seedance-2-0

直接使用 Seedance 2.0 进行制作

请将本文视为针对特定提供方和模型系列的操作指南，而非通用的视频提示词配方。编写请求前，先确认网关的确切契约。“Seedance 2.0”并不意味着存在通用的模型 ID 或架构。

本文使用以下证据标签：

• 已记录 — ByteDance/BytePlus 或网关文档中明确说明，并已于 2026-07-09 核实。
• 制作经验 — 根据已记录的行为和常见的视频制作限制推断出的建议操作实践；请在当前部署环境中验证。
• 独立证据 — 第三方测量或观察，并注明其局限性。

判断 Seedance 2.0 是否适用

当镜头符合以下一项或多项需求时，优先考虑此系列：

• 在一次生成中同步生成画面、对白、环境音、音乐或音效；
• 使用参考图像指定主体、产品、风格或布局，使用参考视频指定动作、镜头运动或剪辑，或使用参考音频指定音色或节奏；
• 生成时长为 4–15 秒的简短独立镜头、多镜头节拍、剪辑或续写；
• 使用首帧，或严格衔接首帧与尾帧；
• 进行多模态编辑，用一个素材中的元素修改另一段源视频。

遇到以下需求时，请选择其他工作流，或规划后期制作：

• 生成单段时长超过 15 秒的视频；
• 在直接使用 ModelArk 时，要求帧级精确的剪辑时序、精确的编舞、确定性模拟或保证种子可复现；
• 要求长篇文字、法律文本、字幕、UI、包装文案或像素级精确的徽标；
• 未经授权或未使用可信素材流程，直接向 ModelArk 上传普通真人面部素材；
• 使用本地权重或离线运行；
• 在美国直接使用 BytePlus：BytePlus 的服务专属条款指出，其模型服务在美国不可用。请确认网关及客户专属的可用性，不要假设第三方渠道适用相同的地域条款。

不要笼统地称 Seedance 2.0 为“最佳”模型。ByteDance 发布的对比包含内部评估结果，而公开排行榜也会变化。请根据镜头的参考素材、音频、控制能力、交付要求、成本、延迟和合规需求进行选择。

确认路由和模型，再编写提示词

BytePlus ModelArk：官方记录的直接调用契约

官方 API 为异步调用：

• 创建任务：POST https://ark.ap-southeast.bytepluses.com/api/v3/contents/generations/tasks
• 查询任务：GET https://ark.ap-southeast.bytepluses.com/api/v3/contents/generations/tasks/{id}
• 使用 ModelArk API 密钥进行身份验证；
• 保存返回的任务 ID，轮询查询或使用回调，并立即将输出复制到持久化存储。

请使用当前模型目录，不要自行编造别名：

变体	已于 2026-07-09 核实的 ModelArk ID	适用场景	已记录的输出规格上限
Seedance 2.0	dreamina-seedance-2-0-260128	追求该系列的最高画质；需要 1080p 或 4K	480p、720p、1080p、4K；4K 使用 10-bit HEVC
Seedance 2.0 Fast	dreamina-seedance-2-0-fast-260128	相比最后一点画质提升，更看重低延迟或低成本	480p、720p
Seedance 2.0 Mini	dreamina-seedance-2-0-mini-260615	草稿或规模化工作负载追求该系列的最佳成本效率	480p、720p

文档说明，Standard、Fast 和 Mini 在核心创作模式上大体相同，但输出规格和平台控制有所不同。开始付费前，请确认最新的模型卡和激活状态。

网关的契约是不同的 API

不要只改模型名称来转换调用。

契约	标识符／端点模式	2026-07-09 确认的重要差异
BytePlus ModelArk	一个内容生成端点中的模型 ID	异构的 content[] 项带有 role；ratio；整数 duration 或 -1；直接调用 Seedance 2.0 不支持 seed、frames 或 camera_fixed；异步任务 ID
fal	bytedance/seedance-2.0/{text-to-video,image-to-video,reference-to-video} 和 /fast/...	各模式使用独立端点；aspect_ratio；duration 是枚举，例如 "auto" 或 "4"–"15"；首帧／尾帧字段及各模态 URL 数组；支持 seed；具体分辨率选项因端点／层级而异，因此请查阅该端点的实时架构
Replicate	bytedance/seedance-2.0	统一封装；image、last_frame_image、reference_images、reference_videos、reference_audios；整数 duration，可设为 -1；aspect_ratio；支持 seed；返回文件／URI

