Seedance 2.0 API

Seedance 2.0 image-to-video zaczyna klip od obrazu, który dostarczasz, i animuje go przez maksymalnie 15 sekund. Dodaj kadr końcowy, a ujęcie musi do niego dojść – to właśnie czyni przejścia i pary „przed i po” powtarzalnymi.

Seedance 2.0 od ByteDance publikuje text-to-video, image-to-video i reference-to-video: klipy od 4 do 15 sekund, od 480p do 4K, z natywnym dźwiękiem i domyślnym kadrowaniem adaptive.

Brzmienie pomieszczenia wraca w tym samym pliku

generate_audio jest domyślnie włączone, więc lód w shakerze, śmiech, cichy gwar przy barze i samo pomieszczenie wychodzą z tego samego przebiegu co obraz. Wynik przychodzi już zsynchronizowany, bez czekania na osobną obróbkę dźwięku. Wyłącz je, kiedy klip i tak trafi do montażysty.

Dziewięć referencji, jedna ciągła obsada

reference-to-video przyjmuje naraz do 9 obrazów, 3 klipów i 3 ścieżek audio. Trzy ujęcia jednej twarzy plus kadr z kostiumem utrzymują postać przez cały odcinek znacznie lepiej niż dziewięć niepowiązanych kadrów, a klip referencyjny niesie język kamery, którego żaden przymiotnik w prompcie nie odtworzy w sposób pewny.

Kształt idzie za materiałem

aspect_ratio ma we wszystkich trzech endpointach domyślną wartość adaptive. W image-to-video klip zachowuje kształt kadru otwierającego, więc pion nie zostaje przycięty do poziomu; w text-to-video model bierze kształt z promptu; w reference-to-video znajduje kadr, który mieści wszystko z referencji. Podawaj 16:9, 9:16 albo 21:9 tylko wtedy, gdy miejsce publikacji wymaga stałego formatu.

Animuj ustaloną pierwszą klatkę

Seedance 2.0 image-to-video zaczyna klip od obrazu, który dostarczasz, i animuje go przez maksymalnie 15 sekund. Dodaj kadr końcowy, a ujęcie musi do niego dojść – to właśnie czyni przejścia i pary „przed i po” powtarzalnymi. Użyj tego trybu, gdy dostarczony obraz ma określić początkową kompozycję. Opisz tylko późniejszy ruch, kamerę i dźwięk, a potem sprawdź spójność szczegółów źródła.

Materiał kostiumowy i roleplay bez cenzury

Koronka i satyna, ogony i uszy jako rekwizyty, kadry z perspektywy pierwszej osoby, pary dowolnej płci – nic z tego nie jest przez nas przeglądane. Własna warstwa Seedance odrzuca część śmielszych sformułowań, więc prowadź te momenty z pierwszej klatki w image-to-video, a nie z promptu.

Jedno ujęcie w trzech formatach

Siedem proporcji, od 21:9 po 9:16, plus adaptive. Uruchom ten sam prompt w 16:9 na stronę, 9:16 na feed pionowy i 1:1 na kafelek. Każdy przebieg to nowe ujęcie, a nie przekadrowanie poprzedniego, więc gdy trzy cięcia mają do siebie pasować, poprowadź wszystkie z tego samego kadru otwierającego w image-to-video i zestaw je obok siebie, zanim pójdą dalej.

Nocne lokale i sceny barowe, które niosą własny dźwięk

Mieszany koktajl, szkło na barze, cichy gwar za czerwonym lampionem: wpisz pomieszczenie w prompt i zostaw generate_audio włączone. Seedance 2.0 renderuje tło dźwiękowe razem z obrazem, więc cięcie przychodzi z atmosferą, a nie jako niemy materiał.

# 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/image-to-video",
  "input": {
    "aspect_ratio": "adaptive",
    "bitrate_mode": "standard",
    "duration_seconds": 5,
    "generate_audio": true,
    "image_url": "https://example.com/reference.png",
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise"
  }
}'

# 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.