本文介绍 Doubao Seedance 2.5（下文简称 Seedance 2.5）模型的提示词（Prompt）使用方法和相关技巧，帮助您更高效地利用该模型生成符合需求的优质视频作品。 # 获取 Skill 强烈推荐使用 Seedance 2.5 skill 对您的提示词进行调优。 1. 在本地项目中通过 NPX 安装： ```Bash npx --yes skills@latest add \ "https://arkdocs.tos-cn-beijing.volces.com/skills/" \ --skill sd25-pe \ --yes ``` 2. 使用方式：在 AI 对话框输入 `/sd25-pe + 你的提示词内容`，开始调试提示词。 # 总体介绍 Seedance 2.5 模型支持单段 **30 秒视频直出** ，单次可输入图像/音频/视频 **最多 50 个参考素材** ，具备更强的指令控制，专业级可控的 **视频编辑与延长** 能力；同时，原生支持生成 **10 余种语言** ，保障专业级叙事在全球化场景中稳定落地，让视频生成迈入「 **长叙事 × 强参考 × 准编辑 × 多语言** 」的工业级新阶段。模型创作能力持续深化，画面 **真实感** 显著增强，在 **光影表现** 、 **表演理解与执行** 、 **镜头运动** 上都更 **接近真实拍摄** ，成片质感与叙事可信度大幅提升，为专业创作者与企业客户提供更高效、更可控的视频生产能力。 ## 多模态典型能力清单 > Seedance 2.5 支持文本、图片、视频和音频等多模态输入的灵活组合。下表仅列举部分典型能力，更多使用方式可根据实际场景进行探索。 |**任务类型** |**Seedance 2.5 支持的 R2V 能力/任务** |**能力细化说明** | |---|---|---| |**参考生视频** |**主体参考** \- 参考人/物/场景/虚拟角色等主体的外观 ID/声音 |* 主体图参考

* 主体音视频参考

* 主体图+主体音色音频参考 | ||**运动参考** \- 参考图/视频的运动/动态信息 |* 动作/表情/运镜/创意/特效等运动参考

* 运动+主体参考 | ||**白模参考/渲染** \- 输入粗粒度或者细粒度白模视频参考其动态信息、进行渲染 |* 白模参考

* 白模参考+主体参考

* 白模参考+主体参考+场景参考 | ||**风格参考** \- 参考图/视频的风格 |* 风格图/视频参考

* 风格图/视频参考+主体参考 | ||**音频参考** \- 参考音频的音乐/台词/音色等声音信息 |* 音频（音乐/旋律/台词/音色）参考

* 音频+主体参考 | ||**宫格分镜/故事板参考** \- 参考分镜图的主体/构图/动作/剧情等信息 |* 多宫格分镜参考

* 分镜+主体参考 | ||**关键帧参考** \- 输入单/多个图作为关键帧生成视频 |* 关键帧分镜参考生视频

* 首帧/首尾帧参考生视频 | |**首尾帧生视频** |**首帧/首尾帧生视频** \- 输入首帧一张图/首尾帧两张图生成视频 |严格通过 `content.role = first_frame/last_frame` 来控制 | |**编辑视频** |**视频指令编辑** \- 通过文本对视频画面进行增删改编辑，支持输入时间戳指定编辑生效时段 |* 增加：增加主体/服饰/运镜/特效/...

* 修改：修改主体/主体局部/风格/背景/颜色/材质/运镜/机位/...

* 删除：删除主体/字幕/水印/... | ||**视频参考图编辑** \- 通过文本+参考图对视频画面进行增删改编辑，支持输入时间戳指定编辑生效时段 || ||**视频音频编辑** \- 对视频声音进行增删改 |* 增加：增加人声/音乐/音效/...

* 修改：修改人声/音乐/音效/...

* 删除：删除人声/音乐/音效/... | |**延长视频** |**视频延长** \- 向前/向后延续输入的视频，可要求画面/音频无缝衔接 |* 向前延长/向后延长

* 向前/向后延长+主体参考 | |**其他** |**一键成片** \- 输入多个图/视频生成短片，可添加文字/贴纸/转场/等 |* 素材一键成片

* 素材+参考视频一键成片 | ||**视频无缝转场** \- 输入两段视频，模型生成补全间隙实现无缝转场 |\- | ||**组合能力** \- 上述提及能力的自由组合应用 |\- | ## 任务使用说明 Seedance 2.5 从传入素材最终是否会锁定输出视频的属性，把任务区分为两类（Seedance 2.0 没有这个区分）： * 有锁定：素材会严格成为输出视频时间轴上的一段，是模型输出去适应传入的素材，因此会锁定输出视频的宽高比、甚至时长。 * 无锁定：仅对素材进行语义上的参考，因此用户可以指定输出视频的宽高/时长属性。 ### 有锁定：编辑/首尾帧/延长编辑/首尾帧/延长会根据输入素材自动锁定部分生成参数，不支持用户自定义。具体规则如下： |**任务类型** |任务详细定义 |对输出视频锁定的说明 |任务触发条件 | |---|---|---|---| |**视频编辑** |对原视频的画面或音频进行编辑操作（如替换视频主体、视频中对象增删改、局部画面重绘/修复等） |* **锁定输出视频的宽高比** ，严格对齐用户待编辑视频的宽高比；参数 `ratio` 必须等于 `adaptive`

