Seedance 2.0 es el modelo estándar de ByteDance Seed para la creación multimodal de audio y vídeo. Combina texto, imágenes, vídeos y audio en una arquitectura de generación conjunta, con flujos creativos independientes para escenas guiadas por referencias, edición de vídeo y ampliación de vídeo. Resulta útil cuando el encargo requiere tanto una interpretación coherente como información visual o sonora específica de materiales preparados.
Las imágenes pueden definir el aspecto del sujeto, el estilo visual y la composición. Las referencias de vídeo pueden orientar la acción, el movimiento de cámara y los efectos. El audio puede orientar el timbre de voz, la música o el diálogo. Defina la función de cada material y después describa la escena que debe resultar. El fabricante destaca el control sobre la interpretación, la iluminación, las sombras y el lenguaje de cámara.
Para una historia de producto, prepare una imagen del producto, una referencia del movimiento de cámara y una indicación de audio. Un encargo podría ser: «Conserva el jarrón de vidrio azul de Image 1. Utiliza el travelling lateral lento de Video 1. El jarrón está en un estante iluminado por el sol, con música instrumental suave basada en Audio 1». La salida prevista es una escena nueva puesta en escena que combina información seleccionada de las referencias.
Las entradas de referencia pueden combinar imagen y audio, imagen y vídeo, vídeo y audio o los tres tipos. No se admite entrada exclusivamente de audio ni texto más audio sin imagen o vídeo. También están documentadas la conversión tradicional de texto a vídeo, la generación con primer fotograma y la generación con primer y último fotograma. Si importan las composiciones fijas de apertura y cierre, utilice el flujo específico de extremos: nombrar una imagen de referencia como extremo dentro de una instrucción omni-reference es solo una forma indirecta de orientarlo.
El modelo puede sustituir un sujeto, añadir o eliminar objetos, cambiar elementos y redibujar o reparar partes de un vídeo. Describa el cambio específico e identifique el material de origen. Para una incorporación, incluya el momento y la posición de aparición; para una eliminación o sustitución, indique el objeto con precisión y nombre lo que debe permanecer.
Por ejemplo: «Sustituye la lámpara de escritorio de Video 1 por la lámpara de latón de Image 1. Mantén el movimiento de cámara, la disposición del escritorio y la dirección de la iluminación». El resultado deseado es una versión editada de la escena con la sustitución prevista. Examine tanto las zonas sin cambios como el objeto nuevo, especialmente durante oclusiones, movimientos y cambios de plano.
Seedance 2.0 puede ampliar un vídeo hacia delante o hacia atrás y conectar hasta tres clips proporcionados con transiciones generadas. Especifique la dirección temporal y el nuevo acontecimiento. Para un enlace, ordene los clips y describa la transición entre cada pareja, como una cámara que entra por una puerta en un plano y llega al siguiente entorno.
Una ampliación sencilla normalmente devuelve la continuación desarrollada en torno al material de origen; incluya una instrucción clara si el resultado final también debe repetir el segmento original. Al completar una conexión entre dos o tres clips, el flujo documentado puede incluir tanto material original como contenido de transición nuevo. Esto es útil para desarrollar una apertura o un cierre, o conectar escenas preparadas sin dejar la acción de enlace sin especificar.
La edición estándar documenta MP4 a 24 fps y duraciones de 4 a 15 segundos. Los niveles de salida son 480p, 720p y 1080p con profundidad de color de 8 bits, además de 4K con profundidad de color de 10 bits. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. También están documentados el encuadre adaptable y la selección automática de duración. La edición Fast tiene su propia especificación de salida más limitada, de 480p/720p.
La salida 4K utiliza codificación H.265/HEVC. La codificación de diez bits conserva gradaciones tonales adicionales y transiciones de color más suaves, lo que importa en material con gradientes sutiles de luz o color. Compruebe que el entorno previsto de reproducción y edición pueda decodificar ese formato; algunos navegadores y dispositivos no lo reproducen directamente. Un contenedor compatible no garantiza por sí solo una decodificación de vídeo compatible.
El modelo puede generar sonido sincronizado o un vídeo silencioso, y puede devolver el último fotograma generado para una escena posterior. El audio generado es mono. La familia 2.0 no admite el modo independiente de previsualización Draft en dos fases, por lo que esa función no debe inferirse de otra edición de Seedance.
La capacidad documentada de referencia es de hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia que contengan rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo y audio debe durar 2–15 segundos. Todas las referencias de vídeo juntas deben ajustarse a 15 segundos, y las referencias de audio tienen su propio total de 15 segundos. Los archivos de vídeo utilizan MP4 o MOV a 24–60 fps, hasta 200 MB cada uno; los de audio utilizan WAV o MP3, hasta 15 MB cada uno. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Las imágenes deben ocupar menos de 30 MB cada una y el cuerpo de la solicitud no debe superar 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.
