Seedance 2.5
字节跳动新一代专业级多模态视频创作模型。长叙事 × 强参考 × 准编辑 × 多语言四大能力升级， 面向真实生产场景系统性补强，让视频可复用、可交付、可规模化生产。现已接入 a2e。
用这个模型做出来的东西
核心能力
以下五条与其中的数字均取自 Seedance 官方说明，在 a2e 上的实际表现以你生成的结果为准。
一次投喂整套素材，跨镜头稳得住
角色集合、场景集合、参考镜头、品牌音乐可以一次性喂进去，模型综合理解后输出贴合创意意图的成片。多个主体跨镜头时，各角色的面孔、神态、服饰保持稳定；同一主体在多个场景之间切换，形象与风格也始终统一。
单段 30 秒直出，短素材还能自然延长
单段直出从 2.0 的 15 秒提升到 30 秒，一条里就装得下完整的情绪起伏与剧情推进，不用后期拼接。另有高保真时序延长，能在保持人物、场景、镜头一致的前提下，把短素材自然延展成更长的成片。
一次生成里可以给 50 个参考
一次最多 50 个参考素材 = 30 张图（4K 以内）+ 10 段视频（总时长 ≤ 30 秒）+ 10 段音频（总时长 ≤ 30 秒）。相比 2.0（图 9 张、音视频各 3 段、总时长 15 秒）扩了一大截。这一版还新增「只参考音频」——直接用一段 BGM、人声或音效驱动画面节奏、卡点与口型对齐。
只改一处，不重新生成整段
把原片用 @视频1 喂进去，再用提示词说清楚要改哪里，模型就在锁定其余画面的前提下完成局部改写——换掉不对的物体、调视觉细节、改人物表情或年龄、换整体风格。光照、构图、运动与时间线的连续性都保留，不用整段重出。
多语言，且不再乱加字幕与配乐
原生支持中文、英语、西班牙语、印尼语、马来语、泰语、阿拉伯语、葡萄牙语、越南语、日语、韩语等 10 余种语言，用母语写提示词即可，不必先翻译。不只是念得对——书写与发音都按目标语言来，还会依据语种替换匹配的人物面孔等元素。
先分清三种任务
官方实践手册专门立了一节讲这个，原因很直白：参考、编辑、延长这三类常被混用，一混就会 Prompt 错位、素材引用方式失当，最后生成结果不可控。动手前先对号入座。
参考生成：手上没有成片
以图片、视频、音频作参考素材，从零生成一段全新视频。提示词写法是「生成要求 + 参考素材」，素材用 @ 引用：@图片N、@视频N、@音频N。
视频编辑：改已有成片的局部
对一段已有视频做局部改写、替换或增删，其余画面锁住不动。写法是「修改要求 + @视频1（原片）」，需要时再补图片或音频参考。
视频延长：给已有成片续写
基于原片的画面、节奏与风格续写新片段。不只是往后接——向前续写、给两段或三段视频中间补全都支持。延长片段的时长可以在提示词里自己指定。
有几个参数是模型自动锁的，改不了
用视频编辑、视频延长或首尾帧能力时，模型会依据参考素材自动锁定部分生成参数：编辑的输出比例严格对齐原片、时长基本对齐原片；延长的比例同样对齐原片，但片段时长可自定义；首尾帧生视频的比例对齐首帧图，尾帧画幅不一致会被拉伸——所以首尾帧最好用同一画幅，否则会形变。
提示词与素材配比
2.5 的提示词工程调整后，对提示词质量的要求明显更高，官方强烈建议先做一轮 prompt 优化。下面几条是官方经大量评测得出的配比建议。
能传 50 个，不等于该传 50 个
主体是音视频：1–5 个效果好，6–10 个可以试但稳定性下降、可能要抽卡；单段控制在 5–10 秒，更长同样会掉稳定性。
主体是图：1–8 个效果好，9–12 个可以试。1–5 主体单视图、多视图都行；超过 5 主体「单视图」更稳，要多视角就拆成多张图，别把多视角塞进同一张。
另外几条：视频编辑的输入视频建议 20 秒以内；视频参考图编辑用 1–5 张参考图；多宫格分镜目前适用于 15 个以内，推荐火柴人或线稿，别在分镜图上写太多字；白模用粗粒度（简单几何体拼接）效果反而更好。
什么算一个「主体」