* **锁定输出视频的时长** ，*基本对齐*用户待编辑视频的时长，参数 `duration` 必须为 **\-1**

> 存在多个输入视频时，由模型根据提示词意图判定待编辑视频。

> 受模型输入帧处理机制影响，输出视频时长可能与输入存在轻微差异（最大约 0.3 秒），但只是部分过渡帧被压缩，输出视频内容*基本对齐*输入、保持完整/不变。

> 如果使用 Seedance 2.5 生成的视频作为编辑输入，输出时长不会有差距。

* 建议 **output_format** 使用 mov 格式 |1. 参数 `content.role` 需设置为 `reference_image` / `reference_video` / `reference_audio`

2. **提示词触发关键词，包含其一即可：** 编辑视频、增加/加上、删除/去掉、修改/替换/改成

> @video1 中加一些小动物；把 @video1 的人物修改为 @image1；删掉 @video1 的背景音乐 | |**首帧/首尾帧** |输入 1 张图作为首帧生成视频，或输入 2 张图分别作为首帧和尾帧生成视频 |* **锁定输出视频的宽高比** ，严格对齐用户输入的首帧图；参数 `ratio` 必须等于 `adaptive`

> 如果输入尾帧与首帧画幅不一致，尾帧会被拉伸，因此建议输入画幅一致的首帧和尾帧

* 时长，支持用户自定义 |参数 `content.role` 需设置为 `first_frame` / `last_frame` | |**视频延长** |对原视频进行向前/向后延长 |* **锁定输出视频的宽高比** ，严格对齐用户待延长视频的宽高比；参数 `ratio` 必须等于 `adaptive`

> 存在多个输入视频时，由模型根据提示词意图判定待延长视频

* 时长，支持用户自定义

* 建议 **output_format** 使用 mov 格式 |1. 参数 `content.role` 需设置为 `reference_image` / `reference_video` / `reference_audio`

2. **提示词触发关键词，包含其一即可：** 向前/向后延长、延续、续写

> 向后延长 @video1，@image1 的角色从天而降...；续写 @video1 前 5s，@video2 女人入画说... | ### 无锁定：参考任务/多宫格分镜/关键帧参考类任务对于输出视频的宽高比和时长没有来自输入素材的锁定，特别注意以下两类任务也是没有锁定的： |**R2V 能力** |推理策略说明 | |---|---| |**多宫格分镜/故事板** |* **生成画面不是严格对齐分镜图：** 输入多宫格分镜图（即多个分镜合并在一张图），生成视频画面不会严格对齐分镜图（比如分镜中具体的画面细节），分镜图主要提供大致的剧情参考

* **推荐使用相对简约的线稿分镜图** ，并通过 prompt 补齐分镜图中没有的信息（如动作、运镜和风格等基础信息） | |**关键帧** |* **生成画面对齐关键帧：** 将多张独立的分镜图（可能包含首/尾帧分镜图）作为关键帧输入，生成视频画面相对严格对齐输入图

* 时长，支持用户自定义 | ## 素材输入建议 Seedance 2.5 单次可输入图像/音频/视频 **最多 50 个参考素材** ，这些素材可能指向的是同一个或者不同的主体（人物、动物、道具、场所等）。为了充分激发模型的能力，对素材的输入有以下建议： |**场景** |**输入建议** | |---|---| |输入素材总上限 |* 图片：最多 30 张 4K 分辨率以内的图片

* 视频：最多 10 段视频，所有视频总时长不超过 30s

* 音频：最多 10 段音频，所有音频总时长不超过 30s | |主体音视频，建议输入多少个主体 |1\-5 主体效果较好；更多可尝试 6\-10 主体，但稳定性下降、可能需要抽卡 | |主体音视频，建议输入多长时间 |5\-10s 时长效果较好；更长时长稳定性下降、可能需要抽卡 | |主体图，建议输入多少个主体 |1\-8 主体效果较好；更多可尝试 9\-12 主体，但稳定性下降、可能需要抽卡 | |不同视角主体图的输入效果差异 |* 1\-5 主体，「单视图」「多视图」均可

* 超过 5 主体，「单视图」效果较稳定；如需输入多视角，建议拆分为多张不同视图输入，而非输入一张包含多视角的图 | |宫格图参考，建议输入多少个分镜 |* 多宫格目前更适用于 15 个以下分镜

