mcpField
S
seedance-v2

seedance-v2

github.com/prime-skills创意与媒体61437.5k 次安装24 周前更新
代码仓库

关于 seedance-v2

seedance-v2 是通过 RunComfy Model API 调用 Seedance 2.0 Pro 的多模态视频生成技能，面向需要融合图像、视频和音频参考素材的短视频创作者。它可在生成过程中合成同步语音、音效或音乐，并支持种子值复现。

主要功能

  1. 01融合图像、视频和音频参考
  2. 02生成同步语音、音效或音乐
  3. 03用图像参考保持人物身份
  4. 04设置画幅、时长和分辨率
  5. 05通过种子值复现生成

适用场景

  1. 01制作带口型同步的口播广告
  2. 02生成保持品牌人物一致的多语言叙事
  3. 03制作电影短片预演
  4. 04依据参考音乐或旁白音色制作广告

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/prime-skills/runcomfy-agent-skills --skill seedance-v2

安装后在 Claude Code 中输入/seedance-v2确认已加载。

详细介绍

Seedance 2.0 Pro — RunComfy Pro 套餐

runcomfy.com · Seedance 2.0 Pro · GitHub

ByteDance Seedance 2.0 Pro——多模态电影级视频生成器，支持原生口型同步音频，由 RunComfy Model API 托管。

npx skills add agentspace-so/runcomfy-skills --skill seedance-v2 -g

何时选择此模型（而非同系列其他模型）

Seedance 2.0 Pro 的独特优势在于多模态电影级短片：将角色图片、场景视频和参考音频组合成连贯的镜头。当参考人物身份或场景的还原度至关重要，且需要原生口型同步时，应选择此模型。

需求使用
口型同步的代言人／对话广告Seedance 2.0 Pro
多模态参考（图片 + 视频 + 音频）Seedance 2.0 Pro
保持品牌一致性的多语言叙事Seedance 2.0 Pro
目前盲测投票中排名第一的视频质量HappyHorse 1.0
根据自己的音轨驱动口型同步Wan 2.7（audio_url）
编辑现有视频素材的动作Kling Video O1
超快速迭代LTX 2

如果用户明确提到“Seedance”、“Seedance 2”或“ByteDance video”，则无论如何都应路由到此模型。

先决条件

  1. RunComfy CLI — npm i -g @runcomfy/cli
  2. RunComfy 账户 — runcomfy login 会打开浏览器设备代码验证流程。
  3. CI／容器 — 设置 RUNCOMFY_TOKEN=<token>，而非使用 runcomfy login。

端点 + 输入架构

bytedance/seedance-v2/pro
字段类型必填默认值说明
promptstring是—中文 ≤ 500 字符，或英文 ≤ 1000 词。
image_urlarray否[]0–9 个参考素材（JPEG/PNG/WebP/BMP/TIFF/GIF）。
video_urlarray否[]0–3 个片段，每段 2–15 秒（MP4/MOV）。
audio_urlarray否[]0–3 个音频参考，2–15 秒，每个文件 < 15MB（WAV/MP3）。
aspect_ratioenum否adaptiveadaptive、16:9、9:16、4:3、3:4、1:1、21:9。
durationint否54–15 秒（整数）。
resolutionenum否720p480p 或 720p。
generate_audiobool否true在生成过程中同步生成语音／音效／音乐。
seedint否—用于复现结果。

调用方式

默认设置（仅文本，5 秒，720p，带音频）：

runcomfy run bytedance/seedance-v2/pro \
  --input '{"prompt": "<user prompt>"}' \
  --output-dir <absolute/path>

带角色参考的口型同步广告（图像保持稳定，文本内容变化）：

runcomfy run bytedance/seedance-v2/pro \
  --input '{
    "prompt": "Medium close-up. The woman explains today'\''s special in a warm friendly tone, slow push-in, soft window light, gentle cafe ambience.",
    "image_url": ["https://.../barista-headshot.jpg"],
    "duration": 8,
    "aspect_ratio": "9:16"
  }' \
  --output-dir <absolute/path>

多模态（图片 + 视频 + 音频参考）：

runcomfy run bytedance/seedance-v2/pro \
  --input '{
    "prompt": "Subject from image 1 walks through the café from video 1, voice tone matches audio 1.",
    "image_url": ["https://.../subject.jpg"],
    "video_url": ["https://.../cafe-locked-shot.mp4"],
    "audio_url": ["https://.../voice-ref.mp3"]
  }' \
  --output-dir <absolute/path>

CLI 会提交任务、轮询状态、获取结果，并将 *.runcomfy.net／*.runcomfy.com URL 下载到 --output-dir。

提示词编写——哪些方法确实有效

图片与文本的分工。 这是最重要的一条规则。稳定的身份特征（面部、服装、品牌标记、徽标）→ 放入 image_url。不断变化的叙事内容（动作、情绪、光线、镜头）→ 放入 prompt。试图用文字详细描述面部会浪费词元，还会导致人物特征偏移。

用通俗语言描述镜头与动作。 “中近景”、“缓慢推进”、“手持跟拍”、“固定广角”等描述都能作为指令使用。也可以组合使用："Medium close-up. Slow push-in over 3 seconds. Handheld, slight breathing motion."

