Communitygithub.com

criar-video-seedance-2-fal

Gere um único clipe de vídeo vertical de 4 a 15 segundos com o ByteDance Seedance 2.0 referência-para-vídeo via fal.ai. Suporte a múltiplas imagens de referência (avatar + produto + cenário), locução nativa com sincronia labial e áudio ambiente, e tratamento interno de múltiplos cortes em uma única renderização.

O que é criar-video-seedance-2-fal?

Esta skill cria clipes de vídeo vertical de alta qualidade (4 a 15 segundos) usando o modelo Seedance 2.0 da ByteDance, executado através do proxy FAL do GooseWorks. Ela aceita de 1 a N imagens de referência (por exemplo, retrato, produto, cenário) e uma descrição de prompt estruturada, gerando um clipe com locução sincronizada com os lábios (VO) e áudio ambiente, sem necessidade de chave FAL própria. A skill é ideal para anúncios UGC com avatar falante que demonstra um produto, onde a identidade visual deve ser preservada por referência de imagem e não de vídeo. Sua principal vantagem é a capacidade de renderizar múltiplos cortes internos em uma única chamada de até 15 segundos, reduzindo a deriva de personagem entre cenas. A skill inclui regras detalhadas de validação, como a exigência de imagem de referência real para produtos com marca, especificação completa de vestuário, limpeza prévia de imagens de referência de produtos, e uso de sementes (seeds) para continuidade entre chamadas. Ela também lida com rejeições de conteúdo NSFW, exigindo que o erro seja reportado sem repetição automática.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/gooseworks-ai/goose-skills/tree/HEAD/skills/ads/packs/ugc-video-formats/create-video-seedance-2-fal

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que criar-video-seedance-2-fal faz?

⚠️ PREFLIGHT OBRIGATÓRIO (2026-06-04): todo prompt do Seedance que nomeia um produto com marca DEVE ser emparelhado com uma imagem de referência real daquele produto exato como uma das entradas --image-ref. A descrição textual do produto sem uma referência convida o Seedance a inventar uma geometria que não corresponde ao SKU real. Se não houver referência local, encontre uma via brand-assets → existing-ads → PDP harvest → promova para clients/<brand>/brand-assets/reference-photos/. Opcionalmente, limpe uma referência ocluída com uma rápida passagem de edição GPT-image-2 primeiro. Sempre obtenha revisão do usuário da referência + prompt final antes de disparar a chamada paga. Veja feedback_product_reference_required.md.

Propósito

Encapsula o endpoint FAL bytedance/seedance-2.0/reference-to-video. Passe de 1 a N imagens de referência (tipicamente: retrato + produto + cenário opcional) + um prompt estruturado → receba um clipe de 4 a 15 segundos com locução nativa sincronizada com os lábios e áudio ambiente.

O Seedance 2.0 renderiza múltiplos cortes internos dentro de uma única chamada de 15s quando o prompt especifica uma estrutura de sub-cena (ex: GANCHO ABERTO / HEROI DO PRODUTO / DESVIO / REAÇÃO). Esta é a vantagem arquitetônica sobre a abordagem mais antiga NB2 + i2v multi-keyframe — menos chamadas, sincronia labial nativa, sem necessidade de Soul ID.

Use este átomo quando:

  • O clipe precisa de um avatar com cabeça falante revisando ou demonstrando um produto
  • Diálogo nativo com sincronia labial é necessário (defina --generate-audio)
  • A identidade deve ser mantida via referência de imagem, não de vídeo (veja Regra de Decisão 1)
  • Duração de 4 a 15s, vertical 9:16 (ou outras proporções)
  • Condicionamento multi-imagem (rosto + produto, ou rosto + múltiplos produtos para uma cena de gancho)

NÃO use para:

  • Clipes > 15s → divida em várias chamadas e monte (assembly/stitch-videos-ffmpeg)
  • Movimentos de câmera puramente cinematográficos sem uma pessoa na tela → create-video-veo3 muitas vezes é melhor
  • B-roll apenas do produto, sem pessoa → create-product-videos-higgsfield-ms ou Seedance de texto-para-vídeo
  • Clipes que precisam de referência de vídeo para continuidade a partir de uma cena gerada por IA anterior → não suportado (content_policy_violation)