* 推荐火柴人/线稿分镜，不推荐在分镜图上写过多文字 | |白模参考，建议粗粒度还是细粒度 |简单建模（粗粒度）参考效果较好，建议仅用简单几何体拼接表示人物/物体/动物等 | |视频编辑，建议输入多长的视频 |20s 以内效果较好；更长时长稳定性下降、可能需要抽卡 | |视频参考图编辑，建议输入多少张图 |1\-5 张参考图效果较好；更多可尝试 6\-8 张，但稳定性下降、可能需要抽卡 | |视频延长，建议的格式 |为获得最佳的声画衔接效果，输入视频、输出视频均采用 mov 格式 | ## 提示词写作建议 > 把 Seedance 2.5 当作一个视觉内容生产者，用导演的思维书写 [ 结构化 Prompt ]。 > 如需了解不同任务类型的详细提示词模板，请阅读 [Seedance 2.5 提示词模板](https://bytedance.larkoffice.com/docx/OsiUdR1OxoDqvnxsK8LczYx7nPd) ### 基础写作 **`（R2V）素材指代`** 明确每个图/视频/音频的编号（按照上传顺序）与用途（谁是形象、谁是音色、谁是动作、谁是场景...）。 **`一句话概述`** 主体 + 地点 + 事件 + 题材/风格 + 特殊运镜... **`具体情节描述`** 镜头顺序/时间轴（均可）：用时间戳或「镜头 N」切分，逐段描述画面具体内容、运镜、动作、台词、音效等，尽量使用正向描述。反向描述支持：字幕、音频控制，比如「不要字幕」、「不要 bgm」。 **`结尾`** 补充说明一些贯穿始终的画面细节，比如机位/运镜，环境/场景，声音，氛围等。 ```Plain 写实自然纪录片风格，电影级真实光影，温暖的午后, 在森林草坡上, 一只圆滚滚的熊猫幼崽从坡上滚下来. 熊猫黑白毛发蓬松真实，体型小而胖，动作笨拙可爱。场景为绿色森林斜坡，地面覆盖青草、苔藓、三叶草、泥土、小石块、枯枝和少量小黄花，虚化背景中有高大树干与树林。镜头为低机位中远景，轻微手持感，整体基本固定，始终保持熊猫在画面中。 0s-3s：一只熊猫幼崽趴在绿色草坡上，身体圆滚滚, 它刚开始顺着斜坡慢慢侧滚，动作笨拙，草叶被身体轻轻压弯。微风拂过, 阳光从左上方穿过树林，形成斑驳光影。 3s-8s：熊猫滚到画面右下方，动作逐渐停止，从侧躺变成趴卧。它的圆脸朝向镜头，前爪压在草地上，熊猫趴在前景草丛中，身体调整到舒服的姿势，头部小幅抬起又放低, 发出轻微哼唧声。低机位，轻微手持感，轻微跟随熊猫向右下方移动。景深自然，前景草叶轻微虚化，熊猫主体清晰，背景树林柔和虚化。自然环境音，风声、熊猫滚动时轻微柔软的扑通声, 整体温暖、真实、自然。 ```

