Introdução
O Seedance 2.0 Mini referências para vídeo reúne várias fontes autorizadas numa única tomada: imagens para quem e o quê, clipes para movimento e ritmo, áudio para a batida em que o corte cai. Ele não recebe primeiro quadro.
O Seedance 2.0 Mini é o menor nível da linha Seedance 2.0 da ByteDance. Ele publica os mesmos endpoints do Seedance 2.0 Fast e devolve clipes de 4 a 15 segundos em 480p ou 720p, com áudio gerado na mesma passada.
Escolha o modo do Seedance 2.0 Mini pelo material inicial
| Material inicial | Modo |
|---|---|
| Um roteiro ou a descrição de uma cena | Seedance 2.0 Mini Texto para vídeo |
| Uma imagem inicial aprovada | Seedance 2.0 Mini Imagem para vídeo |
| Referências separadas de aparência, movimento ou áudio | Seedance 2.0 Mini Referências para vídeo |
Recursos e destaques
O mesmo contrato do Seedance 2.0 Fast
O Mini publica os mesmos endpoints e campos do Seedance 2.0 Fast: formato adaptativo mais seis proporções fixas, de 4 a 15 segundos ou -1 para o modelo escolher a duração, áudio nativo e seed, com resolução limitada a 720p. Um pipeline escrito para o Mini passa para o Fast trocando o id do modelo, não a solicitação.
Feito para volume
O Mini é o nível certo quando vazão importa mais que a qualidade extra dos modelos Seedance 2.0 maiores. Todos os endpoints são assíncronos: envie um Idempotency-Key em cada solicitação, guarde os ids das tarefas e deixe o polling ou os callbacks resolverem. A chave vale por 24 horas, então uma nova tentativa depois de uma conexão caída devolve a tarefa original.
Sequências mais longas com a extensão de vídeo
Para passar de quinze segundos, envie um clipe pronto ao endpoint video-extend: o último quadro dele abre uma nova tomada do Seedance 2.0 Mini e você recebe um único arquivo com as duas partes unidas. Cada passo cobra só os segundos que acrescenta, e o resultado unido pode ser estendido de novo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Sim | Obrigatório, e aqui ele também faz o casting. pelo menos 1 caracteres |
reference_image_urls | Não | Até 9 imagens que você tem autorização para usar, para um personagem, um produto, um estilo ou um cenário. no máximo 9 itens |
reference_video_urls | Não | Até 3 clipes que trazem movimento, ritmo ou linguagem de câmera. no máximo 3 itens |
reference_audio_urls | Não | Até 3 arquivos de áudio, de 2 a 15 segundos cada e 15 no total, cada um abaixo de 15 MB, que dão à tomada uma âncora sonora — entonação, andamento, uma frase musical — com a qua… no máximo 3 itens |
aspect_ratio | Não | Enquadramento de saída, adaptive por padrão: o clipe assume a forma da referência principal. |
resolution | Não | Resolução de saída: 480p ou 720p por padrão. Ela seleciona uma faixa de preço e não vai deixar referências de baixa resolução mais nítidas. |
duration_seconds | Não | Duração do clipe final em segundos inteiros, de 4 a 15, padrão 5; com -1 o modelo escolhe e a estimativa considera 15 segundos. |
generate_audio | Não | Se uma trilha nativa é renderizada em sincronia com a imagem. Vem ligada; desligar não reduz a tarifa nesta versão. Valor padrão: |
enable_web_search | Não | Desligado por padrão. Quando ligado, o modelo pode buscar na web informações relacionadas ao seu prompt antes de renderizar. Valor padrão: |
seed | Não | Seed inteiro; omita e cada execução sorteia o seu. Fixe com todo o resto constante para julgar o que uma edição de prompt realmente mudou. |
return_last_frame | Não | Devolve também o último quadro do clipe como imagem separada, junto com o vídeo. Valor padrão: |
bitrate_mode | Não | Taxa de bits do arquivo entregue: |
watermark | Não | Adiciona ao vídeo a marca-d’água visível “AI generated” do próprio modelo. Valor padrão: |
Preços
Os clipes de referência entram na contagem de segundos cobrados. Como não é possível medir seus clipes antes da execução, reservamos antecipadamente o valor dos 15 segundos máximos e liberamos a parte não utilizada assim que a cobrança é fechada — você paga apenas pelos segundos realmente usados.
| Especificação | Preço |
|---|---|
| $0.010969 / segundo |
| $0.023588 / segundo |
| $0.0246078 / segundo |
| $0.05292 / segundo |
| $0.036 / segundo |
| $0.072 / segundo |
Casos de uso
Um conjunto de referências para uma série inteira
Três vistas de um homem — de frente, em três quartos e de perfil — mais uma quarta imagem do avental dele podem sustentar uma série inteira, mudando só o prompt entre as solicitações. O exemplo publicado da padaria foi montado exatamente assim.
Ritmo emprestado de um clipe
Um clipe de referência pode trazer ritmo em vez de conteúdo. Um exemplo pega de um clipe um avanço contínuo e sem pressa, encena num corredor de uma imagem de referência e faz os passos caírem no pulso de uma faixa de referência, oito segundos em 9:16.
Um casal estável em vários ângulos
Três imagens do mesmo casal permitem que uma tomada nova encontre um terceiro ângulo enquanto rostos e roupas continuam iguais, como no exemplo do banco de praça gerado em 480p.
Guia de prompt e dicas práticas
Chame cada referência pela posição
O prompt é obrigatório e faz a escalação, porque as referências são lidas na ordem em que você envia. Escreva "References 1-3 are..." ou use @Image1, @Image2 para que cada material tenha uma única função.
Conheça os limites
Envie até 9 imagens, 3 clipes e 3 faixas de áudio, com ao menos uma imagem ou clipe em cada solicitação. Clipes e áudio duram de 2 a 15 segundos cada e 15 segundos no total, e os segundos dos seus clipes de referência são cobrados além da saída.
Adapte o exemplo incluído
O exemplo publicado usa aspect_ratio 16:9, duration_seconds 6, generate_audio true e resolution 720p, com quatro imagens em reference_image_urls.
@Image1, @Image2 and @Image3 are the same man from front, three-quarter and profile; @Image4 is his apron. Put him behind the counter of a small bakery at opening time in that apron, sliding a tray into the case and glancing up as the door chimes. Warm ovens, flat morning light.
Três ângulos seguram o rosto, a quarta imagem segura o figurino e o prompt diz o que é cada coisa. Mantenha essa divisão ao escalar seu próprio personagem.
Precisa de um primeiro quadro exato? Use imagem para vídeo
Este endpoint não tem campo de primeiro nem de último quadro. Quando a imagem de abertura precisar corresponder exatamente a uma foto, envie essa foto para imagem para vídeo e descreva só o movimento.
Início rápido da 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.0-mini/reference-to-video",
"input": {
"aspect_ratio": "adaptive",
"bitrate_mode": "standard",
"duration_seconds": 5,
"enable_web_search": false,
"generate_audio": true,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
]
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
