Ordene los archivos de forma deliberada y refiérase a cada uno por su tipo de medio y número: Image 1, Video 1 y Audio 1. El número sigue el orden entre los archivos de ese tipo. Explique qué rasgos se deben transferir y qué contenido de origen no debe definir la escena nueva. Los idiomas documentados de instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga constante el idioma hablado dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. En trabajos guiados por voz, separe el hablante, la frase exacta y la indicación de interpretación.
Prepare las imágenes inicial y final con encuadres compatibles. Una discrepancia entre la imagen de entrada y las dimensiones de salida puede causar un recorte o un cambio visual brusco; las dimensiones coincidentes y el encuadre adaptable son soluciones documentadas. Concentre la descripción en el acontecimiento y las funciones de las referencias. El fabricante advierte de que las instrucciones largas pueden dispersar la información y hacer que se ignoren detalles. Revise el movimiento resultante, la continuidad de las referencias, la interpretación de audio y las uniones entre escenas como partes distintas del resultado creativo.
Para una escena compleja, organice el encargo como Plano 1, Plano 2 y Plano 3, especificando en orden la cámara, la acción del sujeto, la posición y el sonido. La guía recomienda un movimiento de cámara por plano y priorizar acciones lentas y conectadas. Las marcas de tiempo precisas por plano son inestables, por lo que una secuencia de acontecimientos proporciona mejor control que forzar varias ventanas temporales exactas.
El modelo también genera texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo. Puede dirigir el color, el tratamiento visual, la ubicación y la aparición del texto. Utilice caracteres comunes en lugar de caracteres raros o símbolos especiales y revise las palabras en movimiento. Para referencias de sujetos, vincule claramente cada recurso con el personaje u objeto previsto. Las distintas vistas de producto pueden aportar información visual diferente; los collages de vistas de personaje pueden confundir la identidad facial. La recomendación documentada para referencias de personaje es un retrato de cabeza claro y una imagen de cuerpo entero separados.
La guía documenta subtítulos no deseados, logotipos, personajes duplicados y desviaciones de estilo. El material de origen limpio, las etiquetas coherentes y las restricciones explícitas reducen esos riesgos, pero no garantizan que desaparezcan el texto no deseado o las figuras duplicadas. Más de cuatro personas de referencia se señala como riesgo de estabilidad, distinto del número de archivos que acepta el modelo.
La ampliación de vídeo puede crear un salto o un retroceso en la unión, y las continuaciones repetidas pueden acumular degradación de calidad de imagen. Examine los fotogramas de los extremos y limite las ampliaciones encadenadas. Una voz de referencia puede diferir del timbre original; la narración puede terminar con un clic o un corte brusco, para el que un fundido de audio es una solución documentada. Los caracteres chinos polifónicos, poco comunes o de forma similar pueden pronunciarse incorrectamente. Para un efecto animado preciso, como una cuenta atrás, una referencia de movimiento resulta más informativa que una petición verbal por sí sola. Son razones concretas para comprobar por separado identidad, texto, movimiento y sonido al seleccionar el clip.
", "aboutText": "Seedance 2.0 es el modelo estándar de ByteDance Seed para la creación multimodal de audio y vídeo. Combina texto, imágenes, vídeos y audio en una arquitectura de generación conjunta, con flujos creativos independientes para escenas guiadas por referencias, edición de vídeo y ampliación de vídeo. Resulta útil cuando el encargo requiere tanto una interpretación coherente como información visual o sonora específica de materiales preparados.\n\n### Referencia multimodal y control de dirección\n\nLas imágenes pueden definir el aspecto del sujeto, el estilo visual y la composición. Las referencias de vídeo pueden orientar la acción, el movimiento de cámara y los efectos. El audio puede orientar el timbre de voz, la música o el diálogo. Defina la función de cada material y después describa la escena que debe resultar. El fabricante destaca el control sobre la interpretación, la iluminación, las sombras y el lenguaje de cámara.\n\nPara una historia de producto, prepare una imagen del producto, una referencia del movimiento de cámara y una indicación de audio. Un encargo podría ser: «Conserva el jarrón de vidrio azul de Image 1. Utiliza el travelling lateral lento de Video 1. El jarrón está en un estante iluminado por el sol, con música instrumental suave basada en Audio 1». La salida prevista es una escena nueva puesta en escena que combina información seleccionada de las referencias.\n\nLas entradas de referencia pueden combinar imagen y audio, imagen y vídeo, vídeo y audio o los tres tipos. No se admite entrada exclusivamente de audio ni texto más audio sin imagen o vídeo. También están documentadas la conversión tradicional de texto a vídeo, la generación con primer fotograma y la generación con primer y último fotograma. Si importan las composiciones fijas de apertura y cierre, utilice el flujo específico de extremos: nombrar una imagen de referencia como extremo dentro de una instrucción omni-reference es solo una forma indirecta de orientarlo.