#### 参考类（多素材映射）参考素材变多后， **素材的映射和指代关系说明非常重要** 。按照上传素材的顺序对应编号（图 1 / 视频 1 / 音频 1），每个素材进行文本绑定， **不建议只在图片里呈现映射信息** ，比如主角图片上写「张三」，然后 Prompt 中直接写「张三在学校里 xxxx」，容易导致多人混淆或重复角色。 * 多主体逐一列清映射关系，人数多时用清单罗列，避免混淆。 * 示例 1： *「图 1 的侠客」* * 示例 2： *「img1\-2 是人物 1，对应音频 1；img3\-4 是人物 2，对应音频 2」* * 示例 3： *「图片 1 是主角张三，图片 1 使用音频 1 音色」* * 分工要具体到「参考什么」，如果是部分参考，要写明「参考哪一部分」。 * 示例 1： *「参考视频 1 中施法的动作，视频 2 的环绕式运镜」* * 示例 2： *「参考图片 1 的光影和滤镜」* * 当参考素材本身已足够精准时，建议只做「指代」、减少画面复述。 * 示例： *「严格参考视频 1 的动作与运镜，顺序与视频保持一致」* （不需要在 prompt 中写「先抬手、再转身、镜头缓慢环绕……」等等具体细节，*不必额外描述*） #### 编辑类明确需要修改的范围和内容，可以配合时间戳进行部分编辑，尽可能说明修改内容从 A\-\>B 的过程。 * 示例 1： *「仅编辑视频 1 中男人的台词，修改为「你不要过来啊」，口音调整为东北口音…」* * 示例 2： *「把视频 1 中 4\-6 秒男人喝咖啡的动作改变为拖地，其余内容不要变化」* * 示例 3： *「编辑任务：把视频 1 中右侧的亚洲女生改为图片 1 中的黑人女生」* #### 首尾帧 * 优先使用参数设置图片的role为：first_frame/last_frame; 注意此方式会锁定输出视频的宽高比，严格对齐用户输入视频的首帧图。 * 也支持设置 role 为 reference_image，在 prompt 中指定具体图片为首帧&尾帧。注意此方式不会锁定输出视频的宽高比，视频效果与首帧&尾帧参考图相近，但不完全匹配。 * 示例 1： *「图片 1 为首帧」* * 示例 2： *「图片 3 为首帧，图片 5 为尾帧」* #### 时间戳时间戳可以更好地理清故事剧情发展，以「1 秒」为单位： * 指定时间段内剧情如果较少，模型会进行一定自由发挥。 * 指定时间段内容过多，则会导致过度剪切或剧情遗漏，请注意时长安排的合理性。 * 不建议用时间戳控制频率/频次，比如「一秒摇头 3 次」。支持的时间控制方式： * 明确的时间区间 [注意时间轴的连续性，避免出现「0\-3 秒...5\-6 秒...」表达]。 * 示例 1： *「0\-3 秒......3\-7 秒.....7\-15 秒」* * 示例 2： *「[1s\-4s]....[4s\-8s]....[8s\-12s]」* * 时间点控制。 * 示例 1： *「第 5s 快速向左横移转场」* * 示例 2： *「第 2 秒一道金雷能量自画面顶部破空直落...」* * 相对时间控制。 * 示例 1： *「张三呆滞的站在原地，3 秒后周围的人纷纷摇头」* * 示例 2： *「....主角按下快门后画面定格 1 秒」* #### 负向控制 * 支持负向控制字幕。 * 示例 1： *「不额外加入对白字幕」* * 示例 2： *「不要字幕」* * 支持负向控制音频：支持更细维度的单独控制：音效、背景音乐（bgm）、对白。 * 示例 1： *「无 bgm，只生成环境音和动作音」* * 示例 2： *「不要任何声音」* ### 进阶写作 #### 镜头语言 * 基础的通识性内容可以直接写，比如景别（大全景/全景/中景/近景/特写）、运镜（推/拉/摇/移/跟/环绕/俯冲/后拉/上摇/手持晃动）、机位（低角度/俯视/第一人称）。 * 热门的运镜方式可以直接写，比如一镜到底、希区柯克变焦、航拍视角、FPV、子弹时间、手持镜头、回弹变速等。 * 过于小众、专业的名词需要转换为 [名词 + 描述性解释]。 * 示例： *「移焦，画面焦点发生平滑转变，原本在前景清晰的树木变模糊，背景中的人物由模糊逐渐变得清晰。」* * 转场镜头写清触发点与方式，尽可能把转场时间、方式都写明。 * 示例： *「第 5s 快速向左横移转场（向左擦除+自然叠化）」* #### 动作/表情描述 * **动作** ：优先用概括性描述（如「连续做了几组高抬腿和空翻」「双方展开近身搏斗」），只在少数有记忆点的动作上写出具体细节，不建议重复写相同的动作。 * **表情** ：建议写描述性语句，减少成语使用，比如「津津有味地吃饭」写为「脸上带着满足的笑容，大口地吃饭」。 #### 白模参考/渲染 * 文本中写明希望参考白模视频中的什么元素。 * 示例 1：白模中没有光影变化，只希望参考运镜和运动 → *「参考 [视频 1] 的运镜、动作...」* * 示例 2：白模有光影变化且需要参考 → *「参考 [视频 1] 的光影变化和...」* * 如果叠加输入了参考图，需写明参考图和白模的对应关系。 * 示例： *「将 [图片 1] 中穿灰色衣服的男人对应 [视频 1] 中的红色模型、[视频 2] 中的红发少女替换 [视频 1] 中的绿色模型 2」* * 输入了白模视频，也 **建议在 Prompt 中详细描述希望生成的视频内容** ，以获得更好的效果，并且注意文本描述需要和白模内容相吻合；对于没有叠加参考图/视频的白模主体，详细描述主体外表/特征效果更佳。 #### 多宫格分镜/故事板 * **减少超多分镜输入** ：多宫格目前更适用于 **15 个以下分镜** ，单次输入过多（比如 18 宫格）容易出现静止、顺序错乱等问题，同时分镜图会限制模型发挥，请确保分镜准确、合理。 * **避免脏/锐化的分镜图** ：不推荐过度锐化、杂乱的 AI 直出分镜图；不推荐在分镜图上写过多文字。多宫格分镜 badcase 示例： ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_009_XAnedIcrLoYcTOxTbvccxrKznfh.