安装 belt CLI 技能：
npx skills add belt-sh/cli
Seedance 2.0 视频生成
通过 inference.sh CLI 使用字节跳动的 Seedance 2.0 生成带同步音频的视频。
快速开始
需要 inference.sh CLI（
belt）。 安装说明
belt login
belt app run bytedance/seedance-2-0 --input '{
"prompt": "在昏暗的爵士俱乐部中演出的爵士乐队",
"generate_audio": true
}'
模型
| 模型 | 应用 ID | 适用场景 |
|---|---|---|
| Seedance 2.0 | bytedance/seedance-2-0 | 最佳质量，最高 1080p |
| Seedance 2.0 Fast | bytedance/seedance-2-0-fast | 快速生成，最高 720p |
| Seedance 2.0 Studio | bytedance/seedance-2-0-studio | 高质量 + 私有资产库，支持肖像一致性 |
| Seedance 2.0 Studio Fast | bytedance/seedance-2-0-studio-fast | 快速 + 私有资产库，支持肖像一致性 |
所有模型均支持文本到视频、图像到视频、多模态参考到视频以及同步音频生成。Studio 变体会自动将参考图像上传至 BytePlus 私有虚拟肖像库，以增强角色一致性——特别适用于人脸和品牌角色。
模式
模型会根据输入自动确定生成模式。这些模式是互斥的——请使用首帧/末帧或参考输入中的一种，不要同时使用。
| 模式 | 输入 | 描述 |
|---|---|---|
| 文本到视频 | 仅 prompt | 根据文本描述生成视频 |
| 图像到视频 | prompt + image | 将静态图像动画化（首帧） |
| 首帧+末帧 | prompt + image + end_image | 控制起始帧和结束帧 |
| 多模态参考 | prompt + reference_images/reference_videos/reference_audios | 使用参考素材引导生成 |
示例
带音频的文本到视频
belt app run bytedance/seedance-2-0 --input '{
"prompt": "暴风雨中海浪拍打岩石，戏剧性的电影镜头",
"generate_audio": true,
"duration": 10,
"ratio": "16:9"
}'
快速模式（更便宜）
belt app run bytedance/seedance-2-0-fast --input '{
"prompt": "蝴蝶缓慢落在花朵上",
"generate_audio": true
}'
图像到视频
将静态图像动画化：
belt app run bytedance/seedance-2-0 --input '{
"image": "https://your-image.jpg",
"prompt": "轻柔的镜头移动，树叶在风中沙沙作响",
"generate_audio": true
}'
带首帧和末帧的图像到视频
belt app run bytedance/seedance-2-0 --input '{
"image": "https://start-frame.jpg",
"end_image": "https://end-frame.jpg",
"prompt": "场景之间的平滑过渡",
"generate_audio": true
}'
多图像参考
使用多张参考图像引导角色外观、服装和场景元素：
belt app run bytedance/seedance-2-0 --input '{
"prompt": "图1中的女孩穿着图2中的服装走进图3中的咖啡馆",
"reference_images": [
"https://character-portrait.jpg",
"https://outfit-reference.jpg",
"https://cafe-scene.jpg"
],
"generate_audio": true,
"duration": 8
}'
视频编辑（替换元素）
belt app run bytedance/seedance-2-0 --input '{
"prompt": "将视频1中的香水替换为图1中的面霜，保留所有原始动作和运镜",
"reference_images": ["https://face-cream.jpg"],
"reference_videos": ["https://original-video.mp4"],
"generate_audio": true
}'
视频扩展（拼接片段）
belt app run bytedance/seedance-2-0 --input '{
"prompt": "视频1平滑过渡到视频2，然后摄像机进入视频3中的画作",
"reference_videos": [
"https://clip1.mp4",
"https://clip2.mp4",
"https://clip3.mp4"
],
"generate_audio": true,
"duration": 8
}'
带音频的参考
belt app run bytedance/seedance-2-0 --input '{
"prompt": "图1中的音乐家演奏音频1中的歌曲，声音风格参考音频1",
