Guida ai prompt di Seedance 2.0: testo, primi fotogrammi e riferimenti

Seedance 2.0 su SpicyAPI (spicyapi.ai) ha tre attività video e ognuna chiede un prompt diverso. Nel testo per video il prompt porta con sé tutto il piano. Nell'immagine per video il fotogramma di apertura porta l'estetica, quindi il prompt dice solo cosa succede dopo. Nel riferimento per video le consegni immagini, clip o audio e il prompt dice a cosa serve ogni file. Scrivi il tipo di prompt sbagliato per l'attività e nessuna quantità di aggettivi salva la clip.

Prezzi e limiti qui sotto vengono dalle pagine pubbliche dei modelli, ottobre 2026. Tutte e tre le attività restituiscono da 4 a 15 secondi di video con audio da 480p a 4K.

Scegli l'attività in base a ciò che deve restare fisso

Il testo per video inventa la composizione di apertura, quindi usalo per scene di fantasia o flessibili. Se l'etichetta e le proporzioni di un prodotto reale contano, una descrizione testuale non le riprodurrà; parti da una foto. Il riferimento per video non ha controllo del primo fotogramma; se il fotogramma di apertura deve coincidere, usa immagine per video. L'immagine per video mantiene abbigliamento, forma degli oggetti e illuminazione dal fotogramma. Non garantisce che sopravvivano a una rotazione o a un'occlusione, quindi guarda il clip intero.

Il riferimento per video accetta fino a 9 immagini, 3 clip video e 3 file audio. Ogni clip o file audio dura da 2 a 15 secondi e ogni tipo ha un tetto complessivo di 15 secondi. Serve almeno un'immagine o un video; l'audio da solo viene rifiutato. Usa l'insieme più piccolo che basta. I file in più aggiungono contraddizioni, come un volto sotto tre illuminazioni o un movimento di camera che combatte l'inquadratura dei riferimenti, e il modello non può sapere quale file prevale se il prompt non lo dice.

Scrivi il brief del piano

Lo stesso ordine vale per tutte e tre le attività: soggetto, azione, camera, luce, suono, un'idea per frase. Il resto di questa guida segue un esempio, un meccanico che gira un pedale di una bici da città rossa.

• Un'azione visibile, un'istruzione di camera. "Il meccanico gira il pedale una volta, poi appoggia la mano accanto" dà al modello qualcosa da rendere; "emozionale, cinematografico" no. Descrivi come si muove il soggetto ("solleva lentamente l'otturatore") invece di aggiungere parole di qualità.
• Dì dove si trova la camera rispetto al soggetto. "La camera resta all'altezza della vita, a distanza media" è un'istruzione utilizzabile. Non combinare "camera fissa", "orbita" e "zoom rapido" in un solo piano; scegli un comportamento o nessuno.
• Adatta la durata all'azione. Cinque secondi sostengono una rotazione, un allungo o uno sguardo. Entrare in una stanza, prendere un attrezzo e dire una frase richiede 10 secondi o più, oppure piani separati. duration_seconds accetta secondi interi da 4 a 15, oppure -1 per lasciare scegliere il modello.
• Usa l'ordine dei piani, non i timestamp. Seedance 2.0 segue "Shot 1, Shot 2, Shot 3" in modo più affidabile degli intervalli secondo per secondo. Se un'azione sparisce, riduci il numero di eventi o dai più tempo alla sequenza.
• Metti lo stile alla fine e tienilo breve. "Luce morbida del mattino, texture documentaristica" sostiene il piano. Una pila di etichette scollegate spinge il risultato verso una finitura generica e nasconde l'azione. Per una scena stilizzata, apri con "Photorealistic live action, not animation", altrimenti può scivolare verso l'illustrazione.

Un brief multi-piano per 10 secondi, con il taglio scritto:

A mechanic in a dark blue work shirt repairs a red commuter bicycle in a tidy daylight workshop. Naturalistic photography, soft morning light.
Shot 1: Fixed medium shot. The mechanic turns the right pedal once by hand and the rear wheel spins.
Shot 2: Cut to a close side view of the rear wheel slowing while his gloved hand steadies the frame.
Shot 3: Back to the medium shot. He steps back and wipes his hands on a rag.
Sound: ratchet clicks, the spinning wheel, quiet workshop. No music, no captions.

Provalo prima nel Playground

Esegui il brief nel Playground prima di scrivere qualsiasi codice; un prompt che fallisce qui fallisce anche dall'API.