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_010_P4uodRd1VoGtlKxa3rccsEHonTd.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_011_FLdHd8tNgoJaW2x2woccLQ67nnc.png) * **prompt 避免前后矛盾** ：注意避免 prompt 前后矛盾或运镜、运动设计不合理等问题。 * **宫格图并不会严格对齐分镜内容** ，视频会有一定自主性发挥，如需严格按照分镜图生成时，推荐使用多关键帧参考方式。 * **火柴人/线稿分镜使用 [推荐]** ：推荐使用相对简约的线稿分镜图，并通过 prompt 进行指令控制： * step1：写明参考素材的指代关系 * step2：写整体故事梗概 * step3：按照分镜完整描述情节内容，至少补齐分镜图中没有的信息，可以考虑组合时间戳明确剧情逻辑线稿分镜案例： ```Plain 素材绑定：故事板分镜@图片1，卧室@图片2，李天@图片3，李倩@图片4，《快快乐乐》书籍@图片5。镜头一：【全景固定镜头，平视三分构图】冬夜落雪房间，落地窗前，男子双手插裤兜侧立望向窗外飞雪，少女站在身侧静静看向男子，氛围安静克制，雪花持续落在玻璃窗。镜头二：【中景过肩镜头】少女后背作为前景，男子转头温和看向少女，少女微微低头沉默，窗外落雪持续。镜头三：【中近景，对角线构图】男子捧着书籍《快快乐乐》缓缓递出，少女抬手接过书本。镜头四：【少女面部近景，中心构图】少女把书本抱紧在胸口，眼眶泛红，泪珠缓缓滑落，神色感伤。镜头五：【男子面部近景，斜向构图】男子温柔浅笑，静静注视落泪少女，眼底带着怅然。镜头六：【全景固定镜头】少女转身缓步走出画面，窗前只剩男子独自伫立，双手插兜望向漫天风雪，房间空旷寂静。 ``` ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_012_HOJNdQNXEoEsjox9uTtcCVP3nFc.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_013_A8ZfdshHnorwKHxxn9vcJZ36n5P.png) * **概念分镜使用** ：如果分镜是概念分镜或关键帧设计，可以直接简写 prompt。 * 示例： *「按照分镜图的顺序，构建一个完整的故事剧情，运镜合理连贯」* ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_014_To54dlVwsoe0grxwLOxcoOKWnbG.png) #### 关键帧参考视频需要严格按照分镜图生成时使用，关键帧参考就是将分镜按照独立参考输入，并按照顺序传入，prompt 需要在第一句写明「以图片 x 至图片 x 的顺序作为关键帧」。 * 示例：「 **以图片 1 至图片 7 的顺序作为关键帧** ，在云海群山间，蓝粉长尾灵鱼凌空遨游，镜头缓缓推向依山而建的古镇，聚焦山顶古塔；画面一转进入雅致中式厅堂，灵鱼穿窗飞入，落入厅堂中央圆池悠然游动；最终视角切至幽暗古寺，白须老僧背对而立，静静凝望巨幅画框，画内正是厅堂与池中灵鱼，新国风浮世绘插画风格」 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_015_LmUsdFzCfoUVGsx1uoXcS51TnUg.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_016_O6GfdOchEokX1WxachycYQO6n2c.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_017_VaV5dOFvGouMVhxrL75cZ8DLncb.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_018_RX5ydLzxmonwNrx0u8CcZ1GLnDg.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_019_KO88dDOFsoPElXxQd6tcoUdXnKf.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_020_V606dSWxgoGbp0x0brxcIgBsnic.png) ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_021_Z5mBdYZqGoVRYpxMcA4c4whvnVa.png) ### 与 Seedance 2.0 的差异点 1. 响应时间戳：Seedance 2.0 不响应时间戳只响应镜头序号，而 Seedance 2.5 响应整数秒的时间戳。 2. 支持多视图：Seedance 2.0 不建议使用多视图作为主体参考，而 Seedance 2.5 是可以支持的。 3. 自由宽高比：Seedance 2.0 的输出宽高比只有固定的 6 档，Seedance 2.5 可以通过控制输入素材的方式支持 [0.4, 2.5] 之间的任意宽高比输出。 4. 提升 V2V 的画质：Seedance 2.5 的输出支持 MOV 格式，在延长/编辑任务中更好地保持颜色与亮度一致性、声画一致性。 # 提示词案例 ## 参考生视频主体/运动/音频/风格参考的使用方式与 Seedance 2.0 一致，可以参考 [附录：提示词案例](https://docs.volcengine.com/docs/82379/2222480#ff5fb3e6)，下文介绍 Seedance 2.5 新增的参考能力。 ### 白模参考/渲染 #### 粗粒度白模 * 支持输入含有 **运动、运镜、动线和光照** 等动态/时序信息的白模视频进行渲染；还支持叠加输入 **主体、场景和道具** 等参考图控制渲染效果。 * 当前版本对于简单建模的参考效果较好，建议仅用 **简单几何体** 拼接表示人物/物体/动物等。