网关公开的 seed 字段并不能证明直接调用 ModelArk 时可以控制 seed。应将可复现性视为网关特定能力，并通过重复测试加以验证；即使使用受支持的固定 seed，也不一定会得到逐字节完全相同的输出。

各网关的提示词标签也不尽相同。ModelArk 文档按顺序将媒体称为 Image 1、Video 1 和 Audio 1。fal 页面使用 @Image1 等形式，其他页面则使用 [Image1]；Replicate 文档使用 [Image1]。请严格遵循当前端点的架构和示例。如果契约要求使用序号媒体标签，切勿在文字中引用资源 ID。

不要在生产计划中硬编码价格、速率限制或路由可用性。请在预检阶段获取这些信息，并记录获取时间、模型／层级、分辨率、时长、音频设置、输入视频附加费用规则及货币。

直接调用 ModelArk 的请求封装

请使用顶层 JSON 参数，不要使用旧式提示词后缀。

字段	2026-07-09 确认的直接调用行为
model	当前模型 ID 或已激活的端点 ID
content	按顺序排列的文本／图像／视频／音频项；角色决定首帧／尾帧／参考素材行为
resolution	默认 720p；根据当前契约，仅 Standard 支持 1080p 和 4K
ratio	adaptive、21:9、16:9、4:3、1:1、3:4 或 9:16；2.0 系列默认值为 adaptive
duration	整数 4–15，默认值为 5；-1 表示由模型选择整数时长，并会影响计费
generate_audio	默认值为 true；false 会生成静音输出；生成的音频为单声道
watermark	默认值为 false；true 会在右下角添加 “AI Generated” 标记；请勿移除必需的来源标识
return_last_frame	默认值为 false；如需用于连续性工作流，可请求返回 PNG 尾帧
callback_url	可选的状态回调；请进行身份验证，并确保回调处理具备幂等性
execution_expires_after	3,600–259,200 秒；默认值为 172,800（48 小时）
safety_identifier	稳定且唯一的最终用户标识符，最多 64 个字符；请对内部 ID 进行哈希处理，而不要发送个人数据
priority	仅适用于 Standard Seedance 2.0；同一端点队列内的整数 0–9；不保证执行速度

不要仅仅因为其他 Seedance 版本或网关接受 frames、seed、camera_fixed、draft 或 service_tier: "flex"，就将这些参数用于直接调用 2.0 系列。官方 API 文档说明，Seedance 2.0 不支持 frames、seed 和 camera_fixed；草稿模式是 1.5 Pro 的功能；2.0 系列仅支持在线推理。

正确构建 content[]

文本项：

{"type":"text","text":"<complete prompt>"}

首帧图像：

{"type":"image_url","image_url":{"url":"<public URL, data URI, or asset:// ID>"},"role":"first_frame"}

严格的首帧和末帧模式要求恰好包含两个图像项，分别使用 first_frame 和 last_frame。参考模式使用 reference_image、reference_video 和 reference_audio 角色。

首帧、首帧和末帧、多模态参考模式在角色层面互斥。在参考模式中，提示词可以要求图像影响开场或结尾，但只有首帧／末帧角色能严格锚定这些帧。

提交前验证媒体

ModelArk 直接规定了以下限制：

• 参考图像：1–9 张；格式为 JPEG、PNG、WebP、BMP、TIFF、GIF、HEIC 或 HEIF；每张小于 30 MB；宽和高均须介于 300 至 6000 px 之间；宽高比须大于 0.4 且小于 2.5；
• 参考视频：0–3 个；每个时长为 2–15 s，总时长最多 15 s；格式为 MP4 或 MOV，视频编码须为受支持的 H.264/H.265，音频编码须为 AAC/MP3；每个最多 200 MB；24–60 fps；尺寸和总像素数须符合当前 API 表格的要求；
• 参考音频：0–3 个；每个时长为 2–15 s，总时长最多 15 s；格式为 WAV 或 MP3；每个最多 15 MB；
• 音频不能作为唯一的非文本参考：至少包含一张图像或一段视频；
• Base64 请求正文有大小限制；较大的媒体优先使用持久的公共 URL 或对象存储 URL。