\n\n### Edición de material\n\nEl modelo puede sustituir un sujeto, añadir o eliminar objetos, cambiar elementos y redibujar o reparar partes de un vídeo. Describa el cambio específico e identifique el material de origen. Para una incorporación, incluya el momento y la posición de aparición; para una eliminación o sustitución, indique el objeto con precisión y nombre lo que debe permanecer.\n\nPor ejemplo: «Sustituye la lámpara de escritorio de Video 1 por la lámpara de latón de Image 1. Mantén el movimiento de cámara, la disposición del escritorio y la dirección de la iluminación». El resultado deseado es una versión editada de la escena con la sustitución prevista. Examine tanto las zonas sin cambios como el objeto nuevo, especialmente durante oclusiones, movimientos y cambios de plano.\n\n### Ampliar y conectar una secuencia\n\nSeedance 2.0 puede ampliar un vídeo hacia delante o hacia atrás y conectar hasta tres clips proporcionados con transiciones generadas. Especifique la dirección temporal y el nuevo acontecimiento. Para un enlace, ordene los clips y describa la transición entre cada pareja, como una cámara que entra por una puerta en un plano y llega al siguiente entorno.\n\nUna ampliación sencilla normalmente devuelve la continuación desarrollada en torno al material de origen; incluya una instrucción clara si el resultado final también debe repetir el segmento original. Al completar una conexión entre dos o tres clips, el flujo documentado puede incluir tanto material original como contenido de transición nuevo. Esto es útil para desarrollar una apertura o un cierre, o conectar escenas preparadas sin dejar la acción de enlace sin especificar.\n\n### Salida de la edición estándar y 4K\n\nLa edición estándar documenta MP4 a 24 fps y duraciones de 4 a 15 segundos. Los niveles de salida son 480p, 720p y 1080p con profundidad de color de 8 bits, además de 4K con profundidad de color de 10 bits. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. También están documentados el encuadre adaptable y la selección automática de duración. La edición Fast tiene su propia especificación de salida más limitada, de 480p/720p.\n\nLa salida 4K utiliza codificación H.265/HEVC. La codificación de diez bits conserva gradaciones tonales adicionales y transiciones de color más suaves, lo que importa en material con gradientes sutiles de luz o color. Compruebe que el entorno previsto de reproducción y edición pueda decodificar ese formato; algunos navegadores y dispositivos no lo reproducen directamente. Un contenedor compatible no garantiza por sí solo una decodificación de vídeo compatible.\n\nEl modelo puede generar sonido sincronizado o un vídeo silencioso, y puede devolver el último fotograma generado para una escena posterior. El audio generado es mono. La familia 2.0 no admite el modo independiente de previsualización Draft en dos fases, por lo que esa función no debe inferirse de otra edición de Seedance.\n\n### Preparación de referencias y límites relevantes\n\nLa capacidad documentada de referencia es de hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia que contengan rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo y audio debe durar 2–15 segundos. Todas las referencias de vídeo juntas deben ajustarse a 15 segundos, y las referencias de audio tienen su propio total de 15 segundos. Los archivos de vídeo utilizan MP4 o MOV a 24–60 fps, hasta 200 MB cada uno; los de audio utilizan WAV o MP3, hasta 15 MB cada uno. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Las imágenes deben ocupar menos de 30 MB cada una y el cuerpo de la solicitud no debe superar 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.\n\nOrdene los archivos de forma deliberada y refiérase a cada uno por su tipo de medio y número: Image 1, Video 1 y Audio 1. El número sigue el orden entre los archivos de ese tipo. Explique qué rasgos se deben transferir y qué contenido de origen no debe definir la escena nueva. Los idiomas documentados de instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga constante el idioma hablado dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. En trabajos guiados por voz, separe el hablante, la frase exacta y la indicación de interpretación.\n\nPrepare las imágenes inicial y final con encuadres compatibles. Una discrepancia entre la imagen de entrada y las dimensiones de salida puede causar un recorte o un cambio visual brusco; las dimensiones coincidentes y el encuadre adaptable son soluciones documentadas. Concentre la descripción en el acontecimiento y las funciones de las referencias. El fabricante advierte de que las instrucciones largas pueden dispersar la información y hacer que se ignoren detalles. Revise el movimiento resultante, la continuidad de las referencias, la interpretación de audio y las uniones entre escenas como partes distintas del resultado creativo.\n\n### Planificación de planos y dirección del texto\n\nPara una escena compleja, organice el encargo como Plano 1, Plano 2 y Plano 3, especificando en orden la cámara, la acción del sujeto, la posición y el sonido. La guía recomienda un movimiento de cámara por plano y priorizar acciones lentas y conectadas. Las marcas de tiempo precisas por plano son inestables, por lo que una secuencia de acontecimientos proporciona mejor control que forzar varias ventanas temporales exactas.