Den kompletta guiden till Seedance 2.0: Multimodal AI-videoproduktion från grunden

Seedance 2.0 är ByteDances multimodala AI-videomodell som genererar filmisk video från text, bilder, videoklipp och ljud. Den erbjuder två skapandelägen, ett @-referenssystem för exakt styrning av dina filer och nativ ljudgenerering — allt i ett arbetsflöde. Här är en genomgång av alla funktioner.

Två skapandelägen

Seedance 2.0 har två ingångspunkter, var och en anpassad för olika arbetsflöden:

Första/Sista bildruta-läge

• Ladda upp en bild som öppnings- eller avslutningsruta
• Lägg till en textbeskrivning av önskat rörelsemönster och scen
• Bäst för: enkla animationer, bild-till-video-konverteringar, snabba tester

Allt-i-ett-referensläge (Rekommenderat)

• Kombinera bilder + videoklipp + ljud + text i en enda generering
• Stöder upp till 12 referensfiler samtidigt
• Bäst för: komplexa produktioner med flera filer, musikvideor, karaktärsdrivna berättelser

Indataspecifikationer

Total filgräns: 12 referensfiler per generering.

@-referenssystemet

Detta är den viktigaste funktionen att lära sig. @-systemet låter dig tilldela en specifik roll till varje uppladdad fil — modellen följer dina tilldelningar exakt istället för att gissa.

Så här använder du @

1. Ladda upp dina filer (bilder, videor, ljud)
2. I promptfältet, skriv @ för att öppna filväljaren
3. Välj en fil och beskriv dess roll i genereringen

Exempelprompt med @-referenser

@image1 as the opening frame character,
reference @video1 for camera movement (slow push-in to close-up),
use @audio1 for background music,
@image2 as the environment reference.
The character walks toward the camera under warm sunset lighting.

Viktiga regler

• Varje uppladdad fil bör uttryckligen tilldelas med @
• Hovra över filer för att förhandsvisa och bekräfta att du refererar till rätt fil
• Modellen utför exakt det du tilldelar — ingen gissning

Tekniker för promptskrivning

1. Skriv efter tidslinje

Dela upp din prompt i tidssegment för exakt kontroll:

• 0–3s: "Vidvinkel av en stadssilhuett vid gryning, långsam panorering åt höger"
• 4–8s: "Klipp till halvbild, karaktär kommer in från vänster, gående"
• 9–12s: "Inkörning till närbild av karaktärens ansikte, mjuk bakgrundsoskärpa"

2. Använd specifikt kameraspråk

Modellen förstår professionella filmtermer:

• Push-in / Pull-out — zoom mot eller bort från motivet
• Pan — horisontell kamerarörelse
• Tilt — vertikal kamerarörelse
• Tracking shot — kameran följer motivets rörelse
• Orbit — kameran cirklar runt motivet
• One-take — kontinuerlig oavbruten tagning

3. Beskriv övergångar

När du skapar sekvenser med flera tagningar, specificera hur scenerna kopplas samman:

• "Tona från utomhusscen till inomhus närbild"
• "Match cut från snurrande mynt till snurrande jordglob"
• "Whip pan-övergång till nästa scen"

4. Skilj mellan referens och instruktion

• Referens: "@video1 for camera movement" — modellen extraherar och replikerar kameraarbetet
• Instruktion: "slow push-in from wide to close-up" — modellen genererar rörelsen från din textbeskrivning

Kärnfunktioner

Bildkvalitet

• Fysiskt korrekt rörelse (gravitation, tygdrapering, vätskedynamik)
• Mjuk, naturlig rörelse för människor och djur
• Exakt följsamhet till prompten
• Konsekvent visuell stil genomgående

Multimodal kombination

• Extrahera kamerarörelse från en referensvideo
• Extrahera karaktärsutseende från referensbilder
• Extrahera musikalisk rytm från referensljud
• Kombinera alla tre i en enda generering

Karaktärskonsistens

• Bevarande av ansikte, kläder och uttryck mellan tagningar
• Konsistens i varumärkeselement (logotyper, färger, typografi)
• Konsistens i scenstil (belysning, atmosfär)

Kamera- och rörelsereplikering

• Replikera specifika filmtekniker från referensvideor
• Hitchcock-zoom, orbit-tracking, one-take-sekvenser
• Exakt matchning av rörelsehastighet och rytm

Utdataspecifikationer

• Längd: 4–15 sekunder (valbar)
• Upplösning: Upp till 2K / 1080p
• Bildförhållanden: 16:9 (liggande), 9:16 (stående), 1:1 (kvadratisk)
• Ljud: Nativt — inkluderar dialogsynkronisering, bakgrundsmusik, ljudeffekter
• Genereringshastighet: ~30 poäng per 15-sekunders video, 10x snabbare än föregående generation

Viktiga anmärkningar

• Inga riktiga människoansikten — uppladdningar med tydliga riktiga människoansikten blockeras av innehållsmoderering
• Kvalitet över kvantitet — ladda bara upp filer som har störst inverkan på önskat resultat
• Bekräfta @-tilldelningar — hovra över varje filreferens för att bekräfta korrekt filmappning
• Modelltillfälighet — resultat varierar mellan genereringar; generera flera gånger och välj det bästa
• Tillgänglig på: Jimeng (即梦), Doubao (豆包), Volcano Engine (火山引擎)

Vanliga frågor

Vilka är de två skapandelägena?

Första/Sista bildruta-läge (en bild + text) för enkla genereringar, och Allt-i-ett-referensläge (upp till 12 multimodala filer) för komplexa produktioner.

Hur fungerar @-referenssystemet?

Skriv @ i promptfältet, välj en uppladdad fil och beskriv dess roll. Exempel: "@image1 som karaktärsreferens, @video1 för kamerarörelse." Modellen följer dina tilldelningar exakt.

Vilka är indatabegränsningarna?

Upp till 9 bilder, 3 videoklipp (≤15s totalt), 3 ljudfiler (≤15s totalt) och text. Maximalt 12 filer per generering.

Vilken utdata producerar den?

4–15 sekunders video i upp till 2K-upplösning med nativt ljud, i bildförhållandena 16:9, 9:16 eller 1:1.

Kan jag använda riktiga människobilder?

Nej. Uppladdningar med tydliga riktiga människoansikten blockeras av innehållsmoderering. Använd stiliserade eller illustrerade karaktärsreferenser.

Redo att börja skapa? Testa Seedance 2.0 nu — gratis provperiod tillgänglig.