付费生成前，使用 ffprobe 或同等工具。验证编码格式、时长、帧率、尺寸、宽高比、音频流和文件大小。规范方向元数据。如果不打算将字幕、水印、无关人脸和冲突的背景作为参考，请将其移除。

为每个参考指定一项用途

使用能够表达镜头内容的最少参考素材。官方提示指南提醒，不要自动填满所有可用位置：参考素材过多会模糊特征优先级，并可能导致风格冲突、主体识别不清和偏移。

编写提示词前，先创建素材清单：

序号	素材	权利／许可	预期维度	必须保留	可更改
图像 1	产品主视觉	自有	精确几何形状、标签颜色	轮廓、材质	环境
视频 1	动作素材	已获许可	摄像机路径和手部动作	时序、交互	原始产品
音频 1	已获批准的语音样本	表演者授权	音色和语速	声音特征	具体措辞

将优先级高的素材放在前面。每项参考只指定所需维度：主体身份、产品几何形状、服装、环境、构图、摄像机运动、动作、特效、音色、旋律或节奏。“使用每项参考中的所有内容”会造成冲突。

对于角色，官方指南建议使用一张清晰的头像和一张全身／造型图，而不是多视角拼图。繁杂拼图中较小的人脸身份权重较低；多个视角可能被识别为不同的人，增加身份偏移或重复角色的风险。在 ModelArk 上，请使用其可信输出、预设角色或获授权真人素材路径，而不要试图绕过人脸审核。

将提示词写成可执行指令

先说明镜头中不变的要素，再描述其时间变化：

1. 用 2–3 个稳定且有辨识度的特征定义每个主体，并将其绑定到有序的素材；
2. 说明要继承参考素材的哪个维度，以及哪些内容必须保持不变；
3. 描述场景和空间关系；
4. 通过身体部位、方向、幅度、速度、力度以及过渡／惯性来描述动作；
5. 按事件顺序将复杂片段组织为 Shot 1、Shot 2、Shot 3；
6. 每个镜头指定一种主要的摄影机运动；
7. 指定对白、声音特征、环境声、音效和音乐表现；
8. 最后说明风格、光线、图像质量和负面约束。

每次都使用相同的主体标签。可能产生歧义时，重新绑定主体：使用 the amber bottle from Image 1，而不是在存在多个道具时后续只说 it。

优先使用体现因果关系且可观察的动词描述表演：

• 较弱：她很紧张，镜头也很有电影感。
• 较强：她的肩膀绷紧；朝锁着的门看了两次，嘴唇微张地呼出一口气，然后缓慢伸手去握门把手。克制的手持中近景跟随她的手。

对于多镜头生成，描述顺序，不要要求帧级精准的时间码。BytePlus 明确说明，对“0–3 秒”这类精确分段时间的遵循并不稳定。使用大致的节拍；需要精确切点时，分别生成各个镜头，并在剪辑软件中完成最终时序调整。

不要在一个镜头中堆叠推进、环绕、摇摄、俯仰、变焦、升降和抖动。官方指南建议每个镜头只使用一种摄影机运动，因为组合运动会增加不稳定性。

对于对白：

• 将准确的台词放在双引号中；
• 每句都注明说话者，并简要说明表达方式；
• 口语使用同一种语言；除专有名词外，避免随意中英混杂；
• 根据时长和表演节奏安排台词，不要把一段话硬塞进 8 秒；
• 要求干净的房间底噪或明确的环境声；直接使用 ModelArk 时，生成音频为单声道；
• 预期发音、声音匹配、结尾咔哒声或截断噪声可能需要重新生成或后期修复。