1. Apri la pagina da testo a video e resta nella scheda Playground, in vista Form. Accedi con un account con saldo per eseguire.
2. Incolla il brief in Prompt.
3. Imposta Aspect ratio (16:9), Resolution e Duration. Scegli 480p e 5 secondi per una bozza; entrambe le impostazioni sono contrassegnate "affects price", come Generate audio e Web search (lascia Web search disattivato).
4. Leggi la stima del prezzo, poi esegui. Sotto Advanced parameters, Seed aiuta a confrontare una modifica al prompt con l'ultima esecuzione.

Da immagine a video ha la stessa scheda con un caricamento di Input image (e un Closing frame facoltativo). Su da riferimento a video, aggiungi i file sotto Reference images, Reference videos e Reference audio; vengono numerati image 1, video 1, audio 1 man mano che li aggiungi e Insert reference inserisce l'etichetta corrispondente nel prompt.

Poi chiamala dal codice

Installa l'SDK Python (pip install spicyapi), imposta SPICY_API_KEY nell'ambiente del tuo server ed esegui:

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()  # reads SPICY_API_KEY from the environment

request = {
    "model": "bytedance/seedance-2.0/text-to-video",
    "input_data": {
        "prompt": "One adult mechanic in a dark blue work shirt stands beside one red commuter bicycle on a repair stand. Medium shot in a tidy daylight workshop. The mechanic turns the right pedal once by hand, watches the rear wheel rotate, then pauses with the hand resting beside the pedal. The camera stays fixed at waist height; the bicycle remains fully visible. Soft morning light from the left. A quiet workshop ambience and one short mechanical click, with no speech. One continuous shot.",
        "duration_seconds": 5,
        "resolution": "720p",
        "aspect_ratio": "16:9",
        "generate_audio": True,
    },
}

quote = client.quote_task(**request)  # free; nothing is reserved
print(quote["estimatedCost"], quote["maxCharge"])

task = client.create_task(
    **request,
    idempotency_key=str(uuid.uuid4()),
    quote_id=quote["quoteId"],
    expected_cost=quote["estimatedCost"],
)
print("Resume task:", task["taskId"], flush=True)
final = client.wait_for_terminal(task["taskId"])
if final["state"] != "succeeded":
    raise RuntimeError(f"Task {task['taskId']} ended as {final['state']}")
assets = output_assets(final)
if not assets or any(a.get("pending") or a.get("unavailable") or not a.get("url") for a in assets):
    raise RuntimeError(f"Task {task['taskId']} has no ready output; check this task before a new run")
print(assets[0]["url"])  # copy it to your own storage now

Le altre due attività usano la stessa chiamata con un model e un input_data diversi: image_url (più last_image_url facoltativo) per immagine per video e reference_image_urls con elenchi facoltativi di video e audio di riferimento per riferimento per video. La vista JSON del Playground mostra il corpo esatto per l'attività in cui sei. Caricamenti, attesa, tentativi, errori e chiavi di idempotenza che risparmiano sono nel riferimento dell'SDK Python e nella guida alle attività asincrone.

Oppure lascia che sia un agente a eseguirlo

Se un assistente deve eseguire le clip per te, dagli la CLI, il server MCP o la Skill. La CLI e il server MCP mostrano il prezzo e ti chiedono conferma prima di una chiamata a pagamento.

• CLI. Metti lo stesso oggetto input in input.json, poi esegui quanto segue (npx @spicyapi/cli funziona senza installazione; vedi la documentazione della CLI):

``bash spicyapi tasks create --model bytedance/seedance-2.0/text-to-video --input-file input.json --wait ``

• Server MCP. Aggiungi il server MCP al tuo assistente, poi chiedi: "Run Seedance 2.0 text to video with this brief, 5 seconds at 480p." Chiama spicyapi_task_create, che si ferma per la tua conferma del prezzo, e poi spicyapi_task_wait.
• Skill. npx skills add spicyapi-ai/spicy-skill installa l'Agent Skill, che fa leggere a un assistente di codice lo schema del modello in tempo reale invece di indovinare i campi.

Da testo a video: stabilisci l'intera scena

Senza immagine, indica prima il cast e gli oggetti chiave, poi la composizione iniziale e poi una piccola variazione. "Il meccanico tiene il pedale" è uno stato; "gira il pedale una volta" è un'azione, e al modello serve la seconda. Se la bici deve essere rossa e restare su un cavalletto, mettilo nella descrizione della scena, non alla fine.

