Guia de prompts do Seedance 2.0: texto, primeiros quadros e referências

O Seedance 2.0 no SpicyAPI (spicyapi.ai) tem três tarefas de vídeo, e cada uma quer um prompt diferente. Em texto para vídeo, o prompt carrega todo o plano. Em imagem para vídeo, o quadro de abertura carrega o visual, então o prompt só diz o que acontece depois. Em referência para vídeo, você entrega imagens, clipes ou áudio, e o prompt diz para que serve cada arquivo. Escreva o tipo errado de prompt para a tarefa e nenhuma quantidade de adjetivos salva o clipe.

Os preços e limites abaixo vêm das páginas públicas dos modelos, outubro de 2026. As três tarefas retornam de 4 a 15 segundos de vídeo com som, de 480p a 4K.

Escolha a tarefa pelo que precisa ficar fixo

Texto para vídeo inventa a composição de abertura, então use para cenas fictícias ou flexíveis. Se a etiqueta e as proporções de um produto real importam, uma descrição de texto não vai reproduzi-las; comece a partir de uma foto. Referência para vídeo não tem controle do primeiro quadro; se o quadro de abertura precisa bater, use imagem para vídeo. Imagem para vídeo mantém o figurino, a forma dos objetos e a iluminação do quadro. Isso não garante que sobrevivam a uma rotação ou a uma oclusão, então assista ao clipe inteiro.

Referência para vídeo aceita até 9 imagens, 3 clipes de vídeo e 3 arquivos de áudio. Cada clipe ou arquivo de áudio dura de 2 a 15 segundos, e cada tipo tem limite de 15 segundos somados. É preciso pelo menos uma imagem ou vídeo; áudio sozinho é rejeitado. Use o menor conjunto que resolve o trabalho. Arquivos extras adicionam contradições, como um rosto sob três iluminações ou um movimento de câmera que briga com o enquadramento das referências, e o modelo não sabe qual arquivo vence se o prompt não disser.

Escreva o brief do plano

A mesma ordem funciona para as três tarefas: sujeito, ação, câmera, luz, som, uma ideia por frase. O resto deste guia segue um exemplo, um mecânico girando um pedal de uma bicicleta urbana vermelha.

• Uma ação visível, uma instrução de câmera. "O mecânico gira o pedal uma vez e depois apoia a mão ao lado" dá ao modelo algo para renderizar; "emocional, cinematográfico" não. Descreva como o sujeito se move ("levanta lentamente o obturador") em vez de adicionar palavras de qualidade.
• Diga onde a câmera está em relação ao sujeito. "A câmera fica na altura da cintura, distância média" é uma instrução utilizável. Não combine "câmera fixa", "órbita" e "zoom rápido" no mesmo plano; escolha um comportamento ou nenhum.
• Ajuste a duração à ação. Cinco segundos comportam uma rotação, um alcance ou um olhar. Entrar numa sala, pegar uma ferramenta e falar uma frase exige 10 segundos ou mais, ou planos separados. duration_seconds aceita segundos inteiros de 4 a 15, ou -1 para deixar o modelo escolher.
• Use a ordem dos planos, não marcações de tempo. O Seedance 2.0 segue "Shot 1, Shot 2, Shot 3" de forma mais confiável do que intervalos de segundo a segundo. Se uma ação desaparecer, reduza o número de eventos ou dê mais tempo à sequência.
• Ponha o estilo no fim e mantenha-o curto. "Luz suave da manhã, textura documental" sustenta o plano. Uma pilha de etiquetas sem relação empurra o resultado para um acabamento genérico e esconde a ação. Para uma cena estilizada, comece com "Photorealistic live action, not animation", ou ela pode derivar para ilustração.

Um brief de vários planos para 10 segundos, com o corte explícito:

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.

Teste primeiro no Playground

Rode o brief no Playground antes de escrever qualquer código; um prompt que falha aqui falha também pela API.

1. Abra a página de texto para vídeo e fique na aba Playground, na visão Form. Entre com uma conta com saldo para executar.
2. Cole o brief em Prompt.
3. Ajuste Aspect ratio (16:9), Resolution e Duration. Escolha 480p e 5 segundos para um rascunho; ambos os ajustes estão marcados como "affects price", assim como Generate audio e Web search (deixe Web search desligado).
4. Leia a estimativa de preço e então execute. Em Advanced parameters, Seed ajuda a comparar uma edição de prompt com a última execução.

Imagem para vídeo tem a mesma aba com um envio de Input image (e um Closing frame opcional). Em referência para vídeo, adicione arquivos em Reference images, Reference videos e Reference audio; eles são numerados como image 1, video 1, audio 1 conforme você os adiciona, e Insert reference coloca o rótulo correspondente no prompt.