对于屏幕文字，短语应简短且常见。尽管模型支持标语、字幕和对话气泡，但不要依赖生成的排版来制作法律文案或最终品牌交付物。优先使用干净的素材，再在后期通过确定性的方式合成文字和徽标。

特定模式的指引

文本生成视频

描述主体、环境、动作顺序、摄影机、光线、视觉效果、音频和排除项。当不需要忠实还原参考内容时，用于生成原创镜头。

首帧或首尾帧

描述从首帧开始的运动；对于双帧模式，还要描述如何通过因果变化到达末帧。输入和输出的宽高比应一致；尺寸不匹配可能导致中心裁切、拉伸、压缩或画面突然跳变。如果尚未确定最终交付画幅，可使用 ratio: "adaptive"；也可预先将两帧都裁切为文档说明的目标光栅尺寸。

多模态参考

使用明确的绑定，例如：

Define the matte amber pump bottle in Image 1 as PRODUCT.
Use only the clockwise hand rotation and camera path from Video 1.
Use the warm, low female timbre from Audio 1 for the quoted line.
PRODUCT keeps its exact silhouette, pump geometry, amber glass, and cream label throughout.
...

不要单独提交参考音频。当声音匹配很重要时，除了附上获准使用的样本，还要用文字描述声音特征，并让新台词接近样本的音域和表达方式。

视频编辑

注明源素材和范围，然后说明哪些内容要更改、哪些内容要保留：

Strictly edit Video 1. Replace only the silver can with PRODUCT from Image 1. Preserve the actor's hands, grip, finger occlusion, camera movement, lighting direction, reflections, background, timing, and all other content.

需要移除内容时，既要指出要移除的物体，也要说明必须如何重建背景／遮挡关系。对于组合任务，应区分参考源素材和正在编辑的视频。

延展与轨道完成

说明向前或向后延展、新动作，以及主体、光线、摄影机、运动、氛围和叙事的连续性约束。使用 2–3 段源片段时，明确描述转场顺序。

预期延展会导致细节和面部质量下降。限制续接深度，保留高质量锚点，并从干净状态重新生成，而不是反复延展已经劣化的结果。官方指南指出，衔接处可能出现跳变或回退；请在后期对齐并裁剪，并通过有动机的剪辑隐藏难以处理的衔接处。

完整提示词示例

以下示例仅供参考，并非强制公式。请将字段名称和媒体标签转换为当前网关所用的形式。

示例 1 — 在 ModelArk 直连模式下创建原创竖屏对话场景

**意图：**创作一段 8 秒、开启音频、9:16 的社交媒体镜头，不使用外部参考。

请求：

{
  "model": "dreamina-seedance-2-0-260128",
  "content": [{
    "type": "text",
    "text": "Photorealistic vertical lifestyle scene. A fictional woman in her early thirties stands at a sunlit kitchen island holding an unbranded ceramic travel mug. She has a short black bob, a mustard linen shirt, and a calm, candid manner. Single shot: medium close-up with a gentle handheld drift only. She turns the mug once in both hands, looks toward the hallway, smiles slightly, and says in a warm conversational voice: \"Train in ten. Let's go.\" A soft ceramic tap lands as she sets it down. Natural room tone, distant morning traffic, no music. Soft window light, realistic skin texture, neutral color grade. No subtitles, no logos, no watermark-like graphics, no duplicate fingers, no extra people."
  }],
  "resolution": "1080p",
  "ratio": "9:16",
  "duration": 8,
  "generate_audio": true,
  "watermark": true,
  "return_last_frame": false,
  "safety_identifier": "<stable-end-user-hash>"
}

