Seedance 2 Reference to Video

Seedance 2 Reference to Video adalah model video berbasis referensi paling canggih dari ByteDance, dirancang untuk kreator yang ingin mengarahkan generasi video dengan materi sumber nyata, bukan hanya teks. Alih-alih menggambarkan segalanya dari awal, Anda memberi model ini campuran file referensi—hingga 9 gambar, 3 video, dan 3 klip audio (total maksimal 12 file dari semua tipe)—dan merangkainya bersama prompt tertulis. Anda menunjuk setiap aset langsung di prompt dengan tag sederhana seperti @Image1, @Video1, atau @Audio1 sehingga model tahu persis wajah, lingkungan, gerakan, atau suara mana yang harus dijaga. Hasil akhirnya adalah satu klip sinematik utuh yang menghormati referensi Anda sekaligus mengisi dunia di sekitarnya.

Fitur paling menonjol adalah audio native. Dalam satu kali proses, model menghasilkan suara yang tersinkronisasi bersamaan dengan gambar: suara latar, efek suara, musik, bahkan dialog lip-sync. Tidak perlu langkah terpisah untuk menambahkan audio di akhir. Artinya, adegan keramaian bisa langsung hadir dengan teriakan saling tumpang tindih, klik kamera, sirine jauh, dan suara mesin menyala yang sudah tersusun dan sinkron dengan aksi di layar. Anda bisa membiarkan fitur audio tetap aktif untuk mendapatkan klip yang benar-benar selesai, atau mematikan jika ingin mengatur audio sendiri.

Kontrol kreatif adalah keunggulan utamanya. Anda bisa mengarahkan kamera melalui prompt menggunakan bahasa sinematik, meminta dolly zoom, tracking shot, gerakan handheld dengan mikro-goyangan alami, pergantian sudut pandang, dan perspektif setinggi mata atau sudut elevasi. Model ini menginterpretasikan arahan seperti sinematografer profesional. Ia juga menangani fisika realistis, sehingga dinamika cairan, gerak kain, dan gerakan karakter tampil meyakinkan. Satu kemampuan penting adalah editing multi-shot: dalam satu generasi dengan durasi hingga 15 detik, model dapat membuat cut alami, menghasilkan urutan adegan yang mengalir antar shot, bukan hanya satu frame terkunci.

Karena menerima referensi gambar, model ini unggul dalam konsistensi. Berikan referensi karakter dan ia mampu menampilkan wajah serta pakaian yang sama sepanjang shot, bahkan saat subjek diterjemahkan ke gaya visual berbeda. Contohnya, tampilan hybrid di mana karakter animasi 3D bergaya dipadukan mulus ke lingkungan live-action fotorealistik, dengan karakter referensi memiliki wajah dan pakaian yang benar-benar konsisten dari gambar sumber, serta berinteraksi secara natural dengan cahaya nyata, pantulan flash, lampu jalan, dan bayangan. Ini sangat cocok untuk mereka yang memerlukan karakter berulang, produk spesifik, atau tampilan yang konsisten dalam sebuah adegan.

Terkait keluaran, Anda dapat memilih generasi pada 480p untuk hasil lebih cepat, 720p untuk keseimbangan kecepatan dan kualitas, atau 1080p untuk hasil berkualitas tinggi. Durasi fleksibel dari 4 hingga 15 detik, atau biarkan model memilih otomatis berdasarkan prompt. Rasio aspek juga fleksibel: pilih 16:9 untuk landscape, 9:16 untuk format vertikal dan sosial, 1:1 untuk persegi, 21:9 untuk ultra wide sinematik, 4:3, 3:4, atau otomatis. Anda juga bisa meminta enkode berkualitas tinggi bila butuh file lebih besar dan jernih, serta mengatur seed value untuk mereproduksi hasil yang Anda sukai, meski bisa saja ada sedikit variasi.

Batas input referensi dirancang masuk akal. Gambar bisa berformat JPEG, PNG, atau WebP dengan ukuran maksimal 30 MB per gambar, maksimal 9 gambar. Video bisa MP4 atau MOV dengan durasi gabungan 2–15 detik, total file tidak melebihi 50 MB, dan setiap video antara resolusi 480p hingga 720p, maksimal 3 video. Audio bisa MP3 atau WAV, maksimal 3 klip dengan durasi total tak lebih dari 15 detik dan maksimum 15 MB per file. Satu aturan penting: jika Anda menyediakan referensi audio, wajib minimal ada satu gambar atau video referensi. Dan apapun kombinasinya, total file referensi dari semua jenis tidak boleh melebihi 12.

Siapa yang diuntungkan? Sineas dan sutradara video dapat memvisualisasikan atau memproduksi urutan sinematik pendek dengan bahasa kamera nyata dan audio final. Kreator konten dan produser media sosial dapat mengubah satu referensi karakter jadi klip vertikal konsisten. Pengiklan dan pemasar produk dapat memasukkan gambar produk ke lingkungan bergaya dengan pergerakan kamera terkendali. Animator dan seniman campuran bisa menggabungkan karakter bergaya ke dunia fotorealistik—workflow hybrid persis seperti di contoh. Karena memakai gambar, video, dan audio Anda sendiri, model ini ideal saat konsistensi brand, identitas karakter, atau tampilan spesifik lebih penting dari sekadar eksperimen text-to-video.

Beberapa praktik terbaik mengikuti mekanisme kerjanya. Tulis prompt seperti sutradara: jelaskan gaya, pencahayaan dan lingkungan, subjek, urutan aksi, dan audio yang diinginkan, serta referensikan aset eksplisit dengan tag @ agar model tahu apa yang harus dijaga. Pastikan referensi video dalam batas durasi dan resolusi agar bisa dipakai optimal, dan ingat bahwa audio wajib disertai visual referensi. Untuk hasil paling halus, gunakan detail pada deskripsi aksi dan arahan kamera, karena model responsif terhadap spesifikasi tersebut—seperti terlihat pada contoh keramaian dan kafilah yang detail. Dengan referensi thoughtful dan arahan jelas, Seedance 2 Reference to Video menghadirkan klip sinematik beresolusi tinggi lengkap dengan audio yang setia pada materi sumber yang Anda bawa.