Entradas

Obrigatórias:

  • --prompt — bloco de prompt estruturado (veja "Modelo de prompt" abaixo). Longo, multi-bloco. Exemplo de execução de referência: beauty-by-earth/video-01-three-product-grwm/working/fire_seedance_facewash.py.
  • --output — destino MP4 local.
  • --image-url (alias --image-ref) — pelo menos uma PÚBLICA URL de imagem de referência (repetível), passada como image_urls. A ordem importa — a primeira = @Image1 no endereçamento do prompt. O proxy NÃO faz upload de arquivos locais: hospede referências locais via MCP get_upload_url → get_download_url e passe a URL (idêntico a create-video-fal).

Opcionais:

  • --resolution — 480p | 720p | 1080p (padrão). 1080p melhora significativamente a fidelidade do rótulo do produto.
  • --duration — 4–15 segundos (padrão 15). Passado como um int (seedance-2.0/reference-to-video enum {auto,4..15}); uma string 400s com invalid_request (validado em 2026-07-18).
  • --aspect-ratio — 9:16 (padrão), 16:9, 1:1, etc.
  • --generate-audio — bool, padrão verdadeiro. Defina como falso para B-roll silencioso onde o VO é adicionado depois.
  • --seed — inteiro para re-execuções determinísticas (o FAL retorna uma semente; passe-a de volta para reproduzir).

Credenciais:

  • Sem chave FAL. Roteia através do proxy FAL do GooseWorks (media_proxy.py, incluso) e fatura o agente Ads, usando ~/.gooseworks/credentials.json (escrito pelo CLI gooseworks). Seu token cal_/agente não é uma chave FAL — o caminho antigo de chave direta retornou 401; é por isso que esta capacidade foi redirecionada através do proxy.

Regras de Decisão

0. Prefira MENOS chamadas, MAIS LONGAS com prompt interno de multi-cena em vez de muitas chamadas curtas. Cada nova chamada do Seedance desvia levemente a personagem, guarda-roupa, iluminação e fundo — mesmo com a mesma referência de retrato. 5 chamadas curtas = 5 pontos de deriva que o espectador registra como quebras de continuidade. Use o modelo comprovado de multi-cena DENTRO de UMA chamada de 10-15s para obter cortes internos com sensação de dureza a partir de uma única renderização:

CENA 1 (0-3s) — GANCHO ABERTO [enquadramento + ação + diálogo]
CENA 2 (3-7s) — HERÓI DO PRODUTO [enquadramento + movimento de câmera + diálogo]
CENA 3 (7-11s) — DESVIO / PROVA [enquadramento + ação + diálogo]
CENA 4 (11-15s) — REAÇÃO + CTA [enquadramento + ação + diálogo]

O CENÁRIO PODE variar entre sub-cenas internas dentro de uma chamada do Seedance. A identidade da personagem é fixada pela imagem de referência do retrato, não pelo cenário. Referência validada (ref-01 Bristle UGC, 26s) mostra o mesmo criador em 5+ ambientes/cenários de fundo diferentes dentro de uma única renderização multi-cena. Não divida artificialmente em várias chamadas apenas para mudar de ambiente — incorpore as mudanças de cenário DENTRO da estrutura de sub-cena CENA N (X-Ys) de uma única chamada. Distribua as chamadas com base no ARCO DA HISTÓRIA e no limite máximo de 15s de duração, não na contagem de cenários. Veja prompt-example.md para o modelo validado. Memória: feedback_seedance_long_calls_not_short.md.

