始终是同一个人的角色
提供两三张同一张脸的清晰图片——不同角度、光照一致——模型就能在整段片子以及多次生成之间保持这个身份。这正是让一组镜头看起来像同一个项目的关键。
示例
这个页面能产出的效果示例。
参考图生视频
多参考素材 AI 视频生成器
上传最多 30 张参考图或 10 段短视频，为新 AI 视频中的角色、产品和视觉风格提供引导。生成细节仍可能变化，请逐次检查。
最多使用 30 张参考图来引导角色、产品或视觉风格；生成细节仍可能变化。
模型
2.5 新能力：最长生成 30 秒，可用最多 30 张图片引导运动，也可仅从音频开始生成。
输入模式参考素材
请至少添加一种参考素材。图片、视频和音频可以单独使用，也可以组合使用。
参考图片（可选）0/30
参考视频（可选）0/10
MP4 或 MOV，单段 2–30 秒，总时长不超过 30 秒，单个不超过 200MB。需要配置带公开域名的 R2，模型会通过网络拉取该文件。
参考音频（可选）0/10
Seedance 2.5 支持 MP3 或 WAV；单段 2–30 秒，总时长不超过 30 秒。 支持仅使用音频作为参考。
4s30s
免费余额只用于快速试片，不是最终成片。先用较短时长和较低分辨率检查主体、动态与提示词。更完整、更有表现力的成片通常需要更长时长和模型支持的更高分辨率；需要这些设置时，请使用付费余额。
声音
有声音
同步生成声音、人声与配乐
最大预留余额：¥7.99
生成的视频会显示在这里。描述一个镜头，然后点击生成。
我的作品下载
参考图转 AI 视频 — 跨镜头保持角色与风格一致
上传最多 30 张参考图或 10 段短视频引导角色、产品和视觉风格。让主体在多个生成中保持一致。
当单靠提示词难以描述主体或视觉风格时，可以使用参考素材。角色设定图、产品图或配色板能为模型服务商提供更多上下文，但它不是后期锁定，也不能保证跨生成的一致性。请保持参考集聚焦，单独描述镜头，并在使用结果前检查生成片段。
- 最多 30 张参考图、10 段参考视频和 10 个音频文件
- 参考素材作为生成引导
- 逐条检查角色与细节
不同参考素材如何引导输出
不同类型的参考素材引导生成的不同方面。
始终是你那件产品
配色、比例、品牌标志位置、材质。文字提示会生成一个看似合理的物体；参考图锁定的才是真实对象——对任何商业用途来说，这一点不容妥协。
立得住的美术方向
配色、颗粒、对比度、年代感、镜头质感。投入一组共享同一种质感的静图，这种质感就会被迁移过去，于是一批片子看起来属于同一个完整系列，而不是一堆风格拼贴。
如何选择合适的参考素材
人的第一反应是把手上所有素材都传上去。忍住——参考之间会互相竞争，九张互相矛盾的图，效果不如三张彼此一致的图。挑那些共享同一套布光逻辑、并且对「你想锁住的东西」毫不含糊的图：锁脸，就用同一个人在相近光线下的两三个角度；锁产品，就用一张干净的主图加一张细节图；锁质感，就用真正共享同一种调色（而不只是「氛围相似」）的静图。把不想被带过去的部分裁掉，因为模型没法知道那个杂乱背景只是偶然入镜。
视频参考和图片参考的工作方式不同，值得刻意区分。图片说的是「东西长什么样」，视频片段说的是「东西怎么动」——节奏、运镜行为、一个动作的韵律；音频参考则可以在没有画面素材的情况下引导声音。Seedance 2.5 单次最多接受 30 张图片、10 段视频和 10 个音频文件，但输入越多并不自动越好。参考素材还要符合供应商对单个文件和总时长的限制，所以要挑出承载运动的那一小段，而不是把整条素材传上去。
三张强参考胜过九张弱参考
互相冲突的光线或矛盾的角度会迫使模型去做平均。你的参考之间有多一致，输出就有多一致。
图片承载外观，视频承载运动
用静图锁定身份与美术方向，用片段借来运镜或动作韵律。把两者放进同一次请求，正是这个工具最强的用法。
模型规格
Seedance 2.5 AI 视频生成规格
模型的实际规格限制，而非营销数字。每个数值都在生成器提交前校验。
- 480p / 720p / 1080p
- 该模型的输出分辨率 —— 智擎云 全部模型最高可达 4K
- 4–30 秒
- 每次生成的片段时长，帧率为 24 帧/秒
- 原生音频
- 音效与环境声与画面同步生成
- 30 + 10 + 10
- 单次请求可用参考图、参考视频与音频数量
- 支持 7 种画面比例
- 支持的画面比例：自动, 16:9, 4:3, 1:1, 3:4, 9:16, 21:9