\n\nEl modelo también genera texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo. Puede dirigir el color, el tratamiento visual, la ubicación y la aparición del texto. Utilice caracteres comunes en lugar de caracteres raros o símbolos especiales y revise las palabras en movimiento. Para referencias de sujetos, vincule claramente cada recurso con el personaje u objeto previsto. Las distintas vistas de producto pueden aportar información visual diferente; los collages de vistas de personaje pueden confundir la identidad facial. La recomendación documentada para referencias de personaje es un retrato de cabeza claro y una imagen de cuerpo entero separados.\n\n### Comportamientos que revisar antes de una edición\n\nLa guía documenta subtítulos no deseados, logotipos, personajes duplicados y desviaciones de estilo. El material de origen limpio, las etiquetas coherentes y las restricciones explícitas reducen esos riesgos, pero no garantizan que desaparezcan el texto no deseado o las figuras duplicadas. Más de cuatro personas de referencia se señala como riesgo de estabilidad, distinto del número de archivos que acepta el modelo.\n\nLa ampliación de vídeo puede crear un salto o un retroceso en la unión, y las continuaciones repetidas pueden acumular degradación de calidad de imagen. Examine los fotogramas de los extremos y limite las ampliaciones encadenadas. Una voz de referencia puede diferir del timbre original; la narración puede terminar con un clic o un corte brusco, para el que un fundido de audio es una solución documentada. Los caracteres chinos polifónicos, poco comunes o de forma similar pueden pronunciarse incorrectamente. Para un efecto animado preciso, como una cuenta atrás, una referencia de movimiento resulta más informativa que una petición verbal por sí sola. Son razones concretas para comprobar por separado identidad, texto, movimiento y sonido al seleccionar el clip.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d7e86569e0957b8bca1aca3cb4e571bce54418672b1b3c452ee6e3f6c0a2cd6d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "bytedance/seedance-2.0ByteDance Seedance 2.0 combina generación nativa de audio y vídeo con referencias de imagen, vídeo y sonido. Dirija escenas nuevas, edite material existente o amplíe una secuencia; la edición estándar incluye salida documentada de 1080p y 4K de 10 bits.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Seedance 2.0 es el modelo estándar de ByteDance Seed para la creación multimodal de audio y vídeo. Combina texto, imágenes, vídeos y audio en una arquitectura de generación conjunta, con flujos creativos independientes para escenas guiadas por referencias, edición de vídeo y ampliación de vídeo. Resulta útil cuando el encargo requiere tanto una interpretación coherente como información visual o sonora específica de materiales preparados.
Las imágenes pueden definir el aspecto del sujeto, el estilo visual y la composición. Las referencias de vídeo pueden orientar la acción, el movimiento de cámara y los efectos. El audio puede orientar el timbre de voz, la música o el diálogo. Defina la función de cada material y después describa la escena que debe resultar. El fabricante destaca el control sobre la interpretación, la iluminación, las sombras y el lenguaje de cámara.
Para una historia de producto, prepare una imagen del producto, una referencia del movimiento de cámara y una indicación de audio. Un encargo podría ser: «Conserva el jarrón de vidrio azul de Image 1. Utiliza el travelling lateral lento de Video 1. El jarrón está en un estante iluminado por el sol, con música instrumental suave basada en Audio 1». La salida prevista es una escena nueva puesta en escena que combina información seleccionada de las referencias.
Las entradas de referencia pueden combinar imagen y audio, imagen y vídeo, vídeo y audio o los tres tipos. No se admite entrada exclusivamente de audio ni texto más audio sin imagen o vídeo. También están documentadas la conversión tradicional de texto a vídeo, la generación con primer fotograma y la generación con primer y último fotograma. Si importan las composiciones fijas de apertura y cierre, utilice el flujo específico de extremos: nombrar una imagen de referencia como extremo dentro de una instrucción omni-reference es solo una forma indirecta de orientarlo.
El modelo puede sustituir un sujeto, añadir o eliminar objetos, cambiar elementos y redibujar o reparar partes de un vídeo. Describa el cambio específico e identifique el material de origen. Para una incorporación, incluya el momento y la posición de aparición; para una eliminación o sustitución, indique el objeto con precisión y nombre lo que debe permanecer.
Por ejemplo: «Sustituye la lámpara de escritorio de Video 1 por la lámpara de latón de Image 1. Mantén el movimiento de cámara, la disposición del escritorio y la dirección de la iluminación». El resultado deseado es una versión editada de la escena con la sustitución prevista. Examine tanto las zonas sin cambios como el objeto nuevo, especialmente durante oclusiones, movimientos y cambios de plano.