0a. O VESTUÁRIO deve ser COMPLETAMENTE especificado — parte superior + inferior + cabelo + acessórios. Validado em 2026-05-23 (Bristle): se apenas a parte superior for especificada ("moletom creme"), o Seedance alucina a parte inferior (shorts jeans apareceram do nada). Todo prompt deve fixar todos:

  • Parte superior (com negações)
  • Parte inferior (com negações) — "shorts jeans claros com barra, meio da coxa, NÃO jeans, NÃO short de pijama"
  • Cabelo (estilo específico — "rabo de cavalo baixo solto na nuca com mechas emoldurando o rosto" funciona melhor que "coque" vago)
  • Acessórios (ex: "brincos finos de argola dourada, nada mais")

Para UGC confessional / de uma única sessão, o vestuário deve ser IDÊNTICO em todas as chamadas do mesmo anúncio (preferência do usuário validada + padrões ref-01 + ad-03). Varie o vestuário entre chamadas APENAS para formatos GRWM / transformação / multi-dia. Memória: feedback_seedance_long_calls_not_short.md.

0b. PASSE UMA IMAGEM DE REFERÊNCIA DE FUNDO como image_urls[2] para cenários fixos. Validado em 2026-05-23 (Bristle). A descrição textual do cenário produz uma estética genérica de aluguel — o Seedance preenche com seu próprio quarto anterior. Uma imagem de fundo herói (gerada via NB2 Pro em fal-ai/nano-banana-pro, $0,15/1K, texto-para-imagem com diretivas "sem bokeh, foco infinito, sem pessoas, sem rostos") FIXA o ambiente em todas as sub-cenas. Use a MESMA imagem de fundo em todas as chamadas do mesmo anúncio — imagem de fundo diferente por chamada é lida como "ela se mudou." Memória: feedback_seedance_long_calls_not_short.md.

0c. PRÉ-LIMPE AS IMAGENS DE REFERÊNCIA DO PRODUTO via edição NB2 se elas contiverem acessórios. Validado em 2026-05-23 (Bristle hi_res-12 tinha frascos + funil ao lado da caixa; o Seedance os fundiu à face da caixa). Inspecione as imagens de origem do produto na entrada. Se acessórios / produtos secundários / crachás de pontuação / elementos de estilo de vida forem visíveis, encaminhe através de fal-ai/nano-banana-2/edit ($0,08) para isolar o produto herói antes de passar para o Seedance. Mais barato do que refazer uma renderização Seedance de $4,50 a $10,20. Memória: feedback_nb2_clean_product_refs.md.

0d. CONTINUIDADE DE CHAMADA SEQUENCIAL — use reuso de semente, NÃO video_urls. Validado em 2026-05-23 (Teste A/B de Variante Bristle). Para Chamada N>1 em um anúncio de múltiplas chamadas, passe a seed da chamada anterior (via --seed) com as mesmas image_urls. NUNCA passe o mp4 da chamada anterior como video_urls para continuidade sequencial — isso PREJUDICA a continuidade (o modelo tenta "continuar" o vídeo anterior; guarda-roupa/produto derivam mais do que fariam de outra forma). video_urls é APENAS para transferência de estilo a partir de um vídeo de referência HUMANO REAL (ex: pegar um anúncio UGC de criador real e recriar com criador de IA). Memória: feedback_seedance_video_urls_vs_seed.md.

0e. AO USAR video_urls (transferência de estilo a partir de referência real): defina o tempo limite do cliente para 30+ min E apare a referência para ≤15s. Validado em 2026-05-23:

  • Tempo de renderização: ~18-20 min (vs ~10 min apenas com imagem). O tempo limite padrão de 10 minutos do fal_client.subscribe() falhará. Use fal_client.submit() + polling manual.
  • Limite de duração combinada de video_urls: 15s. O FAL rejeita com input_value_error: Combined video duration must not exceed 15.0s. Apare os vídeos de referência com ffmpeg -t 15 antes do upload.
  • Limite de arquivos combinados: 50 MB no total. Nosso limite fal_helpers.upload_file() foi aumentado de 10 MB para 50 MB em 2026-05-23.
  • Detecte erros de validação (input_value_error / "must not exceed") em exceções de polling e pare após 1-2 tentativas — erros terminais não aparecem via status=Failed.
  • A referência de vídeo transfere MAIS do que estilo/ritmo — transfere estilo de vestuário, acessórios, cabelo em um grau não trivial (validado em 2026-05-23 Recriação de Probiótico: cabelo mudou para corresponder à referência; comprimidos apareceram apesar da imagem de produto limpa). Substituições textuais são PARCIALMENTE eficazes; escolha uma referência cujos visuais já estejam alinhados com seu alvo.
  • O FAL ACEITA vídeo gerado por IA como entrada (a suposição antiga de "content_policy_violation instantânea" do BBE de início de 2026 está desatualizada). Memória: feedback_seedance_video_urls_vs_seed.md.

