30 秒连续视频
时长是 Seedance 2.0 的两倍。一次生成完整故事，无需拼接片段，没有连贯性断裂。
← 返回 Seedance 2.5 工作室
Seedance 2.5：字节跳动最先进视频模型的完整指南
Dreamina Seedance 2.5 在火山引擎 FORCE 2026 大会上发布，可生成长达 30 秒的连续电影级视频，接受多达 50 个多模态参考，并仅凭文字即可编辑或延长现有视频。本指南浓缩了官方文档——创作模式、提示词语法、技术限制以及 DXBuilder 价格。
单次 30 秒480p · 720p7 种画幅MP4 + MOV 4:4:450 个参考11 种语言原生音频
什么是 ByteDance Seedance 2.5？
Seedance 2.5 是一款专注于长篇叙事、多模态参考和精准编辑的 AI 视频生成模型。一次调用即可生成物理效果逼真、具有电影质感且声画同步的完整 30 秒故事——也可以对你的视频进行变换、延长或修复。它是 DXBuilder Seedance 2.5 工作室的旗舰引擎。 → Studio
50 个多模态参考
单次请求最多 30 张图片 + 10 个视频 + 10 个音频。让角色、产品、标志和风格在各场景间保持一致。
提示词视频编辑
替换主角、添加或删除物体、修复画面区域或更换配乐——仅凭文字即可。
视频延长
向前或向后延续任何视频，过渡自然，光线与运动保持连贯。
原生同步音频
口型精准同步的语音、音效和音乐与画面并行生成——无需后期制作。
11 种原生语言
支持中文、英语、葡萄牙语、西班牙语、日语、韩语、阿拉伯语、泰语等的提示词与口播对白——带口型同步。
Seedance 2.5 vs Seedance 2.0：有何变化
| 能力 | Seedance 2.5 | Seedance 2.0 |
|---|---|---|
| 单次生成最大时长 | 30 秒 | 15 秒 |
| 多模态参考 | 50 个（30 图 + 10 视频 + 10 音频） | 15 个（9 图 + 3 视频 + 3 音频） |
| 纯音频参考（无图片） | ✓ 支持 | ✗ 需要图片/视频 |
| 输出格式 | MP4 和 MOV（4:4:4 色度） | 仅 MP4 |
| 视频/音频参考总时长 | 30 秒 | 15 秒 |
| 生成前规划（3D 白模） | ✓ | ✗ |
| 电影意图理解 | 远超前代（构图、镜头语言） | 基础 |
六大创作模式（及各自的规则）
引擎会根据上传的参考素材和提示词中的用词，将每个请求归类为六种任务类型之一。编辑、延长和首尾帧模式对画幅和时长有强制约束——遵守它们可以避免生成错误。
1 · 文生视频
触发方式： 只需一个提示词——无需任何文件。
规则： 无限制：自由选择画幅（16:9 … 9:16）和时长（4–30 秒）。
"FPV 无人机在雨中俯冲穿越摩天大楼，霓虹灯倒映在沥青路面上。<雨声和引擎声>（合成波音乐）"
2 · 图生视频（首帧）
触发方式： 1 张图片作为起始帧 + 描述运动的提示词。
规则： 画幅自动与图片一致（adaptive）。时长自由 4–30 秒。
"图中的人物活了过来：微笑，头发随微风飘动，镜头 360° 环绕。"
3 · 首帧 → 尾帧（First/Last）
触发方式： 2 张图片：视频的第一帧和最后一帧。引擎自动插值过渡。
规则： 画幅继承自首帧（adaptive）。时长自由 4–30 秒。
"从首帧到尾帧的电影级过渡，伴随光粒子和逼真的物理效果。"
4 · 多模态（参考）
触发方式： 组合最多 30 张图片（@Image1…）、10 个视频（@Video1…）和 10 个音频（@Audio1…）。
规则： 画幅和时长自由。⚠ 提示词中避免"编辑"或"继续"等词——引擎可能重新分类任务并返回错误。
"Reference @Image1 for the character. 角色走过夜市，镜头运动参考 @Video1。"
5 · 视频编辑
触发方式： 上传视频并使用触发词：编辑、添加、删除、替换、修改。
规则： 画幅：仅 adaptive（保持视频原画幅）。时长：自动（≈ 与原片相同，容差 0.4 秒）。输入视频须为 4–30 秒。上传视频的时长计入计费。
"Video edit: remove everyone in @Video1 except the protagonist."
6 · 视频延长
触发方式： 上传视频并使用触发词：继续、向前/向后延长、continue the story。
规则： 画幅：仅 adaptive（保持视频原画幅）。时长可配置 4–30 秒或自动。上传视频的时长计入计费。
"Extend @Video1. After the window opens, move into the art gallery shown in @Video2."
