create-video-seedance-2-fal 是做什麼的?
⚠️ 必要前置檢查 (2026-06-04):每個提及品牌產品的 Seedance 提示詞,都必須搭配一張該產品的真實參考影像,作為
--image-ref的輸入之一。 僅有純文字產品描述而缺少參考影像,會導致 Seedance 產生不符合實際 SKU 的幾何形狀。如果本地沒有參考影像,請透過 brand-assets → existing-ads → PDP 擷取 → 升級至clients/<brand>/brand-assets/reference-photos/途徑尋找。也可以先透過快速 GPT-image-2 編輯流程清理遮蔽的參考影像。在進行付費呼叫前,務必取得使用者對參考影像與最終提示詞的審查。 請參閱feedback_product_reference_required.md。
用途
封裝 FAL 端點 bytedance/seedance-2.0/reference-to-video。傳入 1 到 N 張影像參考(通常為:人像 + 產品 + 可選背景)+ 結構化提示詞 → 產出一個 4-15 秒的片段,配備原生嘴型同步語音與環境音。
Seedance 2.0 可在單次 15 秒的呼叫中,根據提示詞指定的子場景結構(例如:廣角鉤子 / 產品特寫 / 側步 / 反應)渲染多個內部剪輯。這是相較於舊版 NB2 + i2v 多關鍵幀方法的一大架構優勢——更少的呼叫次數、原生嘴型同步、無需 Soul ID。
當以下情況時使用此原子技能:
- 片段需要一個帶對話頭像的角色評論或展示產品
- 需要原生嘴型同步的對話(設定
--generate-audio) - 必須透過影像參考(而非影片參考)來維持角色身份(請參閱決策規則 1)
- 長度 4-15 秒,垂直 9:16(或其他長寬比)
- 多影像條件控制(臉部 + 產品,或臉部 + 多個產品用於鉤子場景)
請勿用於:
-
15 秒的片段 → 應拆分為多次呼叫並拼接(
assembly/stitch-videos-ffmpeg) - 純電影運鏡,無畫面上人物 →
create-video-veo3通常更佳 - 僅有產品的 B-roll 無人像 →
create-product-videos-higgsfield-ms或 Seedance 文字轉影片 - 需要影片參考以維持前一個 AI 生成場景連續性的片段 → 不支援(content_policy_violation)
輸入
必要:
--prompt— 結構化提示詞區塊(請參閱下方「提示詞範本」)。長、多區塊。範例參考執行:beauty-by-earth/video-01-three-product-grwm/working/fire_seedance_facewash.py。--output— 本地 MP4 輸出路徑。--image-url(別名--image-ref)— 至少一個公開影像參考 URL(可重複),作為image_urls傳入。順序很重要——第一個 = 提示詞中可透過@Image1定址。Proxy 不會上傳本地檔案:透過 MCPget_upload_url→get_download_url託管本地參考,並傳遞 URL(與create-video-fal相同)。
可選:
--resolution—480p|720p|1080p(預設)。1080p 對於產品標籤清晰度有顯著提升。--duration—4–15秒(預設15)。作為整數傳入(seedance-2.0/reference-to-video列舉 {auto,4..15});字串如400s會導致invalid_request(2026-07-18 驗證)。--aspect-ratio—9:16(預設)、16:9、1:1等。--generate-audio— 布林值,預設為 true。設為 false 可用於靜音 B-roll,後製再加入語音。--seed— 整數,用於確定性重複執行(FAL 會回傳 seed;可傳入以重製)。
憑證:
- 無需 FAL 金鑰。 透過 GooseWorks FAL Proxy(
media_proxy.py,已捆綁)路由,並計入 Ads 代理費用,使用~/.gooseworks/credentials.json(由gooseworksCLI 寫入)。您的cal_/agent token 不是 FAL 金鑰——舊的直接金鑰路徑會回傳 401;這就是此功能改為透過 Proxy 路由的原因。
