ByteDance: Seedance 2.0

Seedance 2.0 erzeugt Video aus einer schriftlich beschriebenen Szene oder einer Kombination von Bild-, Video- und Audioreferenzen. Der genaue Selektor doubao-seedance-2-0-260128 bezeichnet das Standardprofil 2.0. Zu seinen dokumentierten Abläufen gehören die Erzeugung neuer Videos, die Bearbeitung und die Verlängerung vorhandenen Filmmaterials. Nutzen Sie Referenzen, um Erscheinungsbild, Bewegung, Kamerasprache und Ton zu vermitteln, und geben Sie anschließend an, welche Teile der Szene sie steuern sollen.

Text lässt sich allein bereitstellen. Die dokumentierten multimodalen Kombinationen erlauben außerdem Bilder oder Video mit optionalem Text, Bilder mit Audio, Video mit Audio sowie Bilder, Video und Audio gemeinsam. Audio begleitet in diesen aufgeführten Kombinationen somit visuelle Medien; eine eigenständige Audio-zu-Video-Anfrage wird nicht beschrieben. Formulieren Sie das beabsichtigte Ergebnis auch dort klar, wo Text optional ist, damit die Rolle jeder Referenz ausdrücklich feststeht und nicht aus unverbundenen Materialien erschlossen werden muss.

Das Array content unterscheidet Elemente der Typen text, image_url, video_url und audio_url. Multimodale Referenzen verwenden Rollen wie reference_image, reference_video und reference_audio. Ein Bild kann Person, Objekt, Ort oder Erscheinungsbild festlegen. Ein Video kann eine Darbietung, Bewegung oder Kameraansicht zeigen, und Audio kann eine Tonspur oder das Timing vorgeben. Benennen Sie die Zuordnung im Auftrag: das Motiv aus dem Bild beibehalten, der Kameraansicht des Videos folgen und das Audio als Hintergrund verwenden. Verlangen Sie nicht von jeder Referenz gleichzeitig die Festlegung jeder Eigenschaft.

Das dokumentierte Werbebeispiel kombiniert zwei Produktbilder mit einer Video- und einer Audioreferenz. Es beschreibt eine Anfangsansicht, eine Aktionsfolge, eine Produktnahaufnahme und eine Schlusskomposition und hält dabei die Stimme im Hintergrund konsistent. Dieselbe Struktur kann eine kurze Präsentation ordnen: das Objekt einführen, eine Aktion zeigen und bei seinem erkennbaren Merkmal enden. Benennen Sie für eine Bearbeitung das Ausgangsvideo und das zu ändernde Element. Erklären Sie für eine Verlängerung die Aktion, die über die vorhandene Szene hinaus fortgesetzt wird, während Motiv und Bewegungsrichtung erhalten bleiben.

Das 2.0-Profil dokumentiert eine Dauer in ganzen Sekunden von vier bis fünfzehn oder -1 für eine automatisch gewählte Dauer innerhalb dieses Bereichs. Der Standard beträgt fünf Sekunden. Die Auflösungsoptionen sind 480p und 720p, standardmäßig 720p; 1080p ist für 2.0 ausgeschlossen. Zu den festen Seitenverhältnissen gehören 16:9, 4:3, 1:1, 3:4, 9:16 und 21:9. Ein adaptives Seitenverhältnis kann das Format anhand des Prompts oder der Referenz wählen: Bei der Arbeit mit einem Anfangsbild folgt es diesem Bild; bei multimodaler Arbeit nutzt es die beabsichtigte Szene oder das erste relevante Medium, wobei Video Vorrang vor Bildern hat. Prüfen Sie das Aufgabenergebnis auf tatsächliches Seitenverhältnis und tatsächliche Dauer.

Generierter Ton wird getrennt von Referenzmedien gesteuert. generate_audio=true fordert synchronisierte Stimmen, Effekte und Hintergrundmusik auf Grundlage des Textes und visuellen Inhalts an; false verlangt ein stummes Video. Der dokumentierte Standard ist true, und für Sprache wird Dialog in Anführungszeichen empfohlen. Geben Sie an, wer spricht und wie der Ton mit der sichtbaren Aktion zusammenhängt. Prüfen Sie anschließend den tatsächlichen Wortlaut, die Stimmzuordnung und das Timing. Eine Audioreferenz bereitzustellen und die Tonerzeugung zu aktivieren sind getrennte Anfrageentscheidungen.

Der 2.0-Leitfaden schließt die älteren Steuerungen frames und camera_fixed aus und unterstützt keine Offline-Verarbeitung mit flex. Verwenden Sie das Feld duration und beschreiben Sie die Kamerabewegung in der Szene selbst. seed und watermark bleiben dokumentierte Steuerungen; laut Leitfaden können dieselbe Anfrage und derselbe seed ähnliche Ergebnisse liefern, ohne eine exakte Identität zu garantieren. Behandeln Sie einen seed nicht als Nachweis der Reproduzierbarkeit und eine wiederholte Anfrage nicht als bereits geprüften Clip.

Der Video-Token-Verbrauch wird wie folgt berechnet: (Dauer des Eingabevideos + Dauer des Ausgabevideos) × Ausgabebreite × Ausgabehöhe × Ausgabebildrate / 1024. Anfragen mit Eingabevideo und Anfragen ohne Eingabevideo haben unterschiedliche Abrechnungskategorien. Die Aufgabenabfrage meldet usage.completion_tokens und usage.total_tokens; bewahren Sie diese gemeldeten Mengen zusammen mit dem fertigen Clip.

Der Ablauf ist asynchron: Das Absenden liefert eine Aufgabenkennung. Die abgeschlossene Aufgabe stellt content.video_url zusammen mit gemeldeter Dauer, Auflösung, Seitenverhältnis, Bildrate und Tokenverbrauch bereit. Bewahren Sie die Kennung und speichern Sie das fertige Video mit den Originalreferenzen und dem Prompt. Das Ablauffeld beträgt standardmäßig 172.800 Sekunden und akzeptiert 3.600–259.200 Sekunden ab der Aufgabenerstellung; eine Aufgabe, die das Intervall überschreitet, erhält den Status expired. Prüfen Sie die gesamte Ausgabe einschließlich des Übergangs bei Bearbeitung oder Fortsetzung auf das Erscheinungsbild der Figuren, die Objektdetails, die räumlichen Beziehungen, die Kamerakontinuität und die zeitliche Ton-Bild-Abstimmung.