**这样组织的原因：**一位说话者、一段动作弧线、一种摄影机运动、带引号的对白，以及明确的声音优先级，适合这段时长。演员为虚构人物，物品没有品牌标识，台词也不包含任何用户评价或产品性能声明。

**预期结果：**获得一条可用的主镜头，并包含同步对白和有动机的物品音效。

**可能的问题及修复方法：**如果台词被截断，请缩短台词或延长时长；如果出现不需要的字幕，请加强 no subtitles，并计划在后期确定性地添加字幕；如果转身时手指变形，请简化为较慢的四分之一转身，或将放下物品的动作拆成另一个镜头。

**变体：**设置 generate_audio: false，采用可控的外部配音工作流。

示例 2 — 产品保真度、运动和获准使用的语音参考

**意图：**使用两张产品图、一段运动参考和一段已获同意的语音样本，制作一段 11 秒的横屏发布插片。

**请求中的输入顺序：**图像 1：产品正面主视觉；图像 2：侧面／细节视图；视频 1：已获授权的手部与摄影机运动素材；音频 1：已获同意的表演者参考。

完整提示词：

Define the matte navy portable speaker shown in Image 1 and Image 2 as SPEAKER. Preserve SPEAKER's exact rounded-rectangle silhouette, grille pattern, two coral buttons, seam placement, and logo-free front.

Use only the slow hand placement and 30-degree clockwise camera arc from Video 1. Use the clear, low, lightly textured female timbre and measured pace from Audio 1 for the quoted line; do not reuse words from Audio 1.

Shot 1: On a dark walnut desk at blue hour, a hand places SPEAKER beside a rain-speckled window. Medium close-up; the camera performs the same restrained clockwise arc from Video 1. SPEAKER remains rigid and correctly proportioned.
Shot 2: Cut to a macro close-up of one coral button depressing once. A soft tactile click is synchronized with the press; a narrow rim light travels across the grille.
Shot 3: Return to the three-quarter hero angle. Off-camera, the woman says: "Small room. Full sound." A restrained low-frequency music pulse rises after the line, then ends cleanly.

Premium product cinematography, realistic materials, controlled reflections, navy-and-coral palette, shallow depth of field. No subtitles, no added labels, no altered button count, no warped grille, no hands touching the grille, no duplicate product, no third-party logo.

**直连参数：**Standard 模型；resolution: "1080p"；ratio: "16:9"；duration: 11；generate_audio: true；每个媒体项都使用相应的 reference_* 角色。

**预期结果：**产品身份取自图像 1–2，摄影机和动作取自视频 1，语音特征取自音频 1，但不复制其内容。

**可能的问题及修复方法：**如果产品几何形状发生偏移，请移除优先级较低的侧面图，或减少摄影机旋转；如果模型照搬源视频的风格，请注明 reference only motion and camera path；如果语音匹配较弱，请更准确地描述音色／音域，并让新台词的节奏更接近样本。

**变体：**使用 Fast 和 720p 测试运动布局，获批后再切换至 Standard；将模型切换记录为一次新的付费生成决策。

示例 3 — 严格的首帧／末帧变换

**意图：**制作一段无声的 6 秒转场，从封闭的纸质包装变为同一包装已打开、内容物已摆放整齐的状态。

**输入：**两张自有图像，均预先裁剪为相同的 1:1 光栅尺寸；依次使用 first_frame 和 last_frame。

完整提示词：

Single locked overhead shot. Beginning exactly from the closed kraft-paper package in the first frame, two gloved hands enter from the lower edge, slowly untie the black cotton cord, unfold the top flap, and place the three tea sachets into a neat fan. Every movement is continuous and physically causal, arriving exactly at the supplied last frame. Preserve the package dimensions, paper texture, cord color, sachet count, tabletop grain, lighting direction, and all printed artwork from the supplied frames. Silent video. No additional objects, no camera motion, no text changes, no hand crossing over the printed mark.

直连参数：resolution: "1080p"；ratio: "1:1"；duration: 6；generate_audio: false。

**预期结果：**边界帧完全准确，并由模型生成两者之间符合因果逻辑的运动。

**可能的问题及修复方法：**如果包装发生跳变或拉伸，请确认两张图像具有相同的光栅尺寸／宽高比，并符合所选输出表；简化打结动作；仅在交付画面构图具有灵活性时尝试 adaptive。如果要求准确到达末帧，不要将严格角色替换为 reference_image。

示例 4 — 参考驱动的视频编辑

**意图：**替换获得授权的 7 秒源素材中的一个道具，同时保留表演和光线。

**输入：**Image 1 为自有的米色罐子；Video 1 为获得授权的源素材，其中包含一个通用罐子，且没有未经同意的人脸。

完整提示词：

Define the frosted pale-green cream jar with the flat white lid in Image 1 as JAR.