说明

白模视频主体建议仅保留躯体，避免包含【四肢/翅膀】等涉及精细运动的元素；如已包含，需补全其动作序列，以防止渲染结果出现四肢僵化。

白模类型：含切镜/运镜/光照 **输入：文本** prompt：以白模参考视频 `` 作为整支视频唯一的运镜、镜头节奏、景别变化、主体运动轨迹和镜头调度参考，严格保持白模视频的镜头顺序、机位变化、运动方式和节奏，不改变镜头结构，不新增镜头，不改变主体运动逻辑。结合各阶段关键帧参考图，生成一部 30 秒电影级 3D 动画短片，整体风格梦幻、童话、温暖，具有儿童幻想色彩，角色外形与各阶段的关键帧保持一致，不要改变角色形象，人物表情情绪随场景变化而改变。 * 0\-3s（首帧参考 `<2pic>`）镜头由全景俯视缓缓推向地上的小女孩，小女孩坐在房间的地毯上玩飞机，小女孩起身左转，右手使劲一挥将手里的飞机放飞。 * 3\-5s（参考 `<3pic>`）飞机从左至右穿过房间悬挂的星星挂件，小女孩乘坐飞机进入幻想的天空。 * 5\-8s（参考 `<4pic>`）镜头继续侧跟，以小女孩为中心的环绕。 * 8\-10s（参考 `<5pic>`）镜头环绕到小女孩驾驶的飞机背面、飞机开始缓缓俯冲海面。 * 10\-19s（参考 `<6pic>`、参考 `<7pic>`）小女孩继续向海底游去，一条鳐鱼游过来入画。 * 19\-23s（参考 `<8pic>`）小女孩从时空裂缝冲出来到幻想宇宙。 * 23\-24s（参考 `<9pic>`）前景小女孩和星球开始前翻转并，逐渐幻化消失。 * 24\-28s（参考 `<9pic>`）俯视镜头持续推进，小女孩躺在地的毯上熟睡。 * 28\-30s（参考 `<10pic>`）镜头继续推进绘本，随后爸爸进入画面。整体要求：所有画面均参考对应关键帧，白模视频仅作为运镜、镜头运动和角色动画参考，不参考画面内容。最终输出 30 秒 16:9 横构图宽屏视频。 **输入：视频、图**

video1 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_022_AjpddkViSolsPfxJTv7c9uDEnCe.png) 2pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_023_KTDddO41Vod4W1xxY2icesjzn0f.png) 3pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_024_A8AcdIHcQolmt7xFxTTcAhHonsb.png) 4pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_025_FLzjd3zABo9HmqxDVEIcRwKZnLf.jpg) 5pic **输入：视频、图（续）** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_026_HFQid7k5AovyMhxXJcHcZc96nOc.png) 6pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_027_J6vWd5GW0oH8LYxYXhYceCvxnVj.png) 7pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_028_F0pkdLxQVok07Ax1Ge9cbDP5nxc.jpg) 8pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_029_Ol7PdZ0choM5KRxCNaZcJBrDn2g.png) 9pic ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_030_S0XidqVTDoTVw0xFaiIcsvY4nAe.png) 10pic **输出**

同步对比视频：

#### 细粒度白模 * 服务于建模完整，重点解决重渲染的场景，给「白模上色」获得更好更丰富的渲染效果。 * 尽量提供完整且清晰的细粒度白模视频， **不含【轨迹线】【坐标线】【相机 cone】等干扰信息** 的视频，否则容易泄露到生成后的视频中。 **输入：文本** 将视频 1 进行白模渲染，无 bgm，只生成环境音和动作音。渲染要求：背景为深蓝与紫色色调的夜晚赛博朋克都市，密集的摩天大楼，楼宇间是巨大的全息广告牌与霓虹灯光，数个飞行器在空中穿梭，闪着微弱的灯光，发出微弱的机械声响；人物为一个身着黑色夜行衣的小浣熊，身影为一道剪影，脚步小心翼翼；人物移动的地点是摩天大楼中的一栋楼的屋顶。 **输入：视频**