1. NUNCA passe vídeo gerado por IA como video_urls. O validador de política de conteúdo do FAL rejeita isso com partner_validation_failed. O desconto de 60% na entrada de vídeo é real, mas só se aplica a VÍDEO DE REFERÊNCIA HUMANO REAL. Para continuidade de avatar de IA em várias cenas, use o mesmo retrato de identidade como image_urls em cada cena. Validado no BBE.

2. Rejeição NSFW → PARE e relate, não tente novamente automaticamente. Aplicação corporal + feminino + água/espuma atinge o classificador de forma confiável. Se o FAL retornar content_policy_violation ou status: failed com motivo nsfw, NÃO tente novamente o mesmo prompt. Relate ao chamador com 3 opções: reescreva o momento da aplicação como teste de cheiro/ponta dos dedos, reformule como POV (sem rosto), ou pule a cena. Segue a política de moderação do projeto (veja memória feedback_hf_moderation_surface.md).

3. duration como um INT. Passe 15, não "15". seedance-2.0/reference-to-video rejeita uma duração em string com invalid_request (validado em 2026-07-18; a antiga nota "apenas string" era do endpoint i2v v1 obsoleto).

4. Produto único por chamada (exceto gancho). Cenas herói com múltiplos produtos dentro de uma única chamada do Seedance degradam a fidelidade do rótulo. A exceção é a cena de gancho/introdução onde todos os produtos aparecem juntos, mas nenhum rótulo único é herói.

5. 1080p para qualidade herói. A textura da pele e a nitidez do rótulo do produto escalam visivelmente com a resolução. Use 720p apenas para chamadas de orçamento/teste.

Fluxo de Trabalho

python3 scripts/generate.py \
  --prompt "$(cat prompt-scene-1.txt)" \
  --output /path/to/scene-1.mp4 \
  --image-url "https://<hospedado>/portrait.png" \
  --image-url "https://<hospedado>/product.png" \
  --resolution 1080p \
  --duration 15 \
  --aspect-ratio 9:16 \
  --generate-audio

O script:

  1. Roteia através do media_proxy.py incluso (proxy FAL do GooseWorks) — sem chave FAL; fatura o agente Ads via ~/.gooseworks/credentials.json.
  2. Passa os valores de --image-url diretamente como image_urls (eles já devem ser URLs PÚBLICAS; o orquestrador hospeda referências locais via MCP).
  3. Submete bytedance/seedance-2.0/reference-to-video através do proxy e faz polling até a conclusão com:
    {
        "prompt": <prompt>,
        "image_urls": [<refs>],
        "resolution": <res>,
        "duration": <dur>,  # int
        "aspect_ratio": <ar>,
        "generate_audio": <bool>,
        "seed": <opcional int>,
    }
    
  4. Baixa o MP4 resultante para --output.
  5. Escreve <output>.meta.json com prompt, referências, URL do vídeo, semente, duração, estimativa de custo.
  6. Em caso de content_policy_violation ou falha NSFW: relata o erro e sai com código diferente de zero (sem repetição silenciosa).

Saída

  • <output> — clipe MP4 na duração, resolução e proporção solicitadas.
  • <output>.meta.json — metadados da solicitação + resultado + semente para reprodutibilidade + estimativa de custo.