Seedance 2.0 puede ampliar un vídeo hacia delante o hacia atrás y conectar hasta tres clips proporcionados con transiciones generadas. Especifique la dirección temporal y el nuevo acontecimiento. Para un enlace, ordene los clips y describa la transición entre cada pareja, como una cámara que entra por una puerta en un plano y llega al siguiente entorno.
Una ampliación sencilla normalmente devuelve la continuación desarrollada en torno al material de origen; incluya una instrucción clara si el resultado final también debe repetir el segmento original. Al completar una conexión entre dos o tres clips, el flujo documentado puede incluir tanto material original como contenido de transición nuevo. Esto es útil para desarrollar una apertura o un cierre, o conectar escenas preparadas sin dejar la acción de enlace sin especificar.
La edición estándar documenta MP4 a 24 fps y duraciones de 4 a 15 segundos. Los niveles de salida son 480p, 720p y 1080p con profundidad de color de 8 bits, además de 4K con profundidad de color de 10 bits. Las relaciones compatibles son 21:9, 16:9, 4:3, 1:1, 3:4 y 9:16. También están documentados el encuadre adaptable y la selección automática de duración. La edición Fast tiene su propia especificación de salida más limitada, de 480p/720p.
La salida 4K utiliza codificación H.265/HEVC. La codificación de diez bits conserva gradaciones tonales adicionales y transiciones de color más suaves, lo que importa en material con gradientes sutiles de luz o color. Compruebe que el entorno previsto de reproducción y edición pueda decodificar ese formato; algunos navegadores y dispositivos no lo reproducen directamente. Un contenedor compatible no garantiza por sí solo una decodificación de vídeo compatible.
El modelo puede generar sonido sincronizado o un vídeo silencioso, y puede devolver el último fotograma generado para una escena posterior. El audio generado es mono. La familia 2.0 no admite el modo independiente de previsualización Draft en dos fases, por lo que esa función no debe inferirse de otra edición de Seedance.
La capacidad documentada de referencia es de hasta nueve imágenes, tres vídeos y tres clips de audio. Las cargas directas de imágenes o vídeos de referencia que contengan rostros humanos reales no se aceptan en este perfil documentado del fabricante; el trabajo de retratos utiliza su flujo compatible de recursos de retrato. Cada clip de vídeo y audio debe durar 2–15 segundos. Todas las referencias de vídeo juntas deben ajustarse a 15 segundos, y las referencias de audio tienen su propio total de 15 segundos. Los archivos de vídeo utilizan MP4 o MOV a 24–60 fps, hasta 200 MB cada uno; los de audio utilizan WAV o MP3, hasta 15 MB cada uno. Los formatos de imagen enumerados son JPEG, PNG, WebP, BMP, TIFF, GIF, HEIC y HEIF. Las imágenes deben ocupar menos de 30 MB cada una y el cuerpo de la solicitud no debe superar 64 MB. En el perfil documentado de entrada de referencias, el ancho y el alto de las imágenes deben estar estrictamente entre 300 y 6000 píxeles, con una relación ancho/alto estrictamente entre 0.4 y 2.5. Los vídeos de referencia admiten 300–6000 píxeles en cada dimensión y relaciones de 0.4–2.5, ambos extremos incluidos, con 407 696–8 295 044 píxeles en total. Los vídeos MP4 o MOV utilizan vídeo H.264/AVC o H.265/HEVC y audio AAC o MP3.
Ordene los archivos de forma deliberada y refiérase a cada uno por su tipo de medio y número: Image 1, Video 1 y Audio 1. El número sigue el orden entre los archivos de ese tipo. Explique qué rasgos se deben transferir y qué contenido de origen no debe definir la escena nueva. Los idiomas documentados de instrucciones incluyen inglés, español, indonesio, portugués y japonés. Mantenga constante el idioma hablado dentro de un diálogo; la guía desaconseja mezclar idiomas salvo en nombres propios. En trabajos guiados por voz, separe el hablante, la frase exacta y la indicación de interpretación.
Prepare las imágenes inicial y final con encuadres compatibles. Una discrepancia entre la imagen de entrada y las dimensiones de salida puede causar un recorte o un cambio visual brusco; las dimensiones coincidentes y el encuadre adaptable son soluciones documentadas. Concentre la descripción en el acontecimiento y las funciones de las referencias. El fabricante advierte de que las instrucciones largas pueden dispersar la información y hacer que se ignoren detalles. Revise el movimiento resultante, la continuidad de las referencias, la interpretación de audio y las uniones entre escenas como partes distintas del resultado creativo.