Depois chame pelo código

Instale o SDK Python (pip install spicyapi), defina SPICY_API_KEY no ambiente do seu servidor e execute:

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

As outras duas tarefas usam a mesma chamada com model e input_data diferentes: image_url (mais last_image_url opcional) para imagem para vídeo, e reference_image_urls com listas opcionais de vídeo e áudio de referência para referência para vídeo. A visão JSON do Playground mostra o corpo exato da tarefa em que você está. Uploads, espera, novas tentativas, erros e chaves de idempotência que economizam estão na referência do SDK Python e no guia de tarefas assíncronas.

Ou deixe um agente executar

Se um assistente deve rodar os clipes por você, dê a ele a CLI, o servidor MCP ou a Skill. A CLI e o servidor MCP mostram o preço e pedem confirmação antes de uma chamada paga.

• CLI. Coloque o mesmo objeto input em input.json e execute o seguinte (npx @spicyapi/cli funciona sem instalar; veja a documentação da CLI):

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

• Servidor MCP. Adicione o servidor MCP ao seu assistente e então peça: "Run Seedance 2.0 text to video with this brief, 5 seconds at 480p." Ele chama spicyapi_task_create, que para para sua confirmação de preço, e depois spicyapi_task_wait.
• Skill. npx skills add spicyapi-ai/spicy-skill instala a Agent Skill, que faz um assistente de código ler o esquema do modelo ao vivo em vez de adivinhar campos.

Texto para vídeo: estabeleça a cena inteira

Sem imagem, indique primeiro o elenco e os objetos-chave, depois a composição inicial e depois uma pequena mudança. "O mecânico segura o pedal" é um estado; "gira o pedal uma vez" é uma ação, e o modelo precisa da segunda. Se a bicicleta precisa ser vermelha e permanecer num cavalete, ponha isso na descrição da cena, não no fim.

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 existe só em texto para vídeo e aumenta a tarifa (720p vai de $0,152 para $0,246 por segundo). Deixe desligado, a menos que o plano dependa de algo que o modelo teria que pesquisar, e verifique você mesmo qualquer fato.

Quando um clipe erra, mude a única parte do brief responsável:

Imagem para vídeo: deixe o quadro fazer o trabalho visual

Escolha o quadro pelo movimento que você quer. Um primeiro plano fechado não dá com o que um prompt de caminhada trabalhar, e uma bicicleta cortada na roda traseira não mostra aquela roda girando. Verifique o quadro antes de enviar: anatomia, contagem de objetos, texto solto e iluminação. Todo defeito do still persiste ao longo de todo o clipe, e animá-lo não conserta.

Depois escreva só o que muda. Redescrever a roupa do mecânico e a oficina dá ao modelo duas descrições concorrentes do mesmo sujeito, o que convida à deriva. Nomeie o sujeito em movimento, a ação, a câmera e o som:

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 precisa ser um link público e baixável diretamente (300 a 6000 px por lado, menos de 10 MB; uma foto de uma pessoa real identificável pode ser recusada); para um arquivo no seu computador, envie-o primeiro e passe o URI spicy:// retornado. O prompt é opcional e, sem ele, o modelo escolhe o movimento por conta própria. aspect_ratio: "adaptive" segue o formato da própria imagem.

last_image_url fixa o quadro final e só funciona junto com image_url. Use quadros compatíveis: mesmo sujeito, ângulo parecido e geometria de objeto semelhante. Duas composições sem relação transformam o clipe num problema de transformação para o qual o modelo precisa inventar um caminho.

Para passar de 15 segundos, defina return_last_frame como true, salve o quadro final retornado e passe-o como image_url da próxima chamada. Não há campo de continuação, então cada segmento parte de um quadro salvo.

Referência para vídeo: dê um papel a cada arquivo

Atribua os papéis no prompt e case-os com a ordem de envio: image 1, image 2, video 1, audio 1. Dê ao sujeito um nome curto, defina-o uma vez e reutilize. Diga ao modelo o que pegar de um clipe e o que deixar para trás.

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.

O que ajuda:

• Um papel por arquivo. Se a aparência derivar, separe a referência de rosto da referência de roupa ou corpo inteiro e diga qual fornece o quê. Dois ou três ângulos de um personagem funcionam melhor que uma pilha de quadros quase idênticos, e uma colagem de várias vistas pode ser lida como várias pessoas.
• Use rostos gerados ou totalmente liberados. A verificação de entrada do Seedance pode recusar uma foto de uma pessoa real identificável, antes de qualquer cobrança. As imagens devem ter de 300 a 6000 px por lado e menos de 10 MB.
• Mantenha o estilo consistente. Misturar fotos, desenhos e anime num mesmo conjunto de referências tende a achatar o resultado.
• Referenciar não é editar. "Borrow the slow sideways track from video 1, not its people or location" pede uma cena nova. "Edit video 1" pede para mudar aquele material. Não misture as duas coisas num só prompt.
• Diga o que um arquivo de áudio fornece: voz, ambiente ou caráter musical. Ele precisa de uma imagem ou vídeo ao lado, e com generate_audio desligado nenhuma trilha é renderizada, mesmo que o áudio seja fornecido.
• Adicione vídeo por último. Faça a cena funcionar com imagens primeiro, depois acrescente um clipe por um motivo nomeado. Um vídeo também muda o preço (veja abaixo).
• A ordem importa. Se uma ferramenta reordenar seus arquivos, image 1 vira outra imagem. Quando substituir um arquivo, releia as atribuições do prompt.

Envie apenas material que você tem direito de usar, e apenas pessoas que consentiram em aparecer.

Dirigir o som

generate_audio vem ligado por padrão e custa o mesmo que desligado. Desligue quando for mixar ou dublar o clipe depois. Trate o som como uma parte própria do brief:

• Nomeie as fontes. "Ratchet clicks, spinning wheel, quiet workshop" funciona melhor do que "ambient sound". Escreva "no music" quando for esse o caso, ou uma cena pode voltar com trilha.
• Diálogo: nomeie o falante, coloque a fala entre aspas, mantenha curta o bastante para a duração e fique em uma só língua. Ouça as palavras exatas; uma fala que soa plausível ainda pode mudar um nome ou uma oferta.
• Corrija na edição. Se a imagem está certa e o som está errado, troque o som localmente em vez de regenerar a imagem.

Itere com uma mudança por vez

Mude uma coisa por tentativa: a frase de câmera contra um zoom indesejado, o conjunto de referências contra deriva de identidade. Caso contrário, um clipe melhor não diz qual edição contou. Fixe seed e mantenha todo o resto constante para julgar uma edição de prompt. Uma seed é uma ferramenta de comparação, não uma promessa de repetições idênticas quadro a quadro.

Faça os rascunhos em 480p e aumente a resolução quando a ação estiver correta; 720p é o padrão. Resolução e duração definem o preço; proporção da tela, taxa de bits e marca d'água não. A verificação própria do Seedance recusa certas formulações antes de renderizar, e formulações de beijo são o gatilho confiável; uma tarefa recusada normalmente é liberada sem cobrança.

Guarde um registro por tentativa: o prompt, a tarefa, os arquivos na ordem de envio, a duração, a resolução e a seed. Quando um prompt funciona numa cena, esse registro diz o que reutilizar na próxima.

Quanto custa

Texto para vídeo e imagem para vídeo são cobrados por segundo de saída, com som ligado ou desligado pela mesma tarifa:

Três rascunhos em 480p mais um final em 720p dão $1,81. Com -1 (o modelo escolhe o comprimento), a estimativa assume o máximo de 15 segundos, $2,28 em 720p, e a cobrança final segue o comprimento entregue. Seedance 2.0 Fast e Mini são mais baratos (Mini começa em $0,025 por segundo em 480p, Fast em $0,045) e param em 720p; trate um rascunho deles como uma dica sobre o seu brief, não como prévia do resultado do modelo base.

O vídeo de referência é a única entrada que muda a conta. Referência para vídeo cobra uma tarifa por segundo menor quando a solicitação inclui um vídeo (720p: $0,0928 em vez de $0,152), mas você paga isso sobre os seus segundos de saída mais os segundos do clipe de referência. Um clipe de 5 segundos em 720p com um clipe de referência de 10 segundos dá 15 × $0,0928 = $1,39, contra $0,76 sem o clipe. Em 4K a tarifa é a mesma com ou sem vídeo, então o clipe só acrescenta segundos. O SpicyAPI retém os fundos pelo máximo antecipadamente e libera a parte não usada quando a tarefa é liquidada. Corte os clipes de referência nos poucos segundos que carregam o movimento.

Quando outro modelo é a resposta

Verifique primeiro a escolha da tarefa, a qualidade do quadro, os papéis de referência e as instruções de câmera, porque esses problemas acompanham você em qualquer modelo. Mude de modelo quando o requisito exceder o contrato 2.0: Seedance 2.5 roda de 4 a 30 segundos e aceita até 30 imagens, 10 clipes e 10 arquivos de áudio em referência para vídeo, com preços próprios e teto de 1080p. Leia o guia de prompts dele antes de portar um prompt 2.0. A BytePlus também publica seu próprio guia de prompts.

FAQ

Posso colar prompts que usam @Image1 de outros guias?

Reescreva-os. No SpicyAPI os rótulos são image 1, video 1 e audio 1, correspondentes à ordem dos arrays de entrada.