使用 generate_audio: true 时指定音频方向——描述语气，例如："warm friendly conversational"、“平静、具有指导性”或 "crisp newsroom delivery"。描述环境音时可写："gentle cafe chatter, distant traffic, no foreground music"。

参考素材规格——视频必须为 2–15 秒；音频必须小于等于 15MB 且为 2–15 秒。超出范围的文件会被拒绝。参考素材的宽高比应与输出一致，以避免裁切。

反模式：

  • 混合风格差异极大的参考素材（水彩 + 照片级写实）→ 会造成混乱。
  • 在提示词中给出相互冲突的风格指示 → 删除矛盾内容，简化提示词。
  • 试图用文字描述稳定的身份特征 → 改用 image_url。
  • 要求生成超过 15 秒的片段 → 返回 422；应拆分为多个调用。

优势场景

用例Seedance 2.0 Pro 的优势
发言人 / 对话广告原生支持生成时口型同步，无需单独进行 TTS
品牌一致的多语言叙事图像参考保持角色身份；文本驱动翻译
电影感短片预演镜头语言 + 多模态参考
带参考音乐 / 配音基调的广告创意音频参考引导声音 / 氛围，同时不会锁定口型同步
可复现的变体测试种子控制 + 固定架构

示例提示词（已验证效果出色）

默认 Playground 示例：

Golden hour on a quiet cafe terrace: a barista wipes the counter, then
looks up and explains today's special in a friendly tone, natural
lip-sync. Medium close-up, slow push-in; warm side light, soft bokeh
through glass, gentle cafe ambience and subtle film grain.

多模态口型同步（文本 + 图像）：

Same person as image 1 in a softly-lit recording booth, leaning into
the mic, says: "We just shipped the biggest update of the year."
Calm conversational tone. Medium close-up, locked tripod, shallow DOF,
warm key light from camera-left.

限制

  • 时长为 4–15 秒——此端点不支持更长的视频片段。
  • Playground 版本最高支持 720p 分辨率。
  • 参考媒体规格——视频 / 音频必须为 2–15 秒；音频 < 15MB。
  • 口型同步质量——取决于提示词是否清晰；无法保证在所有条件下都完美。
  • 不支持用于绑定角色的 @ 语法——依赖图像参考与提示词对齐。

退出代码

code含义
0成功
64CLI 参数错误
65输入 JSON 错误 / 架构不匹配
69上游 5xx
75可重试：超时 / 429
77未登录或令牌遭拒

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

该技能使用与架构匹配的 JSON 请求体调用 runcomfy run bytedance/seedance-v2/pro。CLI 会向 https://model-api.runcomfy.net/v1/models/bytedance/seedance-v2/pro 发送 POST 请求、轮询请求状态、获取结果，并将任何 .runcomfy.net/.runcomfy.com URL 下载到 --output-dir。Ctrl-C 会在退出前取消远程请求。

安全与隐私

  • 令牌存储：runcomfy login 会将 API 令牌写入 ~/.config/runcomfy/token.json，权限模式为 0600（仅所有者可读写）。在 CI / 容器中设置 RUNCOMFY_TOKEN 环境变量，即可完全绕过文件。
  • 输入边界：用户提示词会通过 --input 作为 JSON 字符串传递给 CLI。CLI 不会对提示词进行 Shell 展开；它会通过 HTTPS 直接将 JSON 请求体发送到 Model API。提示词内容不存在 Shell 注入风险。
  • 第三方内容：传入的图像 / 遮罩 / 视频 URL 由 RunComfy 模型服务获取，而非由你机器上的 CLI 获取。请将外部 URL 视为不可信内容；基于图像的提示词注入是任何图像编辑 / 视频编辑模型都面临的已知风险。
  • 出站端点：仅限 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（生成结果的下载白名单）。没有遥测，也没有回调。
  • 生成文件大小上限：为防止恶意或失控的模型输出占满磁盘，CLI 会中止任何超过 2 GiB 的单个下载。

评论

支持 Markdown