首帧（1:1）
尾帧使用的提示词："画面中的女孩对着镜头说'cheese'，镜头 360 度环绕拍摄"。输出视频自动继承首帧的 1:1 画幅。
提示词语法：官方公式
主体 + 动作/事件 + 场景与环境 + 视觉风格 + 镜头运动 / 剪辑 + 声音
可以省略不需要的部分，但请保持这个顺序——这是模型训练时遵循的结构。
( )音乐
（史诗管弦乐，逐渐增强）
< >音效（SFX）
<远处雷声> <海浪拍岸>
{ }口播对白
{欢迎来到未来！}——如语言不明显，请先注明语言
【 】屏幕字幕
【现已上线】
@参考引用
@Image1、@Video2、@Audio1——说明每个素材提供什么（外观、动作、音色）
官方文档中的真实示例
带时间块的 30 秒连续视频
一次生成 30 秒的蒸汽朋克风格视频，分三个时间窗口——[0-10s] 黄铜时钟展开为齿轮，[10-20s] 飞越走马灯和铜制缆车，[20-30s] 机械帆船、巨月并回到时钟，@Image1 的标志在最后一秒出现。
"A premium, highly cinematic 30-second 3D motion-graphics sequence in a refined steampunk style... [0-10s]: A macro close-up of an antique brass clock face unfolds into interlocking gear rings... [10-20s]: The camera glides into an ornate brass zoetrope... [20-30s]: ...In the final second, a logo appears, referring to @Image1."
1 张图片 + 6 个参考视频的产品广告
一支饼干广告，每个参考各司其职：@Image1 提供产品，@Video1 提供开场构图，@Video2 提供镜头运动，@Video3 提供慢动作冲击力，@Video4-6 提供编排、字体设计和品牌收尾。这就是在整支视频中保持品牌一致性的方法。
"...The strawberry flavor refers to @Image1. The opening builds visual focus on the fruit, referring to the composition of @Video1... one cookie snaps in half and enters slow motion, referring to the impact of @Video3..."
8 种语言演唱并口型同步的音乐视频
日落海滩上的电影级说唱，主唱用 8 种语言演唱"你好"——英语、中文、日语、韩语、葡萄牙语、泰语、西班牙语和阿拉伯语——口型精准同步，卡点硬切，8 个镜头逐一用时间窗口描述。展示了 Seedance 2.5 对 11 种语言的原生支持。
"...Lyrics (precise lip sync): English: 'Hello' / Portuguese: 'Olá' / Japanese: 'こんにちは'... Shot 5 [0:10-0:13] - A musician by the shore; fast lateral dolly... Lyric line 5 (Portuguese 'Olá'). Hard cut."
输出技术规格
| 画幅 | 480p | 720p |
|---|---|---|
| 16:9 | 854 × 480 | 1280 × 720 |
| 4:3 | 752 × 560 | 1112 × 834 |
| 1:1 | 640 × 640 | 960 × 960 |
| 3:4 | 560 × 752 | 834 × 1112 |
| 9:16 | 480 × 854 | 720 × 1280 |
| 21:9 | 992 × 432 | 1470 × 630 |
时长
4 到 30 秒，或自动——引擎为提示词选择理想时长。视频编辑时，输出时长始终 ≈ 与原视频相同（最大差异 0.4 秒）。
MP4 vs MOV
MP4——兼容性最强，适合发布到社交网络和网页。MOV Pro——H.264 + yuv444p 色度 + PCM 音频：色彩保真度更高，适合调色、抠像与合成。推荐在编辑/延长流程中作为输入和输出格式。
音频
语音、音效和音乐原生生成并与画面同步，支持 11 种语言：中文、英语、葡萄牙语、西班牙语、日语、韩语、阿拉伯语、泰语、越南语、印尼语和马来语。
参考素材限制（可上传的内容）
参考图片
- 格式：JPEG、PNG、WebP、BMP、TIFF、GIF、HEIC/HEIF
- 尺寸：每边 300–6000 px；宽高比在 0.4 到 2.5 之间
- 大小：每张最大 30 MB
- 数量：1 张（首帧）· 2 张（first/last）· 最多 30 张（多模态）
参考视频