Para una escena compleja, organice el encargo como Plano 1, Plano 2 y Plano 3, especificando en orden la cámara, la acción del sujeto, la posición y el sonido. La guía recomienda un movimiento de cámara por plano y priorizar acciones lentas y conectadas. Las marcas de tiempo precisas por plano son inestables, por lo que una secuencia de acontecimientos proporciona mejor control que forzar varias ventanas temporales exactas.
El modelo también genera texto común, incluidos eslóganes, subtítulos y bocadillos de diálogo. Puede dirigir el color, el tratamiento visual, la ubicación y la aparición del texto. Utilice caracteres comunes en lugar de caracteres raros o símbolos especiales y revise las palabras en movimiento. Para referencias de sujetos, vincule claramente cada recurso con el personaje u objeto previsto. Las distintas vistas de producto pueden aportar información visual diferente; los collages de vistas de personaje pueden confundir la identidad facial. La recomendación documentada para referencias de personaje es un retrato de cabeza claro y una imagen de cuerpo entero separados.
La guía documenta subtítulos no deseados, logotipos, personajes duplicados y desviaciones de estilo. El material de origen limpio, las etiquetas coherentes y las restricciones explícitas reducen esos riesgos, pero no garantizan que desaparezcan el texto no deseado o las figuras duplicadas. Más de cuatro personas de referencia se señala como riesgo de estabilidad, distinto del número de archivos que acepta el modelo.
La ampliación de vídeo puede crear un salto o un retroceso en la unión, y las continuaciones repetidas pueden acumular degradación de calidad de imagen. Examine los fotogramas de los extremos y limite las ampliaciones encadenadas. Una voz de referencia puede diferir del timbre original; la narración puede terminar con un clic o un corte brusco, para el que un fundido de audio es una solución documentada. Los caracteres chinos polifónicos, poco comunes o de forma similar pueden pronunciarse incorrectamente. Para un efecto animado preciso, como una cuenta atrás, una referencia de movimiento resulta más informativa que una petición verbal por sí sola. Son razones concretas para comprobar por separado identidad, texto, movimiento y sonido al seleccionar el clip.
POST /v1/videostext, image, audiovideo| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites bytedance/seedance-2.0 | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campoduration | Tipointeger | RequisitoObligatorio | Valores y límites 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 Mínimo: 1 Máximo: 600 | Predeterminado— |
Camporesolution | Tipostring | RequisitoOpcional | Valores y límites 480p, 720p, 1080p, 4K | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 1:1, 3:4, 9:16, 4:3, 16:9, 21:9, 9:21 | Predeterminado— |
Campogenerate_audio | Tipoboolean | RequisitoOpcional | Valores y límites false, true Condiciones: En 480p y 720p, omitir generate_audio selecciona el precio con audio y false selecciona el precio sin audio. En 1080p y 4K, el precio de la resolución se aplica a ambos ajustes. Comprueba has_audio en el resultado para conocer la pista de audio devuelta. | Predeterminado— |
Campoframe_images | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 1 Número máximo de elementos: 2 Contenido de entrada: Lista de objetos de fotograma. Cada uno contiene type=image_url, image_url con url y frame_type=first_frame o last_frame. Cada función aparece como máximo una vez. Usa URL HTTPS públicas. Claves exactas: type, image_url, frame_type Condiciones: Estas claves se aplican a cada objeto de fotograma. Omite frame_images para una solicitud que solo contenga texto. | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Contenido de entrada: Lista de objetos de referencia de imagen o audio. Establece type en image_url o audio_url y proporciona el objeto URL correspondiente que contiene url. Las referencias de vídeo siguen sin poder valorarse. Condiciones: Omite frame_images para usar el modo de referencias. Usa URL HTTPS públicas. | Predeterminado— |
Camposize | Tipostring | RequisitoOpcional | Valores y límites 480x480, 480x640, 480x854, 640x480, 854x480, 1120x480, 720x720, 720x960, 720x1280, 720x1680, 960x720, 1280x720, 1680x720, 1080x1080, 1080x1440, 1080x1920, 1440x1080, 1920x1080, 2520x1080, 3840x2160, 2160x3840, 2160x2160, 2880x2160, 2160x2880, 5040x2160 Patrón: ^[1-9][0-9]*x[1-9][0-9]*$ | Predeterminado— |
Camposeed | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: -9.223.372.036.854.775.808 Máximo: 9.223.372.036.854.775.807 | Predeterminado— |
Campocallback_url | Tipostring | RequisitoOpcional | Valores y límites Patrón: ^https:// | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotrace | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Texto a vídeo · Una instrucción escrita. · Obligatorio: model, prompt, duration
Proporciona una instrucción de texto y una duración compatible en segundos enteros. Usa un tamaño exacto de los enumerados, o una resolución y una relación de aspecto que se correspondan con las dimensiones enumeradas.
model: Tipo: string · bytedance/seedance-2.0
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
Imagen a vídeo · Una instrucción escrita y una imagen de fotograma. · Obligatorio: model, prompt, duration, frame_images
frame_images es una lista de objetos con type=image_url, image_url que contiene url y frame_type. Usa una URL HTTPS pública de imagen; first_frame y last_frame pueden aparecer una vez cada uno. Usa un tamaño de salida enumerado o unas dimensiones compatibles. No añadas referencias de vídeo.
