Seedance 2.0 是字节跳动最新的 AI 视频生成模型，于 2026 年初发布。它结合强语义理解与物理仿真，让你像导演一样控制成片：你描述什么就得到什么，角色与场景在多镜头间保持一致。

核心能力

• 多模态输入 — 可混合图片（最多 9 张）、视频（最多 3 段、总时长≤15 秒）、音频（最多 3 个 MP3、总时长≤15 秒）与文字，同一提示中最多 12 个文件。
• 2K 电影级 — 专业级输出，2K 约 45–60 秒出片，4 秒高清约 10–15 秒。
• 原生音画同步 — 声音与画面一体生成；口型同步支持 8+ 种语言，音素级精准。
• 多镜头叙事 — 一条提示可生成多个连贯镜头，角色与视觉风格一致。
• 角色一致性 — 同一角色可贯穿多场景，避免「AI 变脸」。

Seedance 2.0 提供两种主要模式：文生视频（T2V）纯文字描述，图生视频（I2V）从参考图出发。第一支视频建议先用文生视频，感受模型如何理解语言。

五元素提示词公式

使用：[主体]+[动作]+[场景]+[风格]+[情绪]。示例：「一位 30 多岁的女摄影师，棕色短发、复古牛仔外套，在中央公园拍摄秋叶。她蹲下、调整相机、透过取景器取景。黄金时刻光线，纪录片风格，暖色调，平静沉思的氛围。」

参数设置

生成与下载

点击生成。2K 电影级约 45–60 秒；4 秒高清约 10–15 秒。检查情绪、风格与动作是否符合预期，不满意可改提示词重新生成，满意后下载。

Seedance 2.0 的 @ 引用系统可为每个上传文件指定用途。在提示词里输入 @ 会弹出已上传的图片、视频、音频，再在文案中明确分配角色。

示例

• @图片1 作为首帧 — 定义角色或场景外观。
• @视频1 参考运镜/动作 — 复用运动与构图。
• @音频1 用于配乐或口型 — 驱动节奏与情绪。

最佳实践

• 角色参考：正面、光线充足，避免极端角度或过重滤镜。
• 风格参考：成片灯光与色调会强烈参考该图。
• 动作参考：动作清晰、简单；3–5 秒片段效果往往更好。

可在一条提示中组合多张图、多段视频与音频（总文件数≤12），一次性精确控制画面、动作与声音。

Seedance 2.0 支持在一条提示中写多镜头叙事：用「镜头 1：… 镜头 2：…」分段描述，模型会保持角色与视觉连贯。也可描述单镜头内随时间的变化（例如「8 秒内从广角缓慢推到特写，光线由暖黄过渡到冷蓝」）。

镜头与风格术语

• 推进 / 拉出 — 镜头向主体靠近或远离。
• 推轨 / 追踪 — 镜头与主体同向或跟随移动。
• 手持 / 稳定器 — 自然晃动与平滑漂浮。
• POV — 第一人称视角。纪录片感 / 电影感 / 黄金时刻 — 风格与光线。

常见问题与应对

• 脸一直变：用图生视频并上传清晰参考图，在提示词中重复角色外貌描述。
• 动作不自然：每镜只写 1–2 个清晰动作；可加「自然动作」「真实动态」。
• 成片与提示不符：去掉互相矛盾的指令；把复杂提示拆成多段或分镜。
• 音画不同步：明确写出对音频/音乐风格的描述；用 @音频 做参考。