Seedance 2.0 Fast Reference to Video

Seedance 2.0 Fast Reference to Video 是字节跳动最先进的参考生成视频模型，提供极速体验，极大降低延迟同时保留极强的创作能力。它能将你的文本创意转化为完整视频——而其亮点在于极高的可控性。你可以输入参考图片、视频甚至音频，并用自然语言详细描述它们如何融合成完整片段。对艺术家、设计师、影视制作人和内容创作者等群体，Seedance 2.0 让你能精确掌控生成视频的风格、动作和声音，极富灵活性。

该模型支持输入类型非常丰富。你可以在文本提示基础上，最多添加9张参考图片（JPEG、PNG或WebP格式，每张最大30MB）、最多3段参考视频（MP4或MOV格式，合计2至15秒，每段约480p至720p分辨率），和最多3段参考音频（MP3或WAV格式，总共不超过15秒，每段最大15MB）。所有类型文件总数最多12个。亮点体现在引用方式上：你只需在提示词中用 @Image1、@Video2、@Audio3 等标签调用，用自然语言描述每个元素对场景的贡献，你就获得了接近实际导演现场级别的构图掌控。

输出方面，模型能生成精致的视频文件，并支持同步生成音频。音频生成是一大亮点：它可自动生成音效、氛围声，甚至能与画面完美对嘴的台词。音频生成可自由开关，视频时长也能完全自定义（4至15秒），或交由模型按你的描述自动决定最合适长度。这种灵活性既适合短视频社交内容，也兼容情节较长的叙事片段。

画幅和格式自主可控：你能选择横屏（16:9）、竖屏（9:16）、正方形（1:1）、经典（4:3）、肖像（3:4）、超宽影院（21:9），也可交由模型自动设置。分辨率支持 720p（平衡效果）和 480p（极速生成），如需更高品质还可开启高质量模式，带来更大更细致的输出，而标准模式则更高效。

Seedance 2.0 特别适合风格化创作、转化现有素材和对嘴表演等场景。由于参考素材和文本可灵活结合，非常适合将照片/插画变风格、从零构建场景，或音频驱动真实的对嘴表演。注意：如输入参考音频，需至少同时输入一个图像或视频作为声音的视觉锚点。

哪些人群最受益？影视制作人及动作设计师可用它预演分镜、生成风格化插片、基于情绪板/参考片段制作动画流程。社交内容创作者可输出竖屏、丰富音效还原真实对话的视频。设计师与数字艺术家可令图像/插画动起来并发声。角色内容制作人可充分利用对嘴能力实现台词表演。参考驱动的工作流还能大大增强画面一致性——如反复输入同一角色/物件/场景，便能多次生成风格统一的片段。

创作流程上，模型奖励“用心布局”。你可以在描述中点名具体素材，实现复杂场景编排——分镜、动作、转场都可详细策划，比如让一只章鱼发现足球并召集伙伴水下开赛这样的情节。叙述型提示和多参考输入让你生成“导演感”十足的连续片段，而非随机拼接。

实用建议：参考视频需在支持的时长与分辨率范围内，总文件数量与容量不能超限。反复测试推荐 480p（速度快），定稿首选 720p（品质佳），高质量模式则适合输出终稿但文件较大。开启或关闭音频生成不会影响核心流程，你可自由实验声音表达。

总的来说，Seedance 2.0 Fast Reference to Video 以极速、多重参考控制与原生同步音频结合著称，是创新高效且灵活的视频生成引擎。它让图像、视频、声音与文本融合协作，帮每一位不满足普通提示词的创作者，解锁更高级的定向创作体验。