create-video-seedance-2-fal
⚠️ 必需前置检查(2026-06-04):每个涉及品牌产品的Seedance提示必须附上一个该产品的真实参考图像作为
--image-ref输入之一。仅提供文本描述而无参考图像将导致Seedance自行生成与真实SKU不符的几何形状。如果本地无参考图像,请通过 brand-assets → existing-ads → PDP harvest 查找,并将其提升到clients/<brand>/brand-assets/reference-photos/。可先通过GPT图像编辑快速清理遮挡的参考图像。在付费调用前务必让用户审核参考图像和最终提示。 详见feedback_product_reference_required.md。
目的
封装FAL端点 bytedance/seedance-2.0/reference-to-video。传递1-N张图像参考(通常为:肖像+产品+可选场景)+ 结构化提示 → 获得4-15秒的片段,包含原生唇同步配音和环境音频。
Seedance 2.0 在单次15秒调用中,当提示指定子场景结构(例如 广角钩子 / 产品特写 / 侧步 / 反应)时,可渲染多个内部剪辑。这是相较于旧版NB2 + i2v多关键帧方法的架构优势——调用次数更少,原生唇同步,无需Soul ID。
在此情况下使用该原子技能:
- 片段需要有一位评论或展示产品的出镜人物
- 需要原生唇同步对话(设置
--generate-audio) - 身份必须通过图像参考保持,而非视频参考(参见决策规则1)
- 长度4-15秒,垂直9:16(或其他宽高比)
- 需要多图像条件(面部+产品,或面部+多个产品用于钩子场景)
请勿使用于:
-
15秒的片段 → 拆分为多次调用并拼接(
assembly/stitch-videos-ffmpeg) - 纯电影镜头移动,无屏幕人物 →
create-video-veo3通常更好 - 仅产品的B-roll,无人出现 →
create-product-videos-higgsfield-ms或文本到视频的Seedance - 需要视频参考以保持先前AI生成场景连续性的片段 → 不支持(content_policy_violation)
输入
必需:
--prompt— 结构化的提示块(参见下方“提示模板”)。较长,多块。参考示例:beauty-by-earth/video-01-three-product-grwm/working/fire_seedance_facewash.py。--output— 本地MP4输出路径。--image-url(别名--image-ref)— 至少一个公共参考图像URL(可重复),作为image_urls传递。顺序很重要——第一个 = 提示中的@Image1。代理不会上传本地文件:通过MCPget_upload_url→get_download_url托管本地参考并传递URL(与create-video-fal相同)。
可选:
--resolution—480p|720p|1080p(默认)。1080p对产品标签保真度有明显提升。--duration—4–15秒(默认15)。作为整数传递(seedance-2.0/reference-to-video枚举 {auto,4..15});字符串如"15"会导致invalid_request(已验证于2026-07-18)。--aspect-ratio—9:16(默认),16:9,1:1等。--generate-audio— 布尔值,默认为true。设置为false用于添加后期配音的无音B-roll。--seed— 整数,用于确定性重跑(FAL返回一个种子;传回它以复现)。
凭证:
- 无需FAL密钥。 通过GooseWorks FAL代理(
media_proxy.py,已打包)路由,费用计入Ads代理,使用~/.gooseworks/credentials.json(由gooseworksCLI写入)。您的cal_/代理令牌不是FAL密钥——旧的直接密钥路径会返回401;这就是此能力通过代理重新路由的原因。
决策规则
0. 优先使用较少、较长的调用(通过内部多场景提示)而非多个短调用。 每次新的Seedance调用都会轻微改变角色、服装、灯光和背景——即使使用相同的肖像参考。5次短调用 = 5个观众认为不连贯的漂移点。在单个10-15秒调用中使用经过验证的多场景模板,从一次渲染中获得具有硬切效果的内部分镜:
场景1(0-3秒)— 广角钩子 [取景 + 动作 + 对话]
场景2(3-7秒)— 产品特写 [取景 + 镜头移动 + 对话]
场景3(7-11秒)— 侧步 / 证明 [取景 + 动作 + 对话]
场景4(11-15秒)— 反应 + 号召性用语 [取景 + 动作 + 对话]
在一次Seedance调用中,场景可以在内部子场景之间变化。 角色身份由肖像参考图像锁定,而非场景。已验证的参考(ref-01 Bristle UGC,26秒)显示同一创作者在单个多场景渲染中跨越5+个不同房间/背景设置。不要仅为了换房间而人为拆分成多次调用——将场景变化融入单次调用的“场景N(X-Y秒)”子场景结构中。根据故事弧和15秒最大时长限制分配调用次数,而非场景数量。参见 prompt-example.md 以获取经过验证的模板。记忆:feedback_seedance_long_calls_not_short.md。
