用途
Seedance 2.0 是字节跳动的视频生成模型，本技能通过 inference.sh CLI（belt）调用它来生成带同步音频的视频。它把文生视频、图生视频和多模态参考生视频统一在同一个模型下，适合需要快速由文字或素材产出短视频的场景。
主要能力
统一生成模式：模型会根据输入自动判断生成模式，包括纯文字生成视频、以一张图作首帧生成视频、同时给出首尾帧控制起止画面，以及使用参考图/参考视频/参考音频引导生成。
同步音频：通过 generate_audio 参数可生成与画面同步的音频，默认开启。
多模态参考：可提供最多 9 张参考图、最多 3 段参考视频（每段最长 15 秒，合计最长 15 秒，mp4/mov）和最多 3 段参考音频（每段最长 15 秒，合计最长 15 秒，wav/mp3）。参考音频需配合至少一张图或一段视频使用。这些素材可用于引导人物外观、服装、场景、镜头运动、动作和声音风格。
Studio 人像一致性：Studio 和 Studio Fast 版本会通过 safety_identifier 自动把参考图上传到 BytePlus 私有虚拟人像素材库，用于增强人脸/角色的一致性，适合人脸和品牌角色。
视频编辑与延长：支持替换视频中的元素（如把视频 1 中的香水替换为图 1 中的面霜），以及拼接多段视频实现平滑过渡与延长。
四种模型版本
- Seedance 2.0（bytedance/seedance-2-0）：最佳质量，最高 1080p。
- Seedance 2.0 Fast（bytedance/seedance-2-0-fast）：生成更快，最高 720p。
- Seedance 2.0 Studio（bytedance/seedance-2-0-studio）：质量 + 私有素材库，用于人像一致性。
- Seedance 2.0 Studio Fast（bytedance/seedance-2-0-studio-fast）：快速 + 私有素材库，用于人像一致性。
以上模型均支持文生视频、图生视频、多模态参考生视频和同步音频生成。
使用方式
需先安装 belt CLI 技能并登录：
npx skills add belt-sh/cli
belt login
基本调用示例：
belt app run bytedance/seedance-2-0 --input '{
"prompt": "a jazz band performing in a dimly lit club",
"generate_audio": true
}'
可用 belt app search "seedance" 搜索应用，用 belt app list --category video 浏览相关视频应用。
参数
- prompt：字符串，必填，视频文字描述。
- generate_audio：布尔，默认 true，生成同步音频。
- duration：整数，默认 5，秒数范围 4–15，-1 表示自动。
- ratio：枚举，默认 adaptive，可选 21:9、16:9、4:3、1:1、3:4、9:16、adaptive。
- resolution：枚举，默认 720p，可选 480p、720p、1080p（Fast 版本仅 480p、720p）。
- seed：整数，默认 -1（随机），用于复现。
- watermark：布尔，默认 false，是否加水印。
- safety_identifier：字符串，用于安全策略的唯一终端用户标识，最多 64 字符，建议使用用户 ID 的哈希。
- image：文件，首帧图片（与参考类输入互斥）。
- end_image：文件，尾帧图片（需先有 image）。
- reference_images：文件数组，最多 9 张（与 image/end_image 互斥）。
- reference_videos：文件数组，最多 3 段。
- reference_audios：文件数组，最多 3 段，需配合至少一个图像或视频。
首尾帧模式与参考模式互斥，不能同时使用。
提示词写法
用“类型 + 序号”引用素材，如 Image 1、Image 2、Video 1、Audio 1，序号是它在对应数组中的位置，不要在提示词中使用素材 ID。常用公式：
- 图像参考：“Refer to the [subject] from [Image N] to generate [scene], keeping [subject] consistent”
- 视频参考：“Refer to the [camera movement/action] from [Video N]”
- 音频参考：“[Character] says: [dialogue], voice style referenced from [Audio N]”
- 视频编辑：添加“At [timing] of [Video N], add [element]”；删除“Remove [element] from [Video N], keeping the rest unchanged”；替换“Replace [element] in [Video N] with [new element]”
- 视频延长：向前“Generate content after [Video N]: [description]”；向后“Extend the opening of [Video N]: [description]”；拼接“[Video 1] + [transition] + followed by [Video 2]”
适用场景
- 由文字描述直接生成带音频的短视频或电影感镜头。
- 将静态图片动画化，或用首尾帧控制精确转场。
- 用多张参考图/视频/音频制作角色一致、服装与场景可控的短片。
- 替换元素式视频编辑和拼接多段素材延长视频。
- 用 Studio 版本维持人脸或品牌角色的高度一致性，例如产品广告。
限制与计费
- 首尾帧输入与参考素材输入互斥，不能混用。
- 参考视频和参考音频每类最多 3 段，每段最长 15 秒，合计最长 15 秒。
- Fast 版本分辨率仅支持 480p 和 720p。
- 计费按 token：Seedance 2.0 为 $4.30–$7.70/百万 token（随分辨率和输入类型变化），Fast 为 $3.30–$5.60/百万 token。token 计算公式为 (width x height x fps x duration) / 1024。
运行、流式结果与内容管线等更多说明见官方文档。