Wprowadzenie
Seedance 2.0 Fast w trybie referencje na wideo łączy kilka autoryzowanych źródeł w jedno ujęcie: obrazy mówią kto i co, klipy dają ruch i tempo, dźwięk wyznacza akcent, na którym ląduje cięcie. Nie przyjmuje pierwszej klatki.
Seedance 2.0 Fast to szybki wariant linii Seedance 2.0 od ByteDance. Jego endpointy zwracają klipy od 4 do 15 sekund w 480p lub 720p, z dźwiękiem generowanym razem z obrazem.
Wybierz tryb Seedance 2.0 Fast według materiału wyjściowego
| Materiał wyjściowy | Tryb |
|---|---|
| Scenariusz lub opis sceny | Seedance 2.0 Fast Tekst na wideo |
| Zatwierdzony kadr otwierający | Seedance 2.0 Fast Obraz na wideo |
| Osobne referencje wyglądu, ruchu lub dźwięku | Seedance 2.0 Fast Referencje na wideo |
Najważniejsze funkcje
Jeden zestaw pól, trzy źródła
Wszystkie trzy endpointy przyjmują te same podstawowe pola: prompt, duration_seconds od 4 do 15 (lub -1, jeśli długość ma wybrać model), resolution w 480p lub 720p, aspect_ratio, generate_audio i seed. Zmienia się tylko źródło, które zakotwicza obraz: brak, kadr otwierający albo zestaw referencji. Żądanie przenosisz do innego trybu, dodając lub usuwając to źródło.
Obraz i dźwięk w jednym przebiegu
generate_audio jest domyślnie włączone i tworzy tło dźwiękowe, efekty ruchu oraz głos zsynchronizowane z klatkami. Wyłączenie nie obniża stawki w tym wariancie, więc wyłączaj je tylko w niemych pętlach lub materiale, który udźwiękowisz w postprodukcji.
Domyślnie adaptacyjne proporcje
aspect_ratio ma domyślnie wartość adaptive: obraz na wideo zachowuje proporcje kadru otwierającego, referencje na wideo idą za główną referencją, a w trybie tekst na wideo model sam wybiera kształt podpowiedziany przez prompt. Sześć stałych proporcji, 16:9, 9:16, 4:3, 3:4, 1:1 i 21:9, jest dostępnych, gdy miejsce publikacji narzuca format.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Wymagany, a tutaj odpowiada też za obsadę. Referencje są czytane w kolejności wysłania, więc napisz, który obraz jest którą postacią, co wnosi każdy klip i do czego służy audio. od 1 znaków |
reference_image_urls | Nie | Do 9 obrazów, których możesz używać, niosących postać, produkt, styl albo scenografię. Dwa lub trzy ujęcia tego samego obiektu dają więcej niż stos niemal identycznych kadrów. do 9 elementów |
reference_video_urls | Nie | Do 3 klipów wnoszących ruch, tempo albo język kamery. do 3 elementów |
reference_audio_urls | Nie | Do 3 plików audio, każdy od 2 do 15 sekund i razem nie dłużej niż 15, każdy poniżej 15 MB, dających ujęciu dźwiękową kotwicę – sposób mówienia, tempo, frazę muzyczną – do której… do 3 elementów |
aspect_ratio | Nie | Kadr wyjściowy, domyślnie adaptive: klip przejmuje kształt głównej referencji. |
resolution | Nie | Rozdzielczość wyjściowa: 480p albo domyślne 720p. Wybiera próg cenowy i nie wyostrzy referencji o niskiej rozdzielczości. |
duration_seconds | Nie | Długość gotowego klipu w pełnych sekundach, od 4 do 15, domyślnie 5; przy -1 długość wybiera model, a szacunek zakłada 15 sekund. |
generate_audio | Nie | Decyduje, czy powstaje własna ścieżka dźwiękowa zsynchronizowana z obrazem. Domyślnie włączone; wyłączenie nie obniża stawki na tym poziomie. Domyślnie: |
seed | Nie | Całkowity seed; pominięty – każdy przebieg losuje własny. Ustal go przy wszystkim innym bez zmian, żeby ocenić, co naprawdę zmieniła poprawka w prompcie. |
return_last_frame | Nie | Oprócz wideo zwraca ostatnią klatkę klipu jako osobny obraz. Wyślij ją do image-to-video jako kolejną klatkę początkową, żeby łączyć ujęcia bez samodzielnego eksportowania kadru. Domyślnie: |
bitrate_mode | Nie | Bitrate dostarczanego pliku: |
watermark | Nie | Dodaje do wideo widoczny znak wodny „AI generated” samego modelu. Domyślnie wyłączone; włącz, gdy miejsce publikacji wymaga oznaczania materiałów wygenerowanych przez AI. Domyślnie: |
Cennik
Klipy referencyjne doliczają się do rozliczanych sekund. Ponieważ nie możemy zmierzyć Twoich klipów przed uruchomieniem zadania, najpierw blokujemy kwotę za maksymalne 15 sekund, a niewykorzystaną część zwalniamy w chwili rozliczenia — płacisz wyłącznie za faktycznie wykorzystane sekundy.