Strictly edit Video 1. Replace only the generic jar in the actor's right hand with JAR. Keep JAR's exact cylindrical proportions, frosted glass, flat lid, and blank label panel. Preserve the actor's hands and finger placement, natural occlusion around the jar, wrist motion, original camera path, rack focus, scene duration, background, wardrobe, lighting direction, shadows, reflections, and all audio from Video 1. Do not change the face, body, hand count, grip, or background. Do not add text, logos, subtitles, or a second jar.

**直接参数：**参考模式；resolution: "1080p"；ratio: "adaptive"；duration: 7；如果需要保持源音频连续性，则设置 generate_audio: true。

**预期结果：**局部替换道具，同时保留源素材的运动。

**可能的问题及修复方法：**如果手部发生变化，重复强调 replace only the jar，并放慢或缩短源素材；如果光线不匹配，添加在类似光线下渲染的产品参考图；如果品牌图形必须精确无误，则在生成后确定性地合成最终标签。

示例 5 — 使用末帧交接保持连续性

**意图：**将一段 24 秒的序列制作成 3 个分别审核通过的 8 秒片段。

工作流：

1. 生成 Clip A，并设置 return_last_frame: true；立即下载视频和 PNG。
2. 将该 PNG 用作 Clip B 的 first_frame；只描述接下来的动作，并保持主体、镜头高度、光线、天气、屏幕方向、服装和环境音一致。
3. 对 Clip C 重复此过程。
4. 在下一次付费调用前检查每个边界帧；不要盲目沿用有缺陷的手部或人脸。
5. 在有动机的动作处或过场镜头处拼接。后期统一编解码器、色彩、响度和室内底噪。

Clip B 提示词：

Continue exactly from the supplied first frame. The same red delivery bicycle moves left-to-right through the wet alley; the rider pedals twice, then brakes beside the blue doorway. Preserve the bicycle frame geometry, rider's yellow raincoat and black helmet, wet cobblestone reflections, overcast light, 35 mm eye-level perspective, left-to-right screen direction, and light rain ambience. One lateral tracking movement only. The brake squeak lands as the rear wheel stops; no speech or music. No new riders, no duplicated wheels, no change of weather, no subtitles or logos.

**直接参数：**在整个片段链中统一使用 Standard 或 Fast；ratio: "16:9"；duration: 8；generate_audio: true；return_last_frame: true。

**可能的问题及修复方法：**反复续接可能会累积画质劣化。从最后一个质量良好且已审核通过的锚点重新生成，而不是延长劣化片段；使用过场镜头掩盖不连续；不要认为末帧交接就能保证身份或动作的连续性。

制作流程

1. **预检：**核实区域和账户、可用网关及端点架构、模型可用性、配额和并发限制、实时价格、输出权利、媒体权利以及人脸素材路径。
2. **规范化素材：**检查技术属性，按预期画幅裁剪，移除意外的参考冲突，并计算哈希值、存储源素材来源信息。
3. **低成本验证：**在 Fast 或 Mini 上以 480p/720p 测试构图和运动，前提是该路线能反映最终能力。不要暗示草稿能证明 Standard 的 4K 质量。
4. **生成少量候选版本：**每次只调整一个因素——提示词、参考素材的选择或顺序、时长或模型，不要同时调整多个因素。
5. **记录每次运行：**网关、端点/模型、请求 JSON、按顺序排列的素材哈希值、任务/请求 ID、时间戳、费用、审核结果、返回的元数据和输出校验和。
6. **立即下载：**直接任务记录仅保留有限时间，结果和末帧 URL 也可能过期。将媒体存储到项目控制的持久化存储中。
7. **扩量前审核：**在批量生成前，排除结构、权利、音频或连续性方面的问题。
8. **按常规流程完成：**进行剪辑、稳定、变速、添加精确字幕/标识/法律文案、混音、转码，并核实交付规格。

