Introdução
O Seedance 2.0 image-to-video começa o clipe numa imagem que você fornece e a anima por até 15 segundos. Acrescente um still de fechamento e o plano passa a ter obrigação de chegar lá — é isso que torna transições e pares antes/depois repetíveis.
O Seedance 2.0, da ByteDance, publica text-to-video, image-to-video e reference-to-video: clipes de 4 a 15 segundos de 480p a 4K, com áudio nativo e enquadramento adaptive por padrão.
| Material inicial | Modo indicado |
|---|---|
| Cena escrita | Seedance 2.0 Texto para vídeo |
| Imagem inicial aprovada | Seedance 2.0 Imagem para vídeo |
| Referências separadas | Seedance 2.0 Referências para vídeo |
Recursos e destaques
O ruído do ambiente volta no mesmo arquivo
generate_audio vem ligado, então gelo numa coqueteleira, uma risada, conversa baixa de bar e a sala em que tudo acontece saem da mesma passada que a imagem. O resultado chega já em sincronia em vez de esperar por uma passada de som. Desligue quando o clipe vai para um designer de qualquer jeito.
Nove referências e um elenco que não muda
O reference-to-video aceita até 9 imagens, 3 clipes e 3 faixas de áudio juntos. Três ângulos de um rosto mais um still de figurino seguram um personagem ao longo de um episódio muito melhor que nove quadros sem relação, e um clipe de referência carrega linguagem de câmera que nenhum adjetivo num prompt reproduz de forma confiável.
A forma segue o material
aspect_ratio vem em adaptive nos três endpoints. No image-to-video o clipe mantém a forma da sua imagem de abertura, então um retrato não é cortado para paisagem; no text-to-video o modelo tira a forma do prompt; no reference-to-video ele encontra um quadro que acomoda todos os sujeitos referenciados. Informe 16:9, 9:16 ou 21:9 só quando um posicionamento exigir formato fixo.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Não | Opcional, mas vale escrever: deve dizer o que acontece depois do quadro em vez de repetir o que já está visível: a ação, o movimento de câmera, a passagem do tempo, o som. |
image_url | Sim | Link público e diretamente baixável para o primeiro quadro; obrigatório. |
last_image_url | Não | Quadro de fechamento opcional, válido só junto com |
aspect_ratio | Não | Enquadramento de saída, |
resolution | Não | Resolução de saída, 720p por padrão e chegando a 4k; não há faixa ampliada aqui. |
duration_seconds | Não | Duração em segundos inteiros, de 4 a 15, padrão 5, e a quantidade cobrada. |
generate_audio | Não | Se uma trilha nativa é renderizada em sincronia com a imagem. Vem ligada; desligue para loops mudos ou quando o som for acrescentado na pós. 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
| Especificação | Preço |
|---|---|
| $0.07 / segundo |
| $0.152 / segundo |
| $0.374 / segundo |
| $0.778 / segundo |
Casos de uso
Anime um quadro inicial definido
O Seedance 2.0 image-to-video começa o clipe numa imagem que você fornece e a anima por até 15 segundos. Acrescente um still de fechamento e o plano passa a ter obrigação de chegar lá — é isso que torna transições e pares antes/depois repetíveis. Use este modo quando uma imagem fornecida deve definir a composição inicial. Descreva apenas o movimento, a câmera e o som seguintes e verifique se os detalhes da fonte permanecem consistentes.
Cena noturna e de bar que já vem com o próprio som
Um coquetel sendo batido, vidro no balcão, conversa baixa atrás de uma lanterna vermelha: escreva a sala no prompt e deixe generate_audio ligado. O Seedance 2.0 renderiza a ambiência contra a imagem, então o corte chega com atmosfera em vez de uma chapa muda.
Trabalho de fantasia e de RPG, sem censura
Renda e cetim, adereços de cauda e orelhas, enquadramento em primeira pessoa, casais de qualquer gênero: nada disso é revisado do nosso lado. A camada do próprio Seedance recusa algumas formulações, então dirija essas cenas a partir de um primeiro quadro no image-to-video, e não do prompt.
O mesmo plano entregue em três formatos
Sete proporções, de 21:9 a 9:16, mais adaptive. Rode o mesmo prompt em 16:9 para o site, 9:16 para um feed vertical e 1:1 para um bloco. Cada execução é um take novo, não um reenquadramento do anterior, então quando os três cortes precisarem casar, parta do mesmo quadro de abertura no image-to-video e compare os três lado a lado antes de publicar.
Guia de prompt e dicas práticas
Escolha o endpoint pelo que você já tem
Só uma descrição vai para o text-to-video. Um still que precisa sobreviver vai para o image-to-video. Um elenco, um produto ou um movimento que tem de se repetir entre cortes vai para o reference-to-video. Chamando pelo nome da família, são os campos que você manda que escolhem o endpoint.
Escreva o plano como uma decupagem
Sujeito, ação, câmera, luz, som, uma ideia por frase. O clipe desta página saiu exatamente deste texto: “Photorealistic live-action, not animation. A real adult woman in a chocolate satin robe works behind a dim neon bar, a large fluffy faux fox tail accessory clipped at the small of her back. She shakes a cocktail, turns to set the glass on the counter and the tail sways with the movement, then she looks back at camera with a teasing smile. Warm red lantern light, 35mm grain, slow push-in, ice rattling and low bar chatter.” Cinco segundos, 720p, 16:9, áudio ligado.
Adapte o exemplo publicado
Comece pelo exemplo publicado e mantenha as entradas próprias deste modo. Troque só o assunto e a direção criativa; compare a próxima tomada com um objetivo visual claro.
Photorealistic live action, not animation. Lightning flashes and lights the whole forecourt white for an instant. She unfolds her arms, pushes off the truck door and steps out to the edge of the canopy, holding one open palm into the falling rain, then looks up into the storm and laughs. Her wet flannel shirt lifts in the gust; rain hammers the concrete and streams off the canopy edge in front of the lens. Slow dolly in past the fuel pump. No music, only rain, wind and rolling thunder.
O relâmpago é a parte difícil: um único quadro que estoura em branco e volta, por cima de uma chuva que desce em lençóis da borda da cobertura diante da lente e de um travelling lento que passa pela bomba. O prompt começa exigindo imagem real fotorrealista, frase que vale escrever sempre que a cena for assim estilizada; sem ela, o resultado escorrega para a ilustração.
Revise o resultado e itere com intenção
Confira se identidade, luz e enquadramento da imagem inicial continuam reconhecíveis enquanto ocorre o movimento pedido. Na próxima tomada, mude só uma decisão de movimento ou câmera e compare com a composição aprovada.
Defina o ponto de partida e o resultado
Antes de gerar, decida o que precisa aparecer no começo, durante a mudança e no fim. Assim, você avalia a sequência contra um objetivo concreto, e não contra uma impressão vaga.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seedance-2.0/image-to-video",
"input": {
"aspect_ratio": "adaptive",
"bitrate_mode": "standard",
"duration_seconds": 5,
"generate_audio": true,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