**输出**

**高难度白模预演**

> 复杂 3D 白模的结构与镜头调度逐帧承接，渲染出成片质感。 ### 多宫格分镜/故事板参考 **输入：文本** image1: 九宫格分镜参考，用于整体镜头结构、景别与运镜节奏。 image2: 火箭发射场黄昏草原实拍参考，用于环境构图、暖金夕照与冷暮蓝的写实彩色实拍质感基准。 image3: 主体 1 (守护机器人) 角色外观参考。 image4: 主体 2 (老奶奶) 角色外观参考。【主体设定】主体 1 (守护机器人): 参考 image3，近未来做旧复古机器人，做旧蓝绿色金属机身、斑驳锈蚀，圆顶头，两只发光的红色圆形机眼，细天线，细长关节四肢；体型高大，约为人类两倍高。主体 2 (老奶奶): 参考 image4，瘦小年迈女性，银发挽成低髻，皱纹深刻，身穿明黄金色及地长裙、缀金蓝刺绣胸襟，神情不舍；身高只及机器人胸口。环境 (黄昏草原・发射场): 参考 image2，近未来黄昏草原，暮色天空由暖金渐入冷蓝，远处地平线一座发射台矗立白色火箭、蒸汽升腾；及膝野草随风起伏，广袤空旷。【整体风格】真人实拍彩色电影正片，写实照片级质感，全程真实彩色画面；彩色 35mm 电影胶片质感，细腻真实胶片颗粒，浓郁饱满的电影级调色，IMAX 大画幅质感；手持摄影，呼吸感摇晃，浅景深大光圈，前景持续飘散的草叶、火星与灰烬，微微倾斜荷兰角，暖金夕照与冷暮蓝、爆炸暖橙强烈对撞，16:9 横屏。近未来温情灾难片氛围，静谧、悲壮、守护与不舍。【严格排除】黑白、单色、灰度、去色；手绘、素描、线稿、插画、漫画、动画；分镜稿 / 故事板、草图；移轴微缩、玩偶感、塑料 CG、油腻过曝 CG。【分镜头】(9 镜 ≈ 30s) 镜头 1 (0\-3s): 超远景低机位仰视，黄昏草原两人背影仰望远方火箭。台词 (机器人): "I'm right here. I won't let go." 镜头 2 (3\-6s): 正面中景手持，机器人搀扶老奶奶。镜头 3 (6\-10s): 面部特写，老奶奶眼含不舍。台词 (老奶奶): "Fly safe, my child. Come back to me." 镜头 4 (10\-14s): 超远景仰摇，火箭升空拖曳浓白烟迹。台词 (老奶奶): "There he goes... there he goes." 镜头 5 (14\-18s): 超远景，火箭在半空爆炸碎裂。台词 (老奶奶): "No... no, no—" 镜头 6 (18\-22s): 面部大特写，老奶奶瞳孔骤缩泪滑落。台词 (老奶奶): "...he was almost there." 镜头 7 (22\-25s): 特写转近景，老奶奶崩溃痛哭。台词 (老奶奶): "Bring him back! Please— bring him back!" 镜头 8 (25\-28s): 超低视角近乎垂直仰拍，机器人环抱老奶奶罩成保护穹顶。台词 (机器人): "Don't look up. I've got you." 镜头 9 (28\-30s): 超远景背影，两人紧紧相拥剪影。台词 (机器人): "I'm still here. I'll stay... as long as you need." **输入：图** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_031_GDwhdxBqTooHB9xSGIpcQNz2nDb.png) image1 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_032_RkIdd31hTo7VtBxs5ZacIQY4nhH.png) image2 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_033_SAkwdVijHoYqmzxxvtncFt9pnsg.png) image3 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_034_ZdDydqSsIoiTbbx0na3cTYLanPg.png) image4 **输出**

### 关键帧参考 **输入：文本** 根据 @图片1 \- @图片6 制作一镜到底的像素武侠主题竖版视频，背景音乐使用国风 8bit 武侠风格音乐。全片统一浅蓝底色，像素风格统一，画面干净通透。镜头 1：静止展示 @图片 1 的「江湖风云」水墨风格 logo，背景为统一浅蓝底色，画面保持约 1 秒静止。镜头 2：@图片 1 中的文字区域消失后，@图片 2 的武侠男性角色像素脸部特写从画面底部滑入；角色眨眨眼看向镜头，随后快速向下位移离场；角色离场后，原本 logo 处变为 @图片 3 的蓝色「武功秘籍」像素书。镜头 3：紧接 @图片 4，像素武侠小人角色从画面下方用力向上跃出，顶起上方的蓝色菱形问号标，问号标上方弹出深蓝色粗体字「今日闯江湖！」；角色落地后摆出 @图片 4 的站姿 pose，随后抬手打招呼，接着做出预备跑动作，转身向画面右侧奔跑（奔跑姿态参考 @图片 5），镜头跟随角色向右移动，角色从画面右侧跳出画面。镜头 4：@图片 6 的 UI 界面从画面右侧位移入画，像素武侠角色从画面右上角跳入，落在「三月廿七日」大字的右下方，张开双臂摆出热情展示的定格姿势，最终定格在该画面。整体像素武侠美术风格，色调统一浅蓝底，运镜连贯顺滑呈现一镜到底的连续位移与跟随，元素过渡自然、角色动作衔接流畅，画面无卡顿、无闪烁；文字与 UI 清晰稳定。 **输入：图** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_035_F1jNda7EvoU6s8xZOu6c3OW6ngg.png) 图片 1 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_036_N5M0du2QZoBTRTxltFYcmgnCnsb.png) 图片 2 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_037_F38XdqrFkokBhRxHyA0caAnCnmc.png) 图片 3 **输入：图（续）** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_038_Oj26dVH9Po2wSzxHmp2cGRjcnTf.png) 图片 4 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_039_NJ6rdj0RcoiL8ExidO7cWlLznvj.png) 图片 5 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_040_FKETdT9WroMFs6xgJa1cl4lWnEf.png) 图片 6 **输出**