画面里希望模型稳定还原、贯穿全片的核心元素都算——人物角色、关键产品或道具、场景环境、整体风格。举例：口播片里只有出镜模特一个主体，传模特的多视图（5 张以内）就够；而「一个人在森林里拉弓射中一只兔子」里，人、弓箭、兔子各算一个主体，都需要稳定还原。
换语种版本，一句话就够
官方给的转语种提示词写得极简：「将声音、台词、旁白、标题字幕中的任何英语都改为法语／日语，其他均保持一致」。一次创作输出多语种口播版本，用来做出海本地化最省事。
提示词怎么写
官方原话是「把 Seedance 2.5 当作一个视觉内容生产者，用导演的思维书写结构化 Prompt」。下面是官方提示词指南里的写法要点。
官方提供了调优 skill，强烈推荐先装上
在本地项目里用 NPX 安装：
npx --yes skills@latest add \
"https://arkdocs.tos-cn-beijing.volces.com/skills/" \
--skill sd25-pe \
--yes装好后，在 AI 对话框输入 /sd25-pe + 你的提示词内容，就能开始调试。2.5 的提示词工程调整后对提示词质量要求明显更高，官方把这一步标为「强烈推荐」。
结构化 Prompt 的四段
1 · 素材指代——按上传顺序标明每个图／视频／音频的编号与用途：谁是形象、谁是音色、谁是动作、谁是场景。
2 · 一句话概述——主体 + 地点 + 事件 + 题材／风格 + 特殊运镜。
3 · 具体情节——用时间戳或「镜头 N」切分，逐段写画面、运镜、动作、台词、音效，尽量用正向描述。
4 · 结尾——补充贯穿全片的机位／运镜、环境、声音、氛围。
素材一多，映射关系比画面描述更要紧
不要只在图片里呈现映射信息。比如在主角图上写「张三」，然后提示词里直接写「张三在学校……」，容易导致多人混淆或角色重复。要逐一做文本绑定：「img1-2 是人物 1，对应音频 1；img3-4 是人物 2，对应音频 2」。
分工要具体到「参考什么」：「参考视频 1 中施法的动作，视频 2 的环绕式运镜」。反过来，当参考素材本身已经够精准时，只做指代、减少画面复述——写「严格参考视频 1 的动作与运镜，顺序保持一致」就够，不必再逐条描述抬手、转身、环绕。
时间戳与负向控制
时间戳以 1 秒为单位。注意时间轴的连续性，别出现「0-3 秒……5-6 秒」这种断档。某段内容太少模型会自由发挥，太多则会过度剪切或漏剧情。不建议用时间戳控制频次，比如「一秒摇头 3 次」。
负向控制可以管字幕和音频，音频还能分维度：「不要字幕」「无 bgm，只生成环境音和动作音」。
从 2.0 迁过来，这四条写法变了
时间戳：2.0 只响应镜头序号，2.5 响应整数秒的时间戳。
多视图：2.0 不建议用多视图作主体参考，2.5 支持。
宽高比：2.0 输出只有固定 6 档，2.5 可以通过控制输入素材，输出 0.4 到 2.5 之间的任意宽高比。
输出格式：2.5 支持 MOV，在延长和编辑任务里能更好地保持颜色亮度一致与声画一致——所以做这两类任务时建议选 MOV。
体验时能调什么
下面是官方体验中心开放给这个模型的参数，用来判断它够不够你的交付要求。a2e 上实际开放的参数以产品页为准。
先选模式，再设参数
四种模式：参考生成、首尾帧、视频编辑、视频延长。选哪种，决定了哪些参数会被输入素材锁死——编辑和延长严格对齐原片的画面比例，首尾帧对齐首帧图的画幅，这几种情况下比例就不再由你决定。详见上面「先分清三种任务」。
逐项参数
分辨率：480p / 720p。画面比例：21:9、16:9、4:3、1:1、3:4、9:16，也可以交给「智能」按素材自己判断。视频时长：既能按秒数指定，也能用「智能时长」交给模型。此外还有视频格式（延长与编辑任务建议选 MOV）、是否输出声音，以及单次生成数量，一次最多 8 条。
不必从零攒素材
官方体验中心带模版库和素材库：模版库一键复用现成配置直接出片，素材库能自由组合图片、视频、音频生成自定义视频。另外还预置了覆盖多参考生成、视频编辑等场景的示例，用来快速验证模型能力。
文档与入口
要做集成看开发者文档，想直接用就从下面进。