对于回调，如果网关提供来源或签名验证，请进行验证；接受重复投递；以幂等方式转换任务状态；并在必要时通过有限轮询以及指数退避和随机抖动作为后备方案。明确处理 queued、running、succeeded、failed、expired 和 cancelled 状态。审核失败后不要无休止地重新提交。

重新生成前先诊断

症状	可能原因	首选修复方法
主体身份发生偏移	人脸／主体太小、拼贴／多视角造成歧义、绑定较弱	使用清晰的特写图和一张造型图；定义并重复使用一个主体标签；优先排列身份参考
出现重复的人物／产品	多视图含糊不清，或提示词过于拥挤	使用单主体参考图；绑定每个角色；禁止重复；将拥挤的动作拆分成多个镜头
产品几何形状错误	动作／风格参考压过了产品参考	减少参考图；明确说明必须保持不变的特征；采用更慢、幅度更小的旋转；之后再合成精细的标签细节
风格偏向写实	写实的源素材与要求的风格化效果冲突	全局指定目标风格，并说明不应继承源素材的哪些维度
出现意外字幕／标志	语音或源素材中的文字触发了图形先验	移除无关的源文字；说明不生成文字；尝试横屏；在后期添加文字／标志；接受提示词无法保证其不出现
首尾帧转场跳跃	宽高比／栅格不匹配，或变换过于复杂	将两帧预先裁剪为相同的受支持栅格；简化动作；仅在可以接受时使用自适应比例
忽略精确节拍	模型的时间控制较为近似	使用有序镜头，不设严格时间戳；分别生成镜头，再以确定性方式编辑时长
摄像机不稳定	同时指定了太多摄像机动作	每个镜头只保留一个主要运镜；减少主体动态
对白被截断／发音错误	字数过多、词语生僻／多音，或时长不足	缩短／调整措辞以便按读音发音，简化措辞，延长时长，或在后期配音
音频结尾出现咔嗒声	生成的语句／音乐在片段边界处结束	重新生成并确保结尾干净，或在后期应用较短的淡出／包络处理
延长片段的接合处跳跃	生成边界处回退或不连续	在接合处附近裁剪／对齐，按动作剪辑，插入过场镜头，或从更平顺的转场重新生成
延长片段质量下降	从退化的输出反复重新编码／生成	限制链条深度；重复使用高质量身份锚点；从最后一个干净状态重新生成
真实人脸被审核拒绝	直接上传并非可信／获授权的肖像路径	使用 ModelArk 获授权的真人素材流程、获批的预设角色，或符合条件的同账号可信输出；切勿规避过滤机制
请求被拒绝	架构、角色组合、格式、时长、区域、配额或参数不受支持	根据当前实际使用的端点进行验证；移除跨网关字段；查看结构化错误后再更改创作意图

只有在将失败归类为契约、素材、提示词、模型波动、审核或后期制作问题后，才重新生成。保留已成功的部分，不要重写整个提示词。

将输出作为交付成果进行审核

检查完整文件，而不只是缩略图或首帧。

画面与运动

• 主体／产品身份、数量、比例、手部、面部、接触、遮挡、反射、阴影；
• 动作顺序、因果连续性、物理合理性、速度、屏幕方向；
• 摄影机运动轨迹、焦点、地平线、构图、裁切、转场、重复的背景人物；
• 按指定维度评估参考内容的还原度，而不是笼统地判断相似度；
• 文本／Logo 准确性，以及任何不需要的来源标记。

音频

• 对话措辞、说话者归属、清晰度、发音、情绪、口型同步；
• 音效时间、环境音连续性、音乐是否合适、削波、爆音、噪声、突兀的尾音；
• 最终混音后的单声道兼容性、响度、真峰值和相位。

技术

• 时长、帧率、分辨率、宽高比、编码格式／配置文件、像素格式、位深、音轨、文件完整性；
• 文档说明 4K Standard 输出为 10-bit H.265/HEVC；如果审核环境无法解码，应转码生成审核代理文件，同时保留母版；
• 不得将已过期的远程 URL 视为母版素材。