## 编辑视频 ### 视频指令编辑通过 Prompt 对视频画面内容进行增删改等编辑操作。 **输入：文本** 保留 @视频 1 的构图、机位、光线与表演节奏，只改写画面里女主的样貌与神情：让她从二十多岁自然地老去到六十岁，眼神里的隐忍慢慢化开，泪光滑过眼角，嘴角一点点扬起，最后破涕为笑。全程一镜到底，不跳切、不闪烁，五官随年龄渐变而不漂移。 **输入：视频**

**输出**

### 视频参考图编辑通过 Prompt 对视频画面内容进行增删改等编辑操作，支持额外输入参考图引导编辑结果。 **输入：文本** 将两人武打素版视频 @视频 1 替换为冷兵器对决前的空手试探风。场景替换为中世纪石堡平台、古老庭院平地、山间堡垒外平台或简洁石砖决斗场，背景为古堡墙体、风、雾、远处山线，地面平整石质 @图片 1。视频中深色衣服的男子的服饰替换为 @图片 2，视频中浅色衣服的男子替换为 @图片 3。动作仍然保持不变，不改变原始节奏。 AI 特效仅做环境和质感强化：风吹衣摆、轻雾、接触点少量尘土、金属冷色反光质感、轻微颗粒和史诗感调色。整体风格为克制、真实、古典硬派决斗氛围。背景音乐卡点。 **输入：视频、图** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_041_TEd5dsNe8oQ8zAxxygRcgnqAnug.png) 图片 1 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_042_AEsxdxoL2oCC5CxHuvMcSnoLnab.png) 图片 2 **输入：视频、图（续）** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_043_Z0shdkGCbo0aTFxxJrfcN1h7n4d.png) 图片 3

视频 1 **输出**

### 视频音频编辑 **输入：文本** 将视频中的人声台词，翻译成中文，无字幕，口型做出对应的精准改变，其余均保持不变。 **输入：视频**

**输出**

## 其他 ### 视频延长延长任务，生成视频的音量较输入视频可能发生轻微变化；输入 Seedance 2.5 模型本身生成的视频做延长，音量变化相对较小，无缝衔接的效果更好。 **输入：文本** 在 @视频 1 的基础上续写 5 秒的视频，讲一只蜜蜂飞来落在画上，接着微距特写蜜蜂腿部和腹部沾满金黄色花粉颗粒，蜜蜂振翅起飞，镜头跟随它飞向另一朵同种花上，慢镜头中，花粉从蜜蜂绒毛上抖落，精准落入花蕊——授粉瞬间被放大。输出格式选择 MOV **输入：视频**

**输出**

拼接后的视频：

> 注意观察第 15s 附近，没有拼接痕迹 ### 一键成片 **输入：文本** 将所有图片进行一键成片，图片顺序自由安排，生成一个手绘动态涂鸦抠像风格的咖啡店 vlog，记录一只小狗穿着不同可爱服装在咖啡店打卡拍照的趣味日常。生成具有网感的趣味音频或者 bgm。图片可以微微动起来，live 图的效果，但不要改变原图，保持和原图的高度一致。 **输入：图** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_044_YmwkduFMtopY2zxd5WxcgISrnCd.jpg) 图片 1 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_045_JRY2dVlgMohjLWxPTsUcosBbneb.jpg) 图片 2 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_046_HJDQdOr6IoxSIdxqHItc1NvKn8t.jpg) 图片 3 **输入：图（续）** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_047_MEbKdxSqxoCRuSxcC5QcBOyrnWf.jpg) 图片 4 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_048_VhAtdRoM5osPffxjKuZcrpHInde.jpg) 图片 5 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_049_Rp2Sdg6OUosVCKxsnjMcGC3Anhh.jpg) 图片 6 **输入：图（续）** ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_050_ScYudGz7So5oHoxJp8Icsk94nRc.jpg) 图片 7 ![图片](https://arkdocs.tos-cn-beijing.volces.com/videos/video-generation/sd25-pe/img_051_MLVNdsa65oMMAYxdVouc7pysndb.jpg) 图片 8 **输出**

### 视频无缝转场 **输入：文本** 将【视频 1】和【视频 2】衔接起来，【视频 1】的视角急需飞行至顶端快速折返，视角垂直向下俯冲，然后无缝自然地衔接转场到【视频 2】，在镜头切换的过程中麻将牌慢慢变成高楼。整个场景也对应变化，同时不要改变上传的两个视频。 **输入：视频**

视频 1

视频 2 **输出**

# 总结 Seedance 2.0 已经完成了核心生成能力的明显突破，而 Seedance 2.5 是在此基础上面向真实生产场景做系统性补强：包括更长视频生成、更多素材参考、更稳定的编辑/续写能力，以及在画面宽高比、音画衔接、可控性和工作流适配上的优化。 Seedance 2.5 的价值不只是「单条视频效果更好」，而是让模型在可复用、可交付、可规模化生产这些关键环节上更进一步。它把 Seedance 从「效果惊艳的创作模型」，继续推进到更接近端到端工业化视频生产的阶段。

火山方舟