用途：本技能是 Seedance 2.0（字节跳动 Seed 团队，2026 年 2 月发布）的提示词与能力指南，帮助用户为这一多模态音视频模型撰写有效的生成指令。模型单次调用可接收文本、图像、音频和视频，生成 4–15 秒且带原生同步音频（对白与口型、音效、环境声、音乐）的片段。
主要能力：支持文生视频（仅提示词）、图生视频（1 张起始图 + 提示词）、首尾帧（first_frame + last_frame + 提示词）、参考生视频（1–9 张图 + 最多 3 个视频 + 最多 3 个音频，共最多 12 个文件）、多镜头（提示词含镜头列表/时间线，单次 15 秒内约 6 个镜头）以及视频延长（在已有片段上续接）。原生规格为 480p/720p、4–15 秒、24 fps，宽高比支持 auto、21:9、16:9、4:3、1:1、3:4、9:16；音频默认开启（generate_audio: true）且不额外收费。
使用方式：核心提示词公式为 [Subject] + [Action] + [Environment] + [Camera] + [Lighting] + [Style] + [Constraints]，顺序影响权重，前 2–3 条指令最可靠，超过约 8 条要求后遵循度下降。单镜头建议 60–100 词，硬上限约 3000 字符。关键规则包括：每个镜头只用一个主运镜；不把镜头运动与主体运动混在同一分句；明确写出光线；用物理描述而非空泛形容词；用具体风格锚点；参考素材用 @Image1、@Video1、@Audio1 按输入顺序标注并说明其控制对象（身份、运镜、风格或音频）。音频通过文字提示控制，对白用双引号包裹并保持简短，可用 no music 等短语抑制默认配乐。
适用场景与限制：适合需要精确镜头语言、角色/风格一致性和同步音频的短视频生成。限制包括单次 15 秒上限、复杂多人场景中运动与物理可能出错、画面文字渲染效果差、长片段或拥挤画面中角色身份漂移、非英语口型同步较弱、多说话人同步尚未解决、无 LoRA/微调（闭源、仅 API）。IP 保护会阻止真实人脸参考和指名名人/商标提示词。模型 ID、访问方式、定价与 API 请求结构等细节需查阅 references/access-and-specs.md，本资料未提供具体数值。