Preços (2026-05)

ResoluçãoDuraçãoCusto por chamada
720p padrão15s~$4,54
1080p padrão15s~$10,20
1080p padrão8s~$5,44
1080p padrão4s~$2,72

O nível rápido é ~20% mais barato, mas tem limite de 720p.

Modelo de Prompt

O prompt é a maior alavanca de qualidade. Use a estrutura de modelo BBE comprovada:

📱 ROLAGEM DE REVISÃO DE INFLUENCIADOR UGC [PRODUTO] (ESTILO SELFIE, NÃO UM COMERCIAL)

[BLOCO 0 — abertura anti-padrão]
Isto NÃO é um comercial cinematográfico, NÃO é um anúncio de [categoria], NÃO é uma campanha editorial.
Isto é um Reel real do Instagram filmado por um criador [demográfico] de 20 e poucos anos
com a câmera frontal do seu iPhone, falando diretamente com seus seguidores em um tom
relaxado e confidencial...

[ATRIBUIÇÕES DE REFERÊNCIA DE IMAGEM]
Use @Image1 como o rosto/identidade do influenciador. Use @Image2 como o [produto]
exato que ele está revisando — é uma [DESCRIÇÃO VISUAL]. NÃO é [confusão comum].
O produto e o rótulo DEVEM ser claramente identificáveis.

[BLOCO DE FORMATO]
- Estética selfie vertical 9:16 filmada por telefone, micro-tremor de mão leve
- VESTUÁRIO (ESTRITO): [vestuário]. ABSOLUTAMENTE NÃO [lista de negações].
- Cenário: [cenário]
- Iluminação: [iluminação]
- Pele real, levemente imperfeita (maquiagem natural quase nenhuma), bronzeado claro dourado

[BLOCO DE IDENTIDADE]
Mesma jovem mulher de @Image1 — [faixa etária, cabelo, olhos, tom de pele]

[BLOCO DE ENQUADRAMENTO DINÂMICO]
O vídeo deve variar seu enquadramento entre as cenas como um Reel real — NÃO fique
em uma única distância focal o tempo todo. Misture abertos / médios / close-ups.

[CENA 1 (0-3s)] GANCHO ABERTO — [linha de roteiro] + [emoção + ação]
[CENA 2 (3-7s)] HERÓI DO PRODUTO com rotação — [linha de roteiro] + [emoção + ação]
[CENA 3 (7-11s)] DESVIO de aplicação ou teste de cheiro — [linha de roteiro] + [emoção + ação]
[CENA 4 (11-15s)] REAÇÃO + recomendação — [linha de roteiro] + [emoção + ação]

[DIREÇÃO DE ÁUDIO]
[Caráter da voz: tom, sotaque, ritmo conforme DELIVERY_STYLES.md]
NENHUMA música no áudio (adicionamos música na pós-produção).

[REGRAS GLOBAIS]
- Vestuário idêntico em toda a cena
- O produto permanece idêntico e claramente visível em sua mão
- Lábios permanecem FECHADOS entre os momentos de diálogo
- [Negações de desvio NSFW se relevante]

[REGRAS ESTRITAS DE REALISMO — Bloco F]
- Pequenas imperfeições naturais, penugem sutil, linhas finas tênues
- NÃO plástico, NÃO aerografado, NÃO de boneca, NÃO porcelana
- Destaques da pele APENAS na ponta do nariz, maçãs do rosto, arco do cupido
- Cabelo: fios individuais

… [truncado para tradução]

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

gooseworks-ai/goose-skills

Burned-in captions for a finished vertical video, three kinds. transcribe.py gets word timings from the video's own audio through the GooseWorks proxy (fal Whisper, bills the Ads agent, cents); captions.py burns one to three words at a time with Pillow + ffmpeg (no libass needed), either pinned to a split-screen seam (plate 25% above / 75% below) or at a fixed height, in a plate, outline or one-word serif style, with an optional red hook card; plates.py burns per-beat caption blocks (black, one union silhouette, placed in the emptiest band) for formats with no voice. The last caption (the CTA) holds to the final frame. Use as the last step of any video ad.