编辑与安全

• 镜头以正常播放速度呈现时，符合创作简报要求；
• 每个人物、声音、商标、作品、源片段和音乐参考均有记录在案的授权；
• 不存在欺骗性冒充、误导性声明、隐私泄露、政策违规或未披露的合成影像；
• 保留所需的披露信息、水印、元数据和来源信息。

公开发布、广告声明、真实人物、政治／新闻场景、健康／金融／安全声明、未成年人或任何高影响用途，都必须经过人工审核。

权利、同意与安全操作

上传前，为每项素材记录来源、所有者、许可证、允许的转换、地域、期限、模型训练限制和发布状态。技术上接受上传并不代表已获得授权。

获取对某人面部、身体、表演和声音的明确且范围清晰的许可。ModelArk 的已授权真人库采用验证和授权机制；适用时应使用该途径。未经适当授权，不得描绘在世或已故人物；不得以欺骗方式冒充他人、制作未经同意的私密内容，或绕过人脸／公众人物过滤器。

不要仅仅因为模型能够近似生成，就要求生成受版权保护的角色、系列作品世界、名人肖像、标志性表演、受保护的 Logo 或对在世艺术家的模仿。应采用自有／公有领域／原创创作方向，或记录许可证。BytePlus 的条款规定，客户须对输入和输出的合法性负责，并指出输出可能并非独一无二；BytePlus 不保证输出不侵犯权利。

不得移除或隐藏所需的 AI 标识、水印、凭证、标识符、元数据或其他来源信号。在具体情境或法律要求时，披露合成媒体。保留原始生成内容、请求记录、同意记录和最终编辑的来源信息。

切勿绕过审核。如果无害请求被拦截，应检查服务提供商的错误信息、消除歧义、使用文档说明的授权素材途径，或联系服务提供商支持。网关接受内容，并不意味着该用途合法或安全。

来源登记

上述易变信息已于 2026-07-09 重新核实。由于模型 ID、限制、访问权限、架构和价格可能变化，投入生产前请再次核查。

主要来源和官方资料：

• ByteDance Seed — Seedance 2.0 模型页面 — 架构／能力定位和内部基准测试披露。
• Team Seedance，《Seedance 2.0：推进应对复杂世界的视频生成》 — 官方模型卡；原生多模态音视频生成、输入模态、原始时长为 4–15 秒以及参考素材限制。
• BytePlus ModelArk — Seedance 2.0 系列教程 — 变体、ID、创建模式、4K、竖屏素材路径、限制和运维故障排查。
• BytePlus ModelArk — 提示词指南 — 主体绑定、镜头排序、摄像机／动作指导、素材优先级和已记录的故障恢复方法。
• BytePlus ModelArk — 创建视频生成任务 — 权威的直接请求架构和媒体限制。
• BytePlus ModelArk — 获取任务 — 状态、输出元数据、用量和结果处理。
• BytePlus ModelArk — 产品更新 — 1080p／4K 时代的平台变更和输入格式更新。
• BytePlus 视频生成服务条款 和 GenAI 可接受使用政策 — 地域、权利、来源证明、同意和安全义务。
• BytePlus 内容预过滤常见问题 — 公众人物面部／声音相似度过滤和隐私声明。

已核实的网关文档，不属于 BytePlus 直接合同：

• fal 文本转视频架构、fal 图像转视频 和 fal 参考素材转视频。
• Replicate Seedance 2.0 架构 和用量指南。

独立证据，请谨慎使用：

• Artificial Analysis Seedance 系列页面 报告了盲测用户偏好竞技场结果，以及价格和生成时间测量。应将其视为有日期的比较信号，而非特定参考素材／剪辑／音频任务适用性的证明；引用排名前，请检查样本数、测试路径、分辨率和方法。
• TechRadar 的独立制作分析 提到闪烁异常、肢体动作、重复出现的临时演员、塑料质感的皮肤，以及较长拼接作品中大量传统后期制作工作。这属于新闻观察，并非对失败频率的受控估算。官方提示词指南本身对身份、重复内容、字幕、延长和音频问题的故障排查，才是上述恢复流程更有力的依据。