Seedance 2 Reference to Video

Seedance 2 Reference to Video 是字节跳动最先进的参考驱动视频模型，专为希望以真实素材而非仅凭文本进行创作的用户设计。你无需从零描述所有内容，而是将多种参考文件（最多9张图片、3段视频和3段音频，共计不超过12个参考文件）与书面提示结合，引导模型创作。你可以在提示词中用如 @Image1、@Video1 或 @Audio1 的简单标签明确指向每个素材，让模型精确识别你想保留的人脸、环境、动作或声音。最终输出为一段单一、连贯的电影级短片，既尊重你的参考素材，又能智能补全周围世界。

模型最突出的亮点是原生音频。在一次生成过程中，视频和音频同步产出：环境噪音、音效、音乐甚至口型对齐的对白全部同步输出，无需后续单独加音轨。例如喧闹人群场景会自动带上重叠的呼喊、相机快门、远处警笛、待机引擎等，效果与画面完美匹配。你可以选择开启完整音频生成，得到即刻呈现的成片，也可自定义音频后期合成。

创作自由度是核心优势。你可以在提示词中用电影语言调度镜头，如推进变焦、跟拍、手持微晃、主视角切换、平视/俯视等，模型会像电影摄影师一样理解这些指令。同时具备真实物理表现，如流体、布料和角色动作真实可信。多镜头剪辑尤为强大：一次最长可生成15秒，允许自然切换镜头，画面顺畅流转，避免单一静止镜头的呆板。

由于支持图片参考，模型在连贯性上表现出色。提供角色参考后，可以在不同风格变化中持续保持同一张脸与服饰。例如：3D动画角色无缝合成到实拍环境中，参考人脸和服饰保持一致，并与真实灯光、闪光、高光、阴影自然交互。对于需反复出现的角色、产品或定制风格场景尤其适用。

输出选项灵活：生成 480p 以追求速度，720p 平衡速度与画质，1080p 获得高质量成片。时长支持4至15秒，或由模型依据提示词自动决定。画幅比例同样自由：16:9（横屏）、9:16（竖屏/社媒）、1:1（方形）、21:9（超宽）、4:3、3:4 及自动识别。你还可选择高品质编码用于大文件和干净画质，以及固定种子确保重复生成一致结果（可能存在微小差异）。

参考素材有合理限制。图片支持 JPEG、PNG、WebP，单张不超30MB，最多9张。视频为 MP4 或 MOV，总时长2-15秒，大小不超50MB，单段分辨率在 480p-720p，最多3段。音频为 MP3 或 WAV，最多3段，总时长不超15秒，单文件最大15MB。需要注意，若提供音频参考，需至少包含一张图片或一段视频。多种类型参考总数不得超过12个。

谁适合使用？影视导演和摄影师可通过此模型预演或制作带有真实镜头语言和同步音效的短片。内容创作者和社媒博主能以角色参考快速生成风格一致的竖版短视频。广告主和产品营销可以将产品图像直接生成在有灯光和镜头控制的创意场景中。动画师、混合媒体艺术家可将风格化角色与实拍环境融合，实现如案例中展现的混合视觉工作流。你拥有更多品牌一致性、角色辨识、定制风格的主动权，而不是纯粹依赖文本描述。

操作建议：像导演一样撰写提示词：描述风格、光线和环境、主体、动作、声音，通过@标签精准指明素材。保证视频参考不超时长与分辨率限制，音频参考必须含至少一个视觉参考。为获得最佳成片，建议详细描述动作和镜头调度，模型对细致指令响应良好，如在复杂人群与车队示例中所示。用心的参考与清晰指令，能让 Seedance 2 Reference to Video 输出兼具画面与声音的高完成度电影短片，忠实展现你自带的素材。