gooseworks-ai/goose-skills

Assemble a cartoon / animated / hand-crafted music-video ad from a config — a sung song carries the whole narrative while N per-bar i2v clips (one recurring animated character, one look pack) are each cut to their BAR window from librosa beat-tracking and hard-concatenated on the bar, VEED-whisper white bold-sans captions in the BOTTOM third (Alignment 2, above the logo bug, no pill) burned from the song's word timings re-spelled against the locked lyrics, a persistent brand logo bug held over the body (suppressed on the end card), and closed on a solid-brand-color PIL end card with the song still playing under it — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-bar + hard concat + logo bug + captions + end card + song mux); the song, character, keyframes, and clips come from create-music-elevenlabs / create-image-fal / create-video-fal. Use for the cartoon-music-video format.

gooseworks-ai/goose-skills

Assemble a cinematic live-action-style music-video ad from a config — an original sung anthem carries the whole narrative while N 35mm-film-look i2v clips are each cut to their lyric window and hard-concatenated on the beat as a 3-act arc, the anthem muxed at loudnorm I=-14, cinematic lower-third serif captions built from the song's OWN word timings (never Whisper) with the hook line landing on the chorus drop, and closed on a brand end card composited from the real asset — never AI-rendered text. This is the FREE deterministic assembly stage (cut-to-window + hard concat + anthem mux + captions + end card); the anthem, keyframes, and clips come from create-music-elevenlabs / create-image-gpt-image-fal / create-video-fal. Use for the cinematic-music-video format.

gooseworks-ai/goose-skills

Assemble an editorial-motion podcast-clip ad from a config — a real clipped podcast MP3 carries the narrative while N flat limited-palette editorial-illustration keyframes (one look pack) are animated NOT by generative i2v but by DETERMINISTIC ffmpeg ken-burns (zoompan) + hard cuts (no crossfades, which expose geometric drift), each beat snapped to its spoken line, the real audio muxed, Whisper-driven captions burned only mid-sentence, and closed on a PIL brand end card — never AI-rendered text. This is the FREE deterministic assembly stage (ffmpeg ken-burns + hard concat + audio mux + captions + end card); the real audio is clipped from source and the keyframes come from create-image-fal. Use for the editorial-motion-podcast format.

gooseworks-ai/goose-skills

Analyze the message match between your ads and landing pages. Checks if the promise in the ad copy carries through to the landing page headline, body, and CTA. Flags disconnects that kill conversion rates. Works with Google, Meta, and LinkedIn ads.

gooseworks-ai/goose-skills

Mandatory pre-publish review gate for a UGC video render. Transcribes the finished render's AUDIO with Whisper and word-diffs it against the approved spoken script, then gates set_final_render — blocking a render whose generated audio mis-voices a word (e.g. the approved "human-vetted" spoken as "human witted"), drops an approved phrase, or comes back silent. Runnable, gating counterpart to content-goose's review-transcript-integrity atom. Every ugc-video-formats recipe runs this after render and BEFORE set_final_render.

gooseworks-ai/goose-skills

Render pixel-accurate Apple Notes (iPhone, light mode) screenshot mockups from a JSON note spec. Outputs HTML + PNG at the iPhone 16/15 Pro native 1180×2556. Supports paragraphs, images, checklists, dividers, autocorrect underline, smart quotes, and an optional iOS keyboard chrome overlay used by the parent video-ad molecule.

gooseworks-ai/goose-skills

Extract competitor and customer intelligence from any company's landing page HTML. Discovers tech stack, analytics tools, ad pixels, customer logos, SEO metadata, CTAs, hidden elements, and more. No API keys required.

gooseworks-ai/goose-skills

Find speakers, hosts, and guest profiles at conferences and events on Luma. Two modes - free direct scrape for hosts, or Apify-powered search for full guest profiles with LinkedIn/Twitter/bio.

gooseworks-ai/goose-skills

Find Twitter/X influencers to promote a product or brand. Use when asked to find influencers, discover Twitter accounts for partnerships, identify creators in a niche, or build an influencer outreach list.

Habilidades Relacionadas