One adult mechanic in a dark blue work shirt stands beside one red commuter bicycle on a repair stand. Medium shot in a tidy daylight workshop. The mechanic turns the right pedal once by hand, watches the rear wheel rotate, then pauses with the hand resting beside the pedal. The camera stays fixed at waist height; the bicycle remains fully visible. Soft morning light from the left. A quiet workshop ambience and one short mechanical click, with no speech. One continuous shot.

enable_web_search esiste solo nel testo per video e alza la tariffa (720p passa da $0.152 a $0.246 al secondo). Lascialo disattivato a meno che il piano non dipenda da qualcosa che il modello dovrebbe cercare, e verifica tu stesso qualsiasi dato di fatto.

Quando una clip manca il bersaglio, cambia l'unica parte del brief responsabile:

Da immagine a video: lascia che sia il fotogramma a fare il lavoro visivo

Scegli il fotogramma in base al movimento che vuoi. Un primo piano ravvicinato non dà nulla su cui lavorare a un prompt di camminata e una bici tagliata alla ruota posteriore non può mostrare quella ruota che gira. Controlla il fotogramma prima di inviare: anatomia, numero di oggetti, testo sparso e illuminazione. Ogni difetto della still persiste per tutto il clip e animarlo non lo ripara.

Poi scrivi solo ciò che cambia. Ridescrivere i vestiti del meccanico e l'officina dà al modello due descrizioni in competizione dello stesso soggetto, il che invita alla deriva. Nomina il soggetto in movimento, l'azione, la camera e il suono:

The mechanic turns the visible pedal once by hand. The rear wheel rotates naturally, then slows while the mechanic watches it. The camera remains fixed at the original medium distance. One continuous shot, quiet workshop ambience.

image_url deve essere un link pubblico e scaricabile direttamente (da 300 a 6000 px per lato, meno di 10 MB; una foto di una persona reale identificabile può essere rifiutata); per un file sul tuo computer, caricalo prima e passa l'URI spicy:// restituito. Il prompt è facoltativo e, senza di esso, il modello sceglie il movimento da sé. aspect_ratio: "adaptive" segue la forma propria dell'immagine.

last_image_url fissa il fotogramma finale e funziona solo insieme a image_url. Usa fotogrammi compatibili: stesso soggetto, angolo simile e geometria degli oggetti affine. Due composizioni scollegate trasformano la clip in un problema di trasformazione per cui il modello deve inventare un percorso.

Per superare i 15 secondi, imposta return_last_frame su true, salva il fotogramma finale restituito e passalo come image_url della chiamata successiva. Non c'è un campo di continuazione, quindi ogni segmento parte da un fotogramma salvato.

Da riferimento a video: dai un compito a ogni file

Assegna i ruoli nel prompt e allineali all'ordine di caricamento: image 1, image 2, video 1, audio 1. Dai al soggetto un nome breve, definiscilo una volta e riutilizzalo. Di' al modello cosa prendere da una clip e cosa lasciare indietro.

Define the mechanic in image 1 as the Mechanic. Use image 2 for the workshop and the red bicycle. The Mechanic turns the pedal once while the wheel rotates, then pauses. Medium shot, camera fixed at waist height. One continuous shot. Quiet ambience, no speech.

Cosa aiuta:

• Un compito per file. Se l'aspetto deriva, separa il riferimento del volto dal riferimento di abbigliamento o corpo intero e di' quale fornisce cosa. Due o tre angolazioni di un personaggio funzionano meglio di una pila di fotogrammi quasi identici e un collage di più viste può leggersi come più persone.
• Usa volti generati o completamente liberati. Il controllo dell'input di Seedance può rifiutare una foto di una persona reale identificabile, prima di qualsiasi addebito. Le immagini devono essere da 300 a 6000 px per lato e meno di 10 MB.
• Mantieni uno stile coerente. Mescolare fotografie, fumetti e anime in un insieme di riferimenti tende ad appiattire il risultato.
• Riferire non è editare. "Borrow the slow sideways track from video 1, not its people or location" chiede una scena nuova. "Edit video 1" chiede di cambiare quel footage. Non mescolare le due cose in un solo prompt.
• Di' cosa fornisce un file audio: voce, ambiente o carattere musicale. Ha bisogno di un'immagine o un video accanto e con generate_audio disattivato non viene renderizzata nessuna traccia sonora anche se l'audio è fornito.
• Aggiungi il video per ultimo. Fai prima funzionare la scena con le immagini, poi aggiungi una clip per un motivo preciso. Un video cambia anche il prezzo (vedi sotto).
• L'ordine conta. Se uno strumento riordina i tuoi file, image 1 diventa un'altra immagine. Quando sostituisci un file, rileggi le assegnazioni nel prompt.

