Seedance 2.0
定义与身份
Seedance 2.0 是一款面向视频生成与视频编辑的模型。根据 Seedance 2.0 提示词指南 摘要，它被描述为具备较强的语义理解与多模态交互能力，不仅能依据自然语言生成视频，也能把图片、音频、视频作为参考输入，对主体、动作、环境、镜头、美学和音频等信息进行联合控制。
它的定位不只是“文本生成视频”模型，还覆盖了从纯文本生成到多模态参考生成、再到已有视频二次编辑的一整套能力链路。
角色职责
作为视频模型，Seedance 2.0 的主要职责包括：
- 根据文本指令生成视频。
- 在生成时深度参考图片、音频、视频素材。
- 在 T2V、I2V、R2V、V2V 等场景中生成常用文字。
- 对已有视频执行元素增删改、前后延长和多段轨道补齐。
这些能力共同构成了它在创作流程中的双重角色：既是生成模型，也是编辑模型。相关细化可参见 Seedance 2.0 提示词结构、Seedance 2.0 视频编辑能力、Seedance 2.0 多模态参考控制、Seedance 2.0 文字生成能力。
关键信息
文本生成基础
Seedance 2.0 可以深度遵循自然语言逻辑，常见的文本指令组织公式为：
- 主体 + 运动 + 环境（非必须）+ 运镜/切镜（非必须）+ 美学描述（非必须）+ 音频（非必须）
其中：
- “主体 + 运动”是生成逻辑基石，用于明确谁在做什么。
- “环境 + 美学”用于定义空间背景、光影细节和整体视觉风格。
- “运镜 + 音频”属于进阶控制，可进一步指定镜头调度、氛围声效或视听配合方式。
多模态深度参考
除文本描述外，Seedance 2.0 还支持图片、音频、视频的深度参考。使用时需要在提示词中明确指代参考对象，例如指定“参考图片1的构图”或“动作参考视频2”。模型会自动提取参考对象中的核心特征，并结合文本描述生成结果，以提高确定性和还原度。
文字生成能力
Seedance 2.0 支持在 T2V、I2V、R2V、V2V 等场景下生成常用文字。
已明确支持的文字表现包括：
- Slogan。
- 字幕。
- 气泡台词。
模型可以根据情境自动匹配合适的文字风格与颜色，也支持在提示词中显式指定以下属性：
- 文字颜色。
- 文字风格。
- 出现方式。
- 出现时机。
- 出现位置。
其文字生成还有一个明确边界：应优先使用常用字，避免生僻字与特殊符号，以保证更好的呈现效果。
细节与边界
图片参考边界
Seedance 2.0 支持图片深度参考，既支持主体多视角参考，也支持多图参考。
图片参考可覆盖的典型对象包括：
- 主体多视角形象。
- 场景图。
- 分镜图。
- logo。
- 多主体。
- 多元素组合。
如果对图片顺序有要求，需要按顺序上传，并在提示词中使用“图片1、图片2……图片n”进行准确指代。
音频参考边界
Seedance 2.0 支持音频参考，但有明确限制：不支持仅上传音频。这意味着音频能力需要与视频生成或其他画面输入场景结合使用，而不是单独把音频作为唯一输入来完成任务。
其音频能力已明确覆盖：
- 音色参考。
- 音频内容参考。
- 音频驱动口型。
其中：
- 音色参考可用于指定角色说话时的声音风格。
- 音频内容参考可用于按参考音频展开对话、补全台词或在指定时机加入音频内容。
- 口型驱动表示可用音频去驱动人物说话时的口部同步表现。
如果对音频顺序有要求，同样需要按顺序上传，并使用“音频1、音频2……音频n”进行准确指代。
视频参考边界
Seedance 2.0 支持视频参考，且已明确覆盖三类能力：
- 动作参考。
- 运镜参考。
- 特效参考。
具体来说：
- 动作参考用于迁移参考视频中的动作细节。
- 运镜参考用于保持参考视频中的镜头运动方式一致。
- 特效参考用于迁移粒子、翅膀生成轨迹等特效表现。
如果对视频顺序有要求，需要按顺序上传，并用“视频1、视频2……视频n”做明确指代。
视频编辑能力边界
Seedance 2.0 还支持视频编辑，已明确支持以下三大类操作：
- 元素增删改。
- 向前延长或向后延长。
- 轨道补齐。
元素增删改
可执行的编辑类型包括：
- 增加元素：在指定视频的指定时间位置和空间位置增加目标元素。
- 删除元素：删除指定视频中的某个元素，其他内容保持不变。
- 修改元素：将视频中的某个元素替换为另一元素，同时保持原动作和运镜等条件不变。
这说明其编辑并非笼统重生成，而是允许针对时间位置、空间位置和目标对象做较细粒度控制。
视频延长
支持对现有视频向前延长或向后延长。
可用表达包括：
- 向前/向后延长“视频n”并描述需延长的内容。
- 生成“视频n”之前或之后的内容，并描述衔接后的画面。
这里有一个关键机制边界：模型会自动截取衔接部分进行合成，输入视频的原有片段不会全部重复生成。这意味着延长的重点是补出前后内容并完成衔接，而不是完整重做原片段。
轨道补齐
轨道补齐用于把多段视频通过过渡画面连接成连续结果，基本模式为：
- 视频1 + 过渡画面描述 + 接视频2 + 过渡画面描述 + 接视频3
其操作约束非常明确：
- 最多支持 3 段视频输入。
- 输入视频总时长不得超过 15 秒。
同时它和视频延长一样，都会由模型自动截取衔接部分进行合成，输入视频原有片段不会被全部重复生成。
使用要点
- 进行多模态控制时，应在提示词中明确写出参考对象及用途，如构图参考、动作参考、运镜参考、特效参考或音色参考。
- 涉及多张图片、多段音频或多段视频时，如顺序重要，应按顺序上传并在指令中使用编号指代。
- 生成文字时，优先使用常用字，避免生僻字和特殊符号。
- 使用音频能力时，要注意其不能作为唯一上传输入单独使用。
- 使用轨道补齐时，要提前控制输入段数与总时长，超过 3 段或超过 15 秒都不在已知支持范围内。