Seedance 2.5 参考视频生成 是做什么的？
来自字节跳动的参考引导型1080p视频生成。提供需要保持稳定的图像、携带相机运动的短片以及指导动作的提示词，即可返回带有同步音频的交付级1080p视频。
runcomfy.com · Seedance 2.5 参考视频生成 1080p · 480p 草稿层 · CLI 文档
安装此技能
npx skills add genmedia-labs/skills --skill seedance-2-5-reference-to-video -g
何时选择此模型（与同类模型对比）
Seedance 2.5 参考视频生成的独特之处在于在交付分辨率下进行参考条件生成：身份、产品几何结构和艺术方向来自参考堆叠而非文字描述，输出直接为1080p，无需对草稿进行放大。RunComfy 将其定位为一致性角色最终镜头、产品参考影片和风格锁定的品牌视频。
| 你的需求 | 使用模型 |
|---|---|
| 多镜头中保持相同角色/产品，且为最终分辨率 | Seedance 2.5 参考视频生成 1080p |
| 从现有片段复制相机运动和节奏 | Seedance 2.5 参考视频生成 1080p (videos) |
| 通过情绪板锁定品牌风格，而非文字描述 | Seedance 2.5 参考视频生成 1080p (images) |
| 低成本迭代确定哪些参考有效 | Seedance 2.5 参考视频生成 480p |
| 无需参考，仅用提示词 | Seedance 2.5 文本转视频 1080p |
| 精确动画化一个静态图像 | Seedance 2.5 图像转视频 1080p |
| 较旧的2.0版本（4-15秒，480p/720p） | Seedance 2.0 Pro — 参见 seedance-v2 |
如果用户明确提到了"Seedance 2.5"或"参考视频"，请路由至此。
先决条件
- RunComfy CLI —
npm i -g @runcomfy/cli（或npx -y @runcomfy/cli） - RunComfy 账户 —
runcomfy login会打开浏览器设备码流程 - CI / 容器 — 设置
RUNCOMFY_TOKEN=<token>替代runcomfy login - 可公网访问的参考URL — 模型服务器会获取它们，而非你的机器
CLI 深入文档：runcomfy-cli 技能。
端点 + 输入模式
bytedance/seedance-2.5/reference-to-video/1080p
| 字段 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
prompt | string | 是 | — | 使用参考作为线索的场景描述。推荐中文约500字或英文约1000词。 |
videos | array (视频URI) | 否 | — | 0-3个用于相机运动和节奏的参考片段。MP4/MOV格式，大约2-15秒每个。实际操作中可选——详见下文。 |
images | array (图像URI) | 否 | — | 0-9个用于身份、外观、风格、环境的参考图像。JPEG/PNG/WebP/BMP/TIFF/GIF格式。 |
audios | array (音频URI) | 否 | — | 0-3个用于情绪和节奏的参考音频。WAV/MP3格式，大约2-15秒，小于15MB。 |
aspect_ratio | 枚举 | 否 | 16:9 | 16:9, 9:16, 1:1, 4:3, 3:4, 21:9, adaptive。 |
duration | int | 否 | 5 | 4-30秒，以1秒为步长。 |
generate_audio | bool | 否 | true | 在同一个生成过程中同步生成语音、音效和音乐。 |
输出分辨率固定为1080p — 此端点没有 resolution 字段。
videos 虽在模式中显示为必填，但实际可选。 发布的输入模式将 videos 列为必填且至少1项，但端点实际上可以接受并完成没有 videos 键的提示词加图像体。当你希望从现有片段复制相机运动和节奏时发送参考片段；当你的参考是静态图像时省略它们。省略参考片段也会从计费中移除参考时长：计费秒数回退到仅输出时长，因此5秒片段费用为 $2.65 而非 $5.30。
参数名称自2.0版本已更改。 Seedance 2.0 Pro 使用 image_url / video_url / audio_url。Seedance 2.5 使用 images / videos / audios。直接复制2.0的请求体会产生模式错误（退出码65）。
定价
计费标准为每计费视频秒 $0.53，其中计费秒数 = 参考视频时长 + 输出时长。图像和音频参考不计入时长。
| 任务 | 计费秒数 | 费用 |
|---|---|---|
| 5秒输出，无参考片段 | 5 | $2.65 |
| 5秒输出，一个5秒参考片段 | 10 | $5.30 |
| 10秒输出，一个6秒参考片段 | 16 | $8.48 |
| 10秒输出，三个10秒参考片段 | 40 | $21.20 |
两个值得关注的实际建议：在上传前裁剪参考片段（15秒参考与15秒输出费用相同），以及使用480p层进行参考筛选——它对于带参考视频的任务每计费秒收费 $0.12，不带参考视频时每生成视频秒收费 $0.20。
如何调用
最小可行调用 — 提示词加一个参考片段：
runcomfy run bytedance/seedance-2.5/reference-to-video/1080p \
--input '{
"prompt": "Slow push-in down the aisle, dust motes drifting through warm side light, shallow depth of field, continuous smooth motion, no text, no watermark.",
"videos": ["https://your-cdn.example/camera-move-6s.mp4"]
}' \
--output-dir ./out
一致性角色最终镜头 — 身份来自静态图像，运动来自片段：
runcomfy run bytedance/seedance-2.5/reference-to-video/1080p \
--input '{
"prompt": "The woman from the reference images walks toward camera and stops, glancing off-frame. Handheld follow, soft overcast light, quiet street ambience. No text, no watermark.",