"reference_images": ["https://musician.jpg"],
"reference_audios": ["https://music.mp3"],
"generate_audio": true
}'
Studio 模式（肖像一致性）
Studio 变体会将图像上传至 BytePlus 的私有资产库，以增强面部/角色一致性：
belt app run bytedance/seedance-2-0-studio --input '{
"prompt": "图1中的人微笑着看向镜头，黄金时刻光线，电影感",
"reference_images": ["https://portrait.jpg"],
"safety_identifier": "user-abc123",
"generate_audio": true
}'
多参考产品广告
belt app run bytedance/seedance-2-0 --input '{
"prompt": "第一人称视角产品广告。开场画面为图1，手拿起产品。摄像机推近特写展示细节。使用视频1的运镜风格。背景音乐来自音频1。",
"reference_images": ["https://product-hero.jpg", "https://product-detail.jpg"],
"reference_videos": ["https://camera-style.mp4"],
"reference_audios": ["https://bgm.mp3"],
"generate_audio": true,
"ratio": "9:16",
"duration": 11
}'
提示词指南
在提示词中使用类型 + 索引来引用参考素材：图1、图2、视频1、音频1。索引是素材在对应类型数组中的位置。不要在提示词中使用素材ID。
多模态参考公式：
- 图像参考：“参考[图N]中的[主体]生成[场景]，保持[主体]一致”
- 视频参考：“参考[视频N]中的[运镜/动作]”
- 音频参考：“[角色]说：[对话]，声音风格参考[音频N]”
视频编辑公式：
- 添加：“在[视频N]的[时间点]添加[元素]”
- 移除：“移除[视频N]中的[元素]，保持其余部分不变”
- 修改：“将[视频N]中的[元素]替换为[新元素]”
视频扩展公式：
- 向前扩展：“在[视频N]之后生成内容：[描述]”
- 向后扩展：“扩展[视频N]的开头：[描述]”
- 拼接：“[视频1] + [过渡] + 接着 [视频2]”
参数
| 参数 | 类型 | 默认值 | 描述 |
|---|---|---|---|
prompt | string | 必填 | 视频的文本描述 |
generate_audio | boolean | true | 生成同步音频 |
duration | integer | 5 | 持续时间（秒），4-15，或 -1 表示自动 |
ratio | enum | 自适应 | 21:9、16:9、4:3、1:1、3:4、9:16 或自适应 |
resolution | enum | 720p | 480p、720p、1080p（Fast 仅支持 480p、720p） |
seed | integer | -1 | 随机种子，用于结果可复现（-1 表示随机） |
watermark | boolean | false | 为输出添加水印 |
safety_identifier | string | - | 用于安全策略的唯一最终用户标识符（最多64字符，建议使用用户ID的哈希值） |
image | file | - | 首帧图像（与参考输入互斥） |
end_image | file | - | 末帧图像（需要 image） |
reference_images | file[] | - | 参考图像，最多9张（与 image/end_image 互斥） |
reference_videos | file[] | - | 参考视频，最多3个。每个最长15秒，总计最长15秒。mp4/mov 格式 |
reference_audios | file[] | - | 参考音频，最多3个。每个最长15秒，总计最长15秒。wav/mp3 格式。需要至少一个图像或视频 |
定价
| 模型 | 价格 |
|---|---|
| Seedance 2.0 | $4.30-$7.70/百万 token（根据分辨率和输入类型变化） |
| Seedance 2.0 Fast | $3.30-$5.60/百万 token |
Token 计算公式：(宽度 x 高度 x fps x 时长) / 1024
搜索 Seedance 应用
belt app search "seedance"
相关技能
# 完整平台技能（所有应用）
npx skills add inference-sh/skills@infsh-cli
# 所有视频生成模型
npx skills add inference-sh/skills@ai-video-generation
# Google Veo
npx skills add inference-sh/skills@google-veo
# 图像生成（用于图生视频）
npx skills add inference-sh/skills@ai-image-generation
# AI 虚拟形象和唇形同步
npx skills add inference-sh/skills@ai-avatar-video
浏览所有视频应用：belt app list --category video