- 付费生成支持商用
- 具体以《服务条款》为准
为什么创作者在 智擎云 上生成 AI 视频
模型来自字节跳动。智擎云 提供的是让它可用于工作的部分：真实的规格、透明的计费、可商用的成果。
文字·图片·视频单次生成
文本、最多 30 张参考图、10 段参考视频和 10 个音频参考可以共同引导同一次 Seedance 2.5 生成，而不是事后拼接。这里没有需要来回切换的「文生视频模式」——你手上有什么素材就丢进去，模型自己去调和它们。
声音与画面一起生成
开启音频后，Seedance 2.5 可随视频生成脚步、房间环境声、撞击声、对白和配乐。发布前请检查声音的时机与内容；如需单独设计声音，也可以关闭音频。
七种画幅，最高 4K
同一条提示词可以产出 9:16 竖版短视频、16:9 的 YouTube 主片，以及 21:9 的宽银幕片头。分辨率从 480p 到 4K，同一个镜头既能适配宽银幕画幅，也能用于手机。
可预测的积分消耗
最大预留积分根据所选模型、时长、分辨率、画面比例和参考视频输入计算，并在提交前显示。视频任务成功后，若供应商报告的实际用量更低，则返还未使用的积分；确认失败的任务会退回全部预留积分。
为高效迭代而设计
用 Mini 低成本探索提示词；需要兼顾生成速度与成本时选 Fast；当镜头需要更长时长或更丰富的参考输入时选 Seedance 2.5。切换模型会发起一次新的生成，结果可能有所不同。
成片归你，可直接变现
使用付费订阅或已购买积分包生成的内容，可依《服务条款》用于商业用途；仅使用注册赠送或促销积分生成的内容，只限评估和个人使用。
三步：用参考素材生成视频
参考素材配置一次，这个系列后面的每个镜头都会继承它。
- 1
附上参考素材
上传最多 30 张图片、10 段片段和 10 个音频文件。把每一份都裁到你希望模型参考的角色、产品、场景、风格、动作或声音上，并剔除彼此冲突的参考。
- 2
只描述新增的部分
参考素材已经说清了「东西长什么样」。你的提示词应该说的是「发生什么」和「镜头怎么走」——把参考里已有的内容再描述一遍，等于浪费了这条指令。
- 3
生成整个系列
保持参考集不变，只改提示词，就能产出第二、第三、第四个镜头，而它们都属于同一个世界。
参考素材改变结果的场景
下面每一项在纯文字模型上都会立刻失败，原因相同：必须有东西精确地保持它本来的样子。
有固定面孔的品牌系列项目
出现在十几条片子里的代言人或吉祥物，每次都必须是同一个人。锁定角色参考，才能把「十几个陌生人」变成一个完整系列项目。
规模化的商品视频
几百个商品款号，每一个都需要动态、每一个都必须准确。换掉产品参考、保持提示词与美术方向不变，整个商品库的风格就统一了。
连载与剧集类内容
跨集出现的角色和场景，需要的是提示词无法保证的连贯性。参考素材给了一个系列真正的贯穿线。
参考图转 AI 视频 — 常见问题
什么是参考图生视频？
它是一种接受源图片、视频或受支持音频作为引导的视频生成方式。使用 Seedance 2.5 时，单次最多可添加 30 张图片、10 段视频和 10 个音频文件，然后描述想要生成的镜头。
一次最多能用多少份参考？
单次 Seedance 2.5 请求最多 30 张图片、10 段视频和 10 个音频文件。每个模型的单次上限都不同，切换模型就会改变你能上传的数量。参考素材还要符合供应商对单个文件和总时长的限制。更多并不自动等于更好——彼此矛盾的参考会让结果变差。
角色身份的一致性到底有多稳？
没有固定的一致性保证。两三张主体相同、光线相近的清晰参考图，通常能提供更好的引导；极端角度、遮挡或互相冲突的参考素材会增加漂移。
图片参考和视频参考有什么区别？
图片参考主要引导外观，例如身份特征、颜色、材质和美术方向；视频参考可提供动作、运镜和节奏等动态信息。两者可以在同一次请求中使用，但生成细节仍可能变化。
参考生视频与图片转视频有什么区别？
图片转视频会把一张上传图片作为必需的首帧；参考生视频则把一张或多张图片或视频片段作为新镜头的引导，因此参考素材不必出现在第一帧。
可以用真人照片当参考吗？
仅在获得当事人同意的前提下可以。模型无法核验授权，因此责任在你。未经同意生成可识别的真人，不符合本服务的商业使用条件。
探索更多 AI 视频工具
每个工具都是同一个 Seedance 2.5 模型的不同应用。自由切换 — 积分、历史和导出共享。