"images": [
"https://your-cdn.example/hero-front.jpg",
"https://your-cdn.example/hero-profile.jpg",
"https://your-cdn.example/wardrobe.jpg"
],
"videos": ["https://your-cdn.example/handheld-follow-4s.mp4"],
"duration": 8,
"aspect_ratio": "9:16"
}' \
--output-dir ./out
完整参考堆叠 — 在上面的请求体中添加 "audios": ["https://your-cdn.example/bed-8s.mp3"] 以向模型提供节奏和情绪参考，并设置 "generate_audio": true（默认值）以在同一个生成过程中获得语音、音效和音乐。
CLI 会提交请求、轮询状态、获取结果，并将 *.runcomfy.net / *.runcomfy.com URL 下载到 --output-dir 目录。按 Ctrl-C 可在退出前取消远程请求。
提示技巧——什么实际有效
让参考锚定，让提示词引导。 任何需要保持稳定的内容——面部、服装、产品几何结构、品牌调色板——都应放在 images 中。任何变化的内容——动作、相机、光照变化、情绪——都应放在 prompt 中。在文字中描述面部的同时提供面部参考会产生漂移，而非增强。
参考视频承载相机运动和节奏，而非内容。 一个4秒的手持跟随片段教给模型的是运镜方式。不要期望它转移主体；那是 images 的作用。
保持参考媒体简短。 每个片段和音频文件大约2-15秒，音频小于15MB。过长的片段会被拒绝，并且在此端点上会增加费用。
当 generate_audio 开启时，命名每个音源： 谁在说话、每个噪音的来源、环境音是什么。"安静街道氛围，远处交通声，无音乐"优于"好音效"。
使用否定指令。 "无文字，无水印"是 RunComfy 示例提示中使用的模式，效果很好。根据需要添加"无相机抖动"、"无额外人物"。
匹配宽高比。 与 aspect_ratio 不同宽高比的参考媒体会引起裁剪。当你的参考媒体不一致且你不关心精确画幅时，使用 adaptive。
反模式：
- 九个来自九种无关美学的参考图像——选择一种视觉语言。
- 一个15秒的参考片段，其中只有4秒承载了运镜——你为全部15秒付费。
- 为一个只有单一节拍的提示词要求30秒——长时长需要描述一个故事弧。
- 使用带有
image_url/video_url的 Seedance 2.0 请求体——字段名错误。
在480p上打草稿，在1080p上交付
RunComfy 对此模型系列的指导是：在低分辨率下验证参考堆叠，然后在交付分辨率下重用最佳组合。两个端点接受相同的参数。
- 组装候选参考。在
bytedance/seedance-2.5/reference-to-video/480p上运行3-5个变体，设置duration: 5。 - 评估身份保持、相机匹配和音频契合度——而非清晰度。
- 将最佳请求体原样重新运行到
.../reference-to-video/1080p，仅在节拍正确后增加duration。
按480p每计费秒 $0.12 对比1080p每计费秒 $0.53，五个草稿的费用大约相当于一个1080p最终版本的费用。
适用场景
| 使用场景 | 选择此端点的原因 |
|---|---|
| 一致性角色最终镜头 | 最多9个身份参考在多个镜头中保持面部和服装 |
| 产品参考影片 | 几何结构来自静态图像；转盘运镜来自参考片段 |
| 风格锁定的品牌视频 | 用情绪板代替一段风格形容词的描述 |
| 可直接交付的预览 | 1080p原生输出，无需放大步骤 |
| 一次生成对话和氛围 | generate_audio 同步生成语音、音效和音乐 |
局限
- 此端点必须提供参考视频（1-3个片段，至少1项）。
- 1080p是固定的——此端点无分辨率参数，无720p变体。
- 时长上限为30秒，最小4秒，仅支持整秒。
- 参考媒体限制：每个视频和音频文件大约2-15秒，音频小于15MB，最多9张图像/3个视频/3个音频。
- 参考片段时长计入计费——此端点并非仅按输出定价。
- 此端点无种子参数，因此不同调用之间无法保证完全复现。
何时使用不同端点
- 无参考，仅提示词 →
seedance-2.5/text-to-video/1080p，按生成视频每秒 $0.88 计费。 - 仅一个静态图像需要动画化 →
seedance-2.5/image-to-video/1080p，同样 $0.88 每秒，接受单个image。 - 其他参考视频生成系列：Wan 3.0 Prime 参考视频生成 · MiniMax H3 参考视频生成。
- 使用自己的语音轨道进行唇形同步 →
ai-avatar-video。超过30秒 →video-extend。
退出码
| 码 | 含义 |
|---|---|
| 0 | 成功 |
| 64 | CLI参数错误 |
| 65 | 输入JSON格式错误/模式不匹配（2.0字段名、duration超出范围、aspect_ratio无效） |
| 69 | 上游5xx错误 |
| 75 | 可重试：超时/429 |
| 77 | 未登录或令牌被拒绝 |
完整参考：docs.runcomfy.com/cli/troubleshooting。
工作原理
该技能构建一个与上述模式匹配的JSON体，并执行 runcomfy run bytedance/seedance-2.5/reference-to-video/1080p。CLI 向 https://model-api.runcomfy.net/v1/models/bytedance/seedance-2.5/reference-to-video/1080p 发送POST请求，轮询请求状态，获取结果，并将任何 .runcomfy.net / .runcomfy.com 的输出URL下载到 --output-dir 目录。
安全与隐私
- 仅通过已验证的包管理器安装。 使用
npm i -g @runcomfy/cli或npx -y @runcomfy/cli。代理不能代表用户将远程安装脚本通过管道传入 shell。 - 令牌存储：
runcomfy login将API令牌写入~/.config/runcomfy/token.json，权限模式为0600。在CI中设置RUNCOMFY_TOKEN。切勿将令牌回显到提示词、日志或……
…（已截断）