Claves exactas: type, image_url, frame_type
model: Tipo: string · bytedance/seedance-2.0
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
Reference to video · Una instrucción escrita y referencias de imagen o audio. · Obligatorio: model, prompt, duration, input_references
input_references es una lista. Cada objeto tiene type=image_url o type=audio_url y un objeto URL correspondiente que contiene url. Usa enlaces HTTPS públicos. Omite frame_images para seleccionar el modo de referencias. Las referencias de vídeo no pueden valorarse.
model: Tipo: string · bytedance/seedance-2.0
prompt: Tipo: string · Máximo de bytes UTF-8: 10.000 · Se requiere contenido distinto de espacios en blanco: Sí
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt, duration |
Parámetromaterial_types | Contratotext, image, audio |
Parámetroadditional_properties | Contratofalse |
Parámetrooptional_controls | Contratoresolution, aspect_ratio, generate_audio, frame_images, input_references, size, seed, callback_url, session_id, trace, user |
Ciclo de vida: submit_once_poll_original
GET /v1/videos/{public_id}
GET /v1/videos/{public_id}/content
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Condiciones de facturación | Cargo |
|---|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Condiciones de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónNo se declara ninguna condición adicional en esta clave de precios. | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.014 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónresolution: 1080p | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.0154 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónentrada: with_video_input; resolución: 1080p | Cargo reference · Precio por token de vídeo · Estimación solo para comparar $0.0094 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónresolution: 4k | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.008 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónentrada: with_video_input; resolución: 4k | Cargo reference · Precio por token de vídeo · Estimación solo para comparar $0.0048 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónentrada: with_video_input | Cargo reference · Precio por token de vídeo · Estimación solo para comparar $0.0086 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor 1K tokens de vídeo | Condiciones de facturaciónsonido: without_audio | Cargo Salida · Precio por token de vídeo · Estimación solo para comparar $0.014 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Condiciones de facturación— | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.3024 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónNo se declara ninguna condición adicional en esta clave de precios. | Cargo Salida · Precio por token de vídeo $0.014 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónresolution: 4k | Cargo Salida · Precio por token de vídeo $0.008 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónresolution: 1080p | Cargo Salida · Precio por token de vídeo $0.0154 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónsonido: without_audio | Cargo Salida · Precio por token de vídeo $0.014 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónentrada: with_video_input | Cargo reference · Precio por token de vídeo $0.0086 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónentrada: with_video_input; resolución: 4k | Cargo reference · Precio por token de vídeo $0.0048 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
| ConfiguraciónPrecio por token de vídeo | Condiciones de facturaciónentrada: with_video_input; resolución: 1080p | Cargo reference · Precio por token de vídeo $0.0094 por 1K tokens de vídeo La tarifa por token de vídeo es la referencia principal de precios. Las estimaciones destacadas por segundo son referencias separadas, no un cargo adicional. |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nfrom pathlib import Path\nPath('request.json').write_text('{"model":"bytedance/seedance-2.0","prompt":"A serene mountain landscape at sunset","duration":4,"resolution":"480p","size":"480x480","generate_audio":false}', encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/videos \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nURL firmadas de contenido bajo tu titularidad
GET /v1/videos/{public_id}GET /v1/videos/{public_id}/contentset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_STATUS_URL'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nr=json.loads(Path('result.json').read_text())\nif not isinstance(r.get('id'),str) or not r['id']:raise SystemExit('Keep the original response and headers for reconciliation; no returned ID')\nPath('status-url.txt').write_text('https://api.ailoot.ai/v1/videos/'+quote(r['id'],safe=''))\nPY_STATUS_URL\ncurl --fail-with-body --silent --show-error "$(cat status-url.txt)" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -D status-headers.txt -o status.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('status.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_ASSETS'\nimport json,os,subprocess\nfrom pathlib import Path\nfrom urllib.parse import urljoin,urlsplit\nr=json.loads(Path('status.json').read_text())\nif r.get('status')!='completed':raise SystemExit('Keep the original ID and read its status; never recreate an unknown job')\nif not isinstance(r.get('data'),list) or not r['data']:raise SystemExit('Keep the complete original status; no completed outputs supplied')\nurls=[]\nfor i,u in enumerate(r.get('data',[])):\n if not isinstance(u,str):raise SystemExit('Keep the original response; unexpected asset shape')\n urls.append((str(i),u))\nfor label,path in urls:\n u=urljoin('https://api.ailoot.ai',path);z=urlsplit(u)\n if z.scheme!='https' or z.netloc!='api.ailoot.ai' or z.username or z.password:raise SystemExit('Use the actual returned Ailoot owned content URL')\n target=Path('owned-'+label+'.bin')\n subprocess.run(['curl','--fail-with-body','--silent','--show-error',u,'-H','Authorization: Bearer '+os.environ['AILOOT_API_KEY'],'-D',str(target)+'.headers','-o',str(target)],check=True)\nprint('All returned owned URLs saved; complete metadata, timing and usage remain in the JSON.')\nPY_ASSETS\nGuarda todos los vídeos completados o archivos recibidos; descarga cada URL de archivo que se haya devuelto.