- 格式：MP4 和 MOV（H.264/H.265 + AAC/MP3）
- 时长：每个 2–30 秒；所有视频总计 ≤ 30 秒
- 分辨率 480p–720p · 帧率 24–60 fps · 最大 200 MB
- 数量：每次请求最多 10 个视频
参考音频
- 格式：WAV 和 MP3
- 时长：每个 2–30 秒；所有音频总计 ≤ 30 秒
- 大小：每个文件最大 15 MB
- 数量：最多 10 个音频 · 无需图片/视频即可使用（2.5 新功能）
DXBuilder 价格与积分计算器
10s
0s
预计总费用450 积分
费率: 45 cr/s · 计费时间: 10s (10s 生成)
计费方式：
• 未上传视频： 生成时长 × 基础费率（720p 为 45 积分/秒 · 480p 为 21 积分/秒）
• 上传了视频（编辑/延长）：（上传时长 + 生成时长）× 优惠费率（720p 为 27 积分/秒 · 480p 为 13 积分/秒）
上传视频的时长总会计入计费时间——如果只需要其中一部分，请在上传前先剪辑。
获得完美生成效果的 7 个最佳实践
遵循提示词公式
主体 + 动作/事件 + 场景与环境 + 视觉风格 + 镜头运动/剪辑 + 声音。不需要的部分可以省略——但要保持顺序。
按时间窗口划分
长视频请用 [0-10s]、[10-20s]、[20-30s] 标记来组织提示词。引擎会遵守每个区块的时间安排，故事更流畅。
为参考素材分配职责
明确说明每个素材提供什么："@Image1 提供角色外观；@Video1 提供镜头运动；@Audio1 提供声音音色"。
小心触发词
"编辑"、"删除"、"继续"和"延长"会改变任务的类型。如果只想要风格参考，请避免这些动词，否则请求可能因参数错误而失败。
后期制作用 MOV
如需调色、抠像或合成，请用 MOV 格式生成（4:4:4 色度 + PCM）。直接发布到社交媒体用 MP4 即可，兼容性最好。
adaptive 是你的朋友
自适应画幅 + 自动时长让引擎为内容选择理想格式。在编辑/延长/首尾帧模式中甚至是强制要求。
不要使用名人面孔或商标
引擎会拒绝包含未经授权真人面孔和注册商标内容的图片。请使用通用角色或你自己已授权的素材。
关于 Seedance 2.5 的常见问题
什么是 ByteDance Seedance 2.5？
它是字节跳动最新一代的 AI 视频生成模型，在火山引擎 FORCE 2026 大会上发布。可生成长达 30 秒、带原生同步音频的连续电影级视频，接受最多 50 个多模态参考（图片、视频和音频），并支持通过提示词进行视频编辑和延长。在 DXBuilder 上无需 API 密钥即可直接使用。
Seedance 2.5 和 Seedance 2.0 有什么区别？
2.5 将最大时长翻倍（30 秒 vs 15 秒），参考数量增至三倍以上（50 vs 15），新增 4:4:4 色度的 MOV 输出，接受纯音频参考，并且对参考素材的电影语言理解更强——构图、运动和创作意图。
Seedance 2.5 视频可以有多长？
每次生成 4 到 30 秒。也可以让引擎自动为你的提示词选择理想时长。在延长模式下，可以多次延续现有视频来讲述更长的故事。
Seedance 2.5 会生成音频和语音吗？
会——原生生成。用 () 表示音乐，<> 表示音效，{} 表示带口型同步的口播对白，【】表示字幕。支持包括中文在内的 11 种语言的语音。
支持哪些分辨率和格式？
480p 和 720p，7 种画幅：16:9、9:16、1:1、4:3、3:4、21:9 和 adaptive。输出为 MP4（通用）或专业 MOV（H.264 + yuv444p + PCM），适合调色与合成。
提示词视频编辑如何工作？
上传一个视频并写出修改内容："删除除主角外的所有人"、"把 @Video1 中的角色替换为 @Image1 中的角色"、"去掉背景音乐"。引擎会自动保持原视频的画幅和时长。
在 DXBuilder 上生成 Seedance 2.5 视频要多少钱？
按秒计费：720p 为 45 积分/秒，480p 为 21 积分/秒。如果上传参考视频，其时长会计入计费时间，但每秒费率会降低（720p 为 27 积分/秒，480p 为 13 积分/秒）。请使用本页的计算器获取准确金额。
可以使用真人照片吗？
仅在获得授权的情况下。引擎会拦截未经授权的真人面孔和公众人物。人物角色请使用 AI 生成的图片、通用角色或你拥有权利的素材。
一个视频里可以组合多少个参考？
最多 50 个：30 张图片（@Image1–@Image30）、10 个视频（@Video1–@Video10）和 10 个音频（@Audio1–@Audio10）。参考视频的总时长不能超过 30 秒，音频同理。
用 Seedance 2.5 可以创作什么？
30 秒产品发布广告、电商视频、电影级预告片和短片、角色一致的虚拟网红、多场景品牌叙事、TikTok/Reels/Shorts 的 9:16 内容以及多语言音乐视频。