| Rozdzielczość | With video: Tak | With video: Nie |
|---|---|---|
| $0.022539 / sekundę | $0.04499712 / sekundę |
| $0.048471 / sekundę | $0.096768 / sekundę |
Zastosowania
Produkt z każdej strony
Dwa lub trzy ujęcia tego samego przedmiotu trzymają go znacznie lepiej niż stos niemal identycznych zdjęć. Opublikowany przykład wysyła trzy widoki jednego sneakersa i prosi o obrót na niewidocznym talerzu przez te widoki po kolei, z niezmienioną fakturą skóry, podeszwą i sznurowaniem.
Pożyczony ruch kamery
Klip referencyjny może dostarczyć język kamery zamiast treści. Jeden z przykładów bierze z klipu powolny najazd kamery na dźwigu, inscenizuje go nad dachem z obrazu referencyjnego i zgrywa szczyt ruchu z narastaniem referencyjnej ścieżki dźwiękowej.
Stała obsada w całej serii
Trzymaj jeden zestaw referencji dla postaci, stroju albo wnętrza i między żądaniami zmieniaj tylko prompt. Te same obrazy niosą każdy odcinek, więc tożsamość pozostaje stabilna, a akcja idzie dalej.
Wskazówki
Obsadź ujęcie w prompcie
Prompt jest tu wymagany i to on rozdaje role. Referencje są odczytywane w kolejności wysłania, więc napisz, który obraz jest którą postacią, co wnosi każdy klip i do czego służy dźwięk. Nazwy @Image1, @Image2 i kolejne usuwają wszelką dwuznaczność.
Trzymaj się limitów referencji
reference_image_urls przyjmuje do 9 obrazów, reference_video_urls do 3 klipów, a reference_audio_urls do 3 ścieżek. Potrzebny jest co najmniej jeden obraz lub klip, bo sam dźwięk zostanie odrzucony. Klipy i audio trwają od 2 do 15 sekund każde i łącznie do 15 sekund, a sekundy klipów referencyjnych są rozliczane oprócz wyniku, więc przytnij je do fragmentu, który ma posłużyć za wzór.
Dostosuj dołączony przykład
Opublikowany przykład używa aspect_ratio 1:1, duration_seconds 5, generate_audio true i resolution 720p, z trzema zdjęciami produktu w 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.
Każda referencja jest nazwana według pozycji i dostaje jedno zadanie. Podmień produkt, a strukturę zachowaj.
Gdy pierwsza klatka musi być dokładna, użyj trybu obraz na wideo
Ten endpoint nie ma pola pierwszej ani ostatniej klatki. Jeśli obraz otwierający ma dokładnie odpowiadać zdjęciu, wyślij to zdjęcie do trybu obraz na wideo i opisz tylko ruch.
Szybki start z 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"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