Carica solo materiale che hai il diritto di usare e solo persone che hanno acconsentito a comparire.

Dirigi il suono

generate_audio è attivo per impostazione predefinita e costa quanto da disattivato. Disattivalo quando farai mix o doppiaggio della clip in seguito. Tratta il suono come una parte a sé del brief:

• Nomina le sorgenti. "Ratchet clicks, spinning wheel, quiet workshop" batte "ambient sound". Scrivi "no music" quando lo intendi davvero, o una scena può tornare con una musica.
• Dialogo: nomina il parlante, metti la battuta tra virgolette, tienila abbastanza breve per la durata e resta in una sola lingua. Ascolta le parole esatte; una battuta che suona plausibile può comunque cambiare un nome o un'offerta.
• Correggilo in montaggio. Se l'immagine è giusta e il suono è sbagliato, sostituisci il suono localmente invece di rigenerare l'immagine.

Itera con una modifica alla volta

Cambia una cosa per tentativo: la frase sulla camera contro uno zoom non desiderato, l'insieme di riferimenti contro una deriva di identità. Altrimenti una clip migliore non ti dice quale modifica ha contato. Blocca seed e tieni costante tutto il resto per giudicare una modifica al prompt. Un seed è uno strumento di confronto, non una promessa di ripetizioni identiche fotogramma per fotogramma.

Fai le bozze a 480p e alza la risoluzione una volta che l'azione si legge correttamente; 720p è l'impostazione predefinita. Risoluzione e durata determinano il prezzo, il rapporto d'aspetto, il bitrate e la filigrana no. Il controllo stesso di Seedance rifiuta certe formulazioni prima del rendering e le formulazioni con baci sono l'innesco affidabile; un'attività rifiutata viene normalmente rilasciata senza addebito.

Tieni un registro per tentativo: il prompt, l'attività, i file in ordine di caricamento, la durata, la risoluzione e il seed. Quando un prompt funziona su una scena, quel registro ti dice cosa riutilizzare la volta dopo.

Quanto costa

Il testo per video e l'immagine per video si fatturano al secondo di output, con audio attivo o disattivo allo stesso prezzo:

Tre bozze a 480p più un finale a 720p fanno $1.81. Con -1 (il modello sceglie la lunghezza), la stima assume il massimo di 15 secondi, $2.28 a 720p, e l'addebito finale segue la lunghezza consegnata. Seedance 2.0 Fast e Mini sono più economici (Mini parte da $0.025 al secondo a 480p, Fast da $0.045) e si fermano a 720p; considera una bozza da loro un indizio sul tuo brief, non un'anteprima del risultato del modello base.

Il video di riferimento è l'unico input che cambia la fattura. Il riferimento per video applica una tariffa al secondo più bassa quando la richiesta include un video (720p: $0.0928 invece di $0.152), ma la paghi sui tuoi secondi di output più i secondi della clip di riferimento. Una clip di 5 secondi a 720p con una clip di riferimento di 10 secondi fa 15 × $0.0928 = $1.39, contro $0.76 senza la clip. A 4K la tariffa è la stessa con o senza video, quindi la clip aggiunge solo secondi. SpicyAPI trattiene i fondi per il massimo in anticipo e rilascia la parte non usata quando l'attività viene regolata. Taglia le clip di riferimento ai pochi secondi che portano il movimento.

Quando la risposta è un altro modello

Controlla prima la scelta dell'attività, la qualità del fotogramma, i ruoli di riferimento e le istruzioni di camera, perché quei problemi ti seguono su qualsiasi modello. Passa a un altro modello quando la richiesta supera il contratto 2.0: Seedance 2.5 va da 4 a 30 secondi e accetta fino a 30 immagini, 10 clip e 10 file audio nel riferimento per video, con prezzi propri e un tetto di 1080p. Leggi la sua guida ai prompt prima di portare un prompt 2.0. Anche BytePlus pubblica la sua guida ai prompt.

FAQ

Posso incollare prompt che usano @Image1 da altre guide?

Riscrivili. Su SpicyAPI le etichette sono image 1, video 1 e audio 1, abbinate all'ordine degli array di input.