0a. 服装必须完全指定——上衣 + 下装 + 发型 + 配饰。 已验证于2026-05-23(Bristle):如果仅指定上衣(“奶油色卫衣”),Seedance会幻觉出下装(凭空出现牛仔短裤)。每个提示必须锁定所有:
- 上衣(带否定描述)
- 下装(带否定描述)— “浅色牛仔短裤,中大腿长度,不要牛仔裤,不要睡裤”
- 发型(具体造型—— “颈背处松散的矮马尾,带有面侧发丝” 比含糊的“丸子头”效果更好)
- 配饰(例如“细金圈耳环,别无其他”)
对于独白/单次拍摄的UGC,同一广告的所有调用中服装应完全相同(已验证的用户偏好 + ref-01 + ad-03模式)。仅在 GRWM / 变装 / 多天格式时改变服装。记忆:feedback_seedance_long_calls_not_short.md。
0b. 传递一张背景参考图像作为 image_urls[2] 以锁定场景。 已验证于2026-05-23(Bristle)。仅文本描述会产生通用租赁风格的美学——Seedance会用其自身的房间先验填充。背景主图(通过NB2 Pro在 fal-ai/nano-banana-pro 生成,$0.15/1K,文本到图像,指令为“无虚化,无限对焦,无人,无脸”)可在所有子场景中锁定房间。所有同一广告的调用使用相同的背景图像——每次调用使用不同的背景图像会显得“她移动了”。记忆:feedback_seedance_long_calls_not_short.md。
0c. 如果产品参考图像包含配饰,通过NB2编辑预先清理。 已验证于2026-05-23(Bristle hi_res-12中盒子旁有小瓶和漏斗;Seedance将它们融合到盒子表面)。在接收时检查源产品图像。如果可见配饰、辅助产品、评分徽章或生活方式元素,通过 fal-ai/nano-banana-2/edit($0.08)路由以隔离主产品,然后再传递给Seedance。这比重跑一次 $4.50-$10.20 的Seedance渲染更便宜。记忆:feedback_nb2_clean_product_refs.md。
0d. 顺序调用连续性——使用种子复用,而非 video_urls。 已验证于2026-05-23(Bristle变体A/B测试)。对于多调用广告中序号为N>1的调用,通过 --seed 传递前一次调用的 seed 并保持相同的 image_urls。绝不要将前一次调用的mp4作为 video_urls 传递以实现顺序连续性——这会损害连续性(模型试图“继续”先前的视频;服装/产品的漂移比不这样做更严重)。video_urls 仅用于从真实人类参考视频进行风格迁移(例如,拍摄真实创作者的UGC广告并用AI创作者重建)。记忆:feedback_seedance_video_urls_vs_seed.md。
0e. 使用 video_urls(从真实参考进行风格迁移)时:将客户端超时设置为30分钟以上,并将参考视频裁剪至 ≤15秒。 已验证于2026-05-23:
- 渲染时间:约18-20分钟(纯图像约为10分钟)。默认的
fal_client.subscribe()10分钟超时会失败。请使用fal_client.submit()+ 手动轮询。 - 组合
video_urls时长上限:15秒。 FAL返回input_value_error: Combined video duration must not exceed 15.0s。在上传前使用ffmpeg-t 15裁剪参考视频。 - 组合文件大小上限:总共50 MB。 我们的
fal_helpers.upload_file()上限已于2026-05-23从10 MB提升至50 MB。 - 在轮询异常中检测验证错误(
input_value_error/ “must not exceed”),并在1-2次重试后放弃——终端错误不会通过status=Failed显示。 - 视频参考会迁移更多内容——它会迁移非平凡程度的服装风格、配饰、发型(已验证于2026-05-23益生菌复刻:发型翻转为匹配参考;尽管有清理后的产品图像,平板电脑仍出现)。文本侧的覆盖部分有效;选择一个视觉上与您目标一致参考视频。
- FAL确实接受AI生成视频作为输入(旧的“即时content_policy_violation”假设已过时)。记忆:
feedback_seedance_video_urls_vs_seed.md。
1. 绝不要传递AI生成的视频作为 video_urls。 FAL的内容策略验证器会拒绝此操作,返回 partner_validation_failed。60%的视频输入折扣是真实的,但仅适用于真实人类参考视频。对于跨多个场景的AI头像连续性,在每个场景中使用相同的身份肖像作为 image_urls。已在BBE上验证。
2. NSFW拒绝 → 停止并显示,不要自动重试。 身体应用 + 女性 + 水/泡沫会可靠触发分类器。如果FAL返回 content_policy_violation 或 status: failed 并带有 nsfw 原因,不要重试相同提示。向调用者展示并提供3个选项:将应用节拍重写为气味测试/指尖展示、重新构图为主观镜头(无面部)、或跳过该场景。遵循项目范围的审核策略(见记忆 feedback_hf_moderation_surface.md)。