Conserva todos los resultados reales bajo tu titularidad y los metadatos medidos que se devuelvan.
503 result_pending_check + originalid + X-Should-Retry:false; no repitas nunca la operación original
| Campo | Tipo | Significado |
|---|---|---|
Campoindex | Tipointeger | SignificadoPosición de este vídeo en la lista de resultados, empezando por cero. |
Campocontent_url | Tipostring | SignificadoURL HTTPS firmada de descarga de este vídeo completado. |
Camposha256 | Tipostring | null | SignificadoHuella SHA-256 de los bytes del vídeo original; null si no está disponible. |
Camposize_bytes | Tipointeger | null | SignificadoTamaño del archivo de vídeo original en bytes; null si no está disponible. |
Campoduration_ms | Tipointeger | null | SignificadoDuración medida del vídeo en milisegundos; null si no está disponible. |
Campowidth | Tipointeger | null | SignificadoAnchura del vídeo en píxeles; null si no está disponible. |
Campoheight | Tipointeger | null | SignificadoAltura del vídeo en píxeles; null si no está disponible. |
Campovideo_codec | Tipostring | null | SignificadoIdentificador del códec de vídeo; null si no se ha registrado. |
Campohas_audio | Tipoboolean | null | SignificadoIndica si el vídeo contiene una pista de audio; null si no se ha medido. |
Campoaudio_codec | Tipostring | null | SignificadoIdentificador del códec de audio; null cuando no se ha registrado ninguno. |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta404 · not_found_error | CondiciónEl acceso al vídeo no está disponible o no se ha encontrado este ID de vídeo. | Siguiente pasoComprueba el acceso al vídeo. Para un vídeo existente, usa su ID público original y la misma clave API. |
Respuesta401 · authentication_error | CondiciónLa clave API no corresponde a la cuenta autenticada. | Siguiente pasoComprueba tu clave API y el acceso de tu cuenta antes de enviar la solicitud. |
Respuesta400 · invalid_request_error | CondiciónNo se ha podido leer la solicitud o el índice de descarga no es válido. | Siguiente pasoCorrige el cuerpo de la solicitud. Para una descarga, elige un índice de salida devuelto por la tarea original. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el precio de la configuración de vídeo seleccionada. | Siguiente pasoElige una configuración de vídeo compatible y completa sus opciones obligatorias antes de enviar una solicitud corregida. |
Respuesta422 · invalid_request_error | CondiciónUna entrada de vídeo o la tarea original de continuación no es válida. | Siguiente pasoUsa entradas HTTPS válidas. Para continuar, usa el ID público de tu vídeo original completado con la misma clave API. |
Respuesta402 · billing_error | CondiciónEl saldo disponible o los límites no permiten efectuar una reserva. | Siguiente pasoComprueba tu saldo disponible y tus límites antes de enviar una nueva solicitud. |
Respuesta503 · server_error | CondiciónLa verificación del vídeo, el almacenamiento o el acceso al servicio no están disponibles temporalmente. | Siguiente pasoEspera a que el servicio esté disponible. Si ya tienes un ID de vídeo, comprueba esa tarea original en lugar de crear otra generación. |
Respuesta503 · result_pending_check | CondiciónEs necesario comprobar el resultado del vídeo original y el cargo. | Siguiente pasoConserva el ID de vídeo devuelto y comprueba esa tarea. No envíes una solicitud de generación sustitutiva mientras se esté comprobando. |
Respuesta503 · owned_result_unavailable | CondiciónLa descarga del vídeo existente no está disponible temporalmente. | Siguiente pasoComprueba más tarde la misma tarea de vídeo y descarga su resultado existente. Una nueva generación crea una operación independiente. |
Respuesta409 · video_not_ready | CondiciónEl contenido del vídeo no se ha publicado. | Siguiente pasoComprueba el estado de la tarea original. Descarga cuando indique completed; si indica failed, sigue su aviso de comprobación del cargo. |
Ailoot Ultra bytedance/seedance-2.0
Usa las rutas de método indicadas arriba.