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驱动视频模型，以极速模式交付，兼顾更快的生成速度与丰富的创意表达。它不仅仅依赖文本提示生成视频，还允许你输入自己的参考素材，并编排它们在画面中的组合方式。你可以在一次生成中组合最多九张参考图片、三段参考视频和三段音频片段，灵活混合视觉与音频素材，引导最终画面的外观、动作和声音。

本模型的最大特色在于支持在提示词内直接指向上传的参考素材。每一个图片、视频、音频文件都会获得一个简洁的标识，你只需在描述中输入如 @Image1、@Video2 或 @Audio1，就能精准指定某一素材对应的角色、动作风格或声音。这样你可以明确指定角色来源于哪张图片、动作模仿哪段视频、声音使用哪段音频，并详细描述它们之间如何交互。这为已有素材的风格化、角色迁移、表情驱动对口型等提供了灵活高效的工作流体验。

模型输出含同步音频的成片视频。当开启音频生成功能时，可生成与画面动作精准匹配的音效、环境噪音、对口说话等音轨，使画中说话人的嘴型与声音完美同步。如果你想自定义配乐或配音，也可以上传参考音频，在提示词中引用。请注意，使用参考音频时，必须同时上传至少一张参考图片或视频，以便模型有视觉锚点与声音贴合。

你可灵活控制画面比例：支持包括横屏 16:9、竖屏 9:16（适合移动端）、1:1 正方形（适配社交媒体）、超宽 21:9 电影级、4:3、3:4 等多种比例，或让模型自动根据提示词选择合适的画幅。时长同样可调：可指定 4 秒到 15 秒之间的任意时长，或自动调整以契合描述的情节，实现从短循环片段到完整叙事节拍的一切需求。

你还可自行选择输出质量：480p（极快生成）、720p（画质与速度平衡）。同时还可开启高质量输出，获取更清晰的大文件版本；或选择标准版以获得更小的文件。按需权衡出片速度、文件大小与画质，既便于高效迭代，也支持最终成片导出。

支持多种常用文件格式。参考图片可为 JPEG、PNG 或 WebP，参考视频可为 MP4 或 MOV，每段视频建议分辨率为 480p–720p，总时长合计在 2–15 秒内。参考音频支持 MP3 或 WAV，所有片段的总时长不超过 15 秒。单次生成总计最多可引用 12 个参考文件，让创意更丰富，操作仍然高效可控。

本模型极适合多类创意专业人群：影视导演与视频剪辑师可用其风格化修改素材、延长场景、融合多镜头镜头至同一画面；内容创作者与社交媒体从业者受益于竖屏、方形以及短时长的快速传播特性；角色设定与动画师可保持主角跨片段一致性，并用语音轨驱动精确对口表演；音乐人、音频作者可通过音乐与画面匹配，实现动作与声音同步。因可在提示词中精确引用参考来源，本模型极度依赖于有条理且详尽的创意指令：你描述得越清楚，最终结果的可控性越强。

使用时需注意几点：参考音频必须配合至少一张图片或一段视频使用；参考视频需符合支持的分辨率与时长要求，所有音频总时长不能超过 15 秒；所有图片、视频、音频文件最多合计 12 个，请合理规划重要素材；高分辨率与高质量设置会生成更清晰的大体积文件，但渲染耗时更长，480p 或标准版则适合快速尝试方案。如同所有参考驱动生成任务，素材清晰、曝光良好、构图明确，以及提示词中精准引用和描述每个参考素材的动作、氛围和声音，都能提升最终效果。按此思路使用，Seedance 2.0 Fast Reference to Video 能灵活把你的图片、视频和音频高效转化为自定风格、带声音同步的短视频。