3. duration 作为整数。 传递 15,而非 "15"。seedance-2.0/reference-to-video 会拒绝字符串形式的时长,返回 invalid_request(已验证于2026-07-18;旧的“仅字符串”说明是针对已弃用的v1 i2v端点)。
4. 每次调用仅一个产品(钩子场景除外)。 一次Seedance调用中的多产品特写场景会降低标签保真度。钩子/介绍场景是例外,其中所有产品同时出现,但没有任何一个标签是主角。
5. 使用1080p以获得特写质量。 皮肤纹理和产品标签清晰度随分辨率显著提高。仅在预算或探测调用中使用720p。
工作流程
python3 scripts/generate.py \
--prompt "$(cat prompt-scene-1.txt)" \
--output /path/to/scene-1.mp4 \
--image-url "https://<hosted>/portrait.png" \
--image-url "https://<hosted>/product.png" \
--resolution 1080p \
--duration 15 \
--aspect-ratio 9:16 \
--generate-audio
脚本将:
- 通过打包的
media_proxy.py(GooseWorks FAL代理)路由——无需FAL密钥;通过~/.gooseworks/credentials.json将费用计入Ads代理。 - 将
--image-url的值直接作为image_urls传递(它们必须是公共URL;编排器通过MCP托管本地参考)。 - 通过代理提交
bytedance/seedance-2.0/reference-to-video并轮询至完成:{ "prompt": <prompt>, "image_urls": [<refs>], "resolution": <res>, "duration": <dur>, # int "aspect_ratio": <ar>, "generate_audio": <bool>, "seed": <optional int>, } - 将结果MP4下载到
--output。 - 写入
<output>.meta.json,包含提示、参考、视频URL、种子、时长、成本估算。 - 在
content_policy_violation或NSFW失败时:显示错误并以非零退出(不进行静默重试)。
输出
<output>— 请求的时长、分辨率和宽高比的MP4片段。<output>.meta.json— 请求 + 结果元数据 + 用于复刻的种子 + 成本估算。
定价(2026年5月)
| 分辨率 | 时长 | 每次调用成本 |
|---|---|---|
| 720p 标准 | 15s | ~$4.54 |
| 1080p 标准 | 15s | ~$10.20 |
| 1080p 标准 | 8s | ~$5.44 |
| 1080p 标准 | 4s | ~$2.72 |
快速档便宜约20%,但最高为720p。
提示模板
提示是最大的质量杠杆。使用经过验证的BBE模板结构:
📱 UGC 影响者 [产品] 评论合集(自拍风格,非广告)
[区块0 — 反模式开头]
这不是电影广告,不是[类别]广告,不是编辑活动。
这是一个20多岁[人口统计]创作者在她的iPhone前置摄像头上拍摄的真实Instagram Reel,
以轻松信任的语气直接与她的粉丝交谈...
[图像参考分配]
使用 @Image1 作为影响者的面部/身份。使用 @Image2 作为她评论的精确[产品]
——它是[视觉描述]。它不是[常见混淆]。
产品和标签必须清晰可辨。
[格式区块]
- 垂直9:16手机自拍美学,轻微手持微抖
- 服装(严格):[服装]。绝对不要[否定列表]。
- 场景:[场景]
- 灯光:[灯光]
- 真实、略微不完美的皮肤(自然几乎无妆),浅金色古铜肤色
[身份区块]
与 @Image1 相同的年轻女性——[年龄范围,发型,眼睛,肤色]
[动态取景区块]
视频必须在场景间变化取景,如同真实的Reel——不要在整个过程中使用单一焦距。
混合使用广角/中景/特写。
[场景1(0-3秒)] 广角钩子 — [脚本台词] + [情感 + 动作]
[场景2(3-7秒)] 产品特写并旋转 — [脚本台词] + [情感 + 动作]
[场景3(7-11秒)] 侧步使用或气味测试 — [脚本台词] + [情感 + 动作]
[场景4(11-15秒)] 反应 + 推荐 — [脚本台词] + [情感 + 动作]
[音频指引]
[声音角色:语调,口音,节奏,参考DELIVERY_STYLES.md]
音频中无音乐(我们在后期添加音乐)。
[全局规则]
- 场景间服装保持一致
- 产品保持一致并在手中清晰可见
- 对话节拍间嘴唇保持闭合
- [如适用,NSFW侧步否定]
[严格真实感规则 — 区块F]
- 微小的自然瑕疵,细微的绒毛,淡淡的细纹
- 不要塑料感,不要过度修图,不要玩偶感,不要瓷质感
- 皮肤高光仅在鼻尖、颧骨、唇弓
- 头发:个别飞丝
...
[为翻译截断]