sirve para una imagen que necesita sonido nuevo: adjunta un archivo de voz como @Audio 1 y añade una línea
Audio:. - Revisa fotograma por fotograma. El anuncio de Seedance 2.5 de ByteDance dice que el movimiento complejo y las escenas con varios sujetos que interactúan siguen mejorando, así que recorre los momentos con mucha actividad. Las imágenes de referencia («la chaqueta de @Image 1») no formaron parte de nuestras ejecuciones; pruébalas en un recorte de 4 segundos.
Qué mostraron nuestras pruebas
El 13 de noviembre de 2026 editamos dos veces, en 480p, un clip de 4,0 segundos de una calle soleada con dos ciclistas y un tranvía.
| Ejecución | Ajustes | Resultado | Del envío al final |
|---|---|---|---|
| Nevada, sonido conservado | Prompt de tarde nevada, audio desactivado | 854×480, 4,000 s; los ciclistas, el tranvía y la cámara coinciden con el origen fotograma por fotograma, cambiaron el clima y la luz, se conservó la banda sonora original (44,1 kHz) | 3,7 min |
| Nevada, voz nueva | El mismo prompt, archivo de voz como @Audio 1, audio activado | 3,712 s; la misma calidad de edición; banda sonora nueva | 7,8 min |
En los cuatro endpoints de Flash ese día, los clips de 4 segundos en 480p tardaron de 84 segundos a unos 11 minutos. Dos ejecuciones de edición no pueden confirmar la afirmación de BytePlus de «casi el doble», así que cuenta con minutos y espera que los clips más largos y los de 720p tarden más.
Límites y errores
- Duración del origen. Un clip de menos de 4 o de más de 30 segundos se rechaza al enviar sin ningún cobro. Recórtalo, o divide un clip largo y reutiliza la lista de lo que se mantiene en cada parte.
- Duración del resultado. No hay campo de duración. Con el audio activado el resultado puede salir un poco más corto (3,712 s a partir de 4,0 s en este caso); para una duración exacta, edita con el audio desactivado y añade el sonido en tu propio editor.
- Resolución. 480p y 720p; ByteDance indica que 1080p y 4K no son compatibles con Flash.
- Controles del modelo. El modelo aplica sus propios controles de derechos de autor y semejanza, y puede rechazar o suavizar una solicitud. Una tarea bloqueada falla sin cobro: reformúlala, quita a las personas o marcas con nombre y vuelve a enviarla.
- Derechos y conservación. Edita solo material y voces que tengas derecho a usar. Los archivos terminados se conservan 14 días.
Cuándo elegir un endpoint hermano
- Edición de video de Seedance 2.5 para la entrega final por encima de 720p; el modelo insignia edita hasta en 1080p. Lee su nota de audio antes de reutilizar un ajuste de aquí.
- Referencia a video de Seedance 2.5 Flash para armar una escena nueva alrededor del movimiento de cámara de un clip (@Video 1) en lugar de reescribir el clip.
- Extensión de video de Seedance 2.5 cuando el plano deba continuar más allá de su último fotograma.
- Seedance 2.0 Fast, la versión rápida de la generación anterior en 480p y 720p, para extensión o trabajo de texto, imagen y referencia.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.5-flash/video-edit",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.










