Seedance 2.0 API

Seedance 2.0 reference-to-video сводит несколько разрешённых источников в один кадр: изображения отвечают за «кто и что», клипы — за движение и темп, аудио — за долю, на которую ложится склейка. Это отдельный контракт, стартовый кадр он не принимает.

Seedance 2.0 от ByteDance публикует text-to-video, image-to-video и reference-to-video: ролики 4–15 секунд от 480p до 4K, с родным звуком и кадрированием adaptive по умолчанию.

Атмосфера помещения приходит в том же файле

generate_audio включён по умолчанию, поэтому лёд в шейкере, смех, приглушённый гул бара и сама комната выходят из того же прохода, что и картинка. Результат приходит уже синхронным, а не ждёт отдельного звукового прохода. Выключайте, если клип всё равно уходит к саунд-дизайнеру.

Девять референсов, один состав на всю серию

reference-to-video берёт до 9 изображений, 3 клипов и 3 аудиодорожек вместе. Три ракурса одного лица плюс кадр с костюмом держат персонажа по всей серии куда лучше девяти случайных кадров, а референсный клип несёт язык камеры, который ни одно прилагательное в prompt надёжно не воспроизводит.

Форма следует за материалом

На всех трёх эндпоинтах aspect_ratio по умолчанию adaptive. В image-to-video клип сохраняет форму стартового кадра, так что вертикальный снимок не обрезается в горизонталь; в text-to-video модель берёт форму из prompt; в reference-to-video находит кадр, в который помещаются все субъекты из референсов. Указывайте 16:9, 9:16 или 21:9, только когда площадка требует фиксированного формата.

Назначьте роль каждой референции

Seedance 2.0 reference-to-video сводит несколько разрешённых источников в один кадр: изображения отвечают за «кто и что», клипы — за движение и темп, аудио — за долю, на которую ложится склейка. Это отдельный контракт, стартовый кадр он не принимает. Используйте этот режим, когда отдельные изображения, клипы или аудио должны направлять разные части нового кадра. Укажите вклад каждого материала до описания действия, которое их связывает.

Ночная жизнь и барные сцены со своим звуком

Взбиваемый коктейль, стекло о стойку, приглушённый разговор под красным фонарём: опишите помещение в prompt и оставьте generate_audio включённым. Seedance 2.0 отрисовывает атмосферу под картинку, и склейка приходит с воздухом, а не немой заготовкой.

Кампания, которая держится от склейки к склейке

Загрузите товар в трёх ракурсах и модель в двух в reference-to-video, а затем меняйте только prompt для каждой склейки. Та же бутылка, то же лицо и та же куртка едут вместе с запросом, поэтому набор держится без ручной цветокоррекции.

Костюмированная и ролевая работа без цензуры

Кружево и атлас, реквизит с хвостами и ушами, кадр от первого лица, пары любого пола — ничего из этого с нашей стороны не проверяется. Собственный слой Seedance отклоняет часть формулировок, поэтому такие такты ведите от первого кадра в image-to-video, а не из prompt.

# 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/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"

Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.