決策規則
0. 優先使用較少、較長的呼叫,搭配內部多場景提示,而非許多短呼叫。 每次新的 Seedance 呼叫都會稍微改變角色、服裝、燈光和背景——即使使用相同的人像參考。5 次短呼叫 = 5 個觀看者會注意到的連貫性斷裂點。使用經過驗證的多場景範本,在單次 10-15 秒的呼叫內,從單一渲染獲得感覺像是硬剪輯的內部切換:
場景 1 (0-3s) — 廣角鉤子 [構圖 + 動作 + 對話]
場景 2 (3-7s) — 產品特寫 [構圖 + 運鏡 + 對話]
場景 3 (7-11s) — 側步 / 證明 [構圖 + 動作 + 對話]
場景 4 (11-15s) — 反應 + 行動呼籲 [構圖 + 動作 + 對話]
在單次 Seedance 呼叫內,內部子場景的「設定」可以變化。 角色身份由人像參考影像鎖定,而非由設定鎖定。經驗證的參考(ref-01 Bristle UGC,26 秒)顯示同一個創作者在單次多場景渲染中,出現在 5 個以上不同的房間/背景設定。不要為了更換房間而人為地拆分為多次呼叫——將設定變化直接融入單次呼叫的「場景 N (X-Ys)」子場景結構中。根據故事弧線和 15 秒最大時長限制來分配呼叫次數,而非設定數量。請參閱 prompt-example.md 取得經驗證的範本。記憶體:feedback_seedance_long_calls_not_short.md。
0a. 服裝必須完整指定——上衣 + 下裝 + 髮型 + 配件。 2026-05-23(Bristle)驗證:如果只指定上衣(「奶油色運動衫」),Seedance 會幻覺出下裝(憑空出現牛仔短褲)。每個提示詞都必須鎖定所有項目:
- 上衣(附否定詞)
- 下裝(附否定詞)——「淺色牛仔毛邊短褲,大腿中段,不是牛仔褲,不是睡衣短褲」
- 髮型(具體造型——「頸後鬆散低馬尾,搭配臉頰兩側碎髮」比模糊的「包包頭」效果好)
- 配件(例如:「細金環耳環,無其他裝飾」)
對於 confession-style / 單次錄製的 UGC,同一個廣告的所有呼叫中,服裝應保持一致(經驗證的使用者偏好 + ref-01 + ad-03 模式)。僅在 GRWM / 變身 / 多天格式中,跨呼叫變化服裝。記憶體:feedback_seedance_long_calls_not_short.md。
0b. 傳遞背景參考影像作為 image_urls[2] 以鎖定設定。 2026-05-23(Bristle)驗證。純文字設定描述會產生一般租賃美學——Seedance 會用自己的房間先驗知識填補。一張背景主視覺影像(透過 NB2 Pro 在 fal-ai/nano-banana-pro 生成,$0.15/1K 張,文字轉影像,指令為「無散景、無限景深、無人物、無臉部」)可以鎖定所有子場景的房間。對同一個廣告的所有呼叫使用相同的背景影像——每次呼叫使用不同背景影像看起來就像「她移動了」。記憶體:feedback_seedance_long_calls_not_short.md。
0c. 透過 NB2 編輯預先清理產品參考影像(若包含配件)。 2026-05-23(Bristle hi_res-12 中,盒子旁邊有藥瓶和漏斗;Seedance 將它們融合到盒子表面)驗證。在接收時檢查來源產品影像。如果可見配件、次要產品、評分徽章或生活方式元素,請先透過 fal-ai/nano-banana-2/edit($0.08)路由以隔離主產品,再傳遞給 Seedance。這比重新產生一個 $4.50-$10.20 的 Seedance 渲染更便宜。記憶體:feedback_nb2_clean_product_refs.md。
0d. 序列呼叫連續性——使用種子碼重複使用,而非 video_urls。 2026-05-23(Bristle 變體 A/B 測試)驗證。對於多呼叫廣告中的第 N>1 次呼叫,請搭配相同的 image_urls,傳入前一次呼叫的 seed(透過 --seed)。絕對不要將前一次呼叫的 mp4 作為 video_urls 傳入以求序列連續性——這會損害連續性(模型嘗試「繼續」先前的影片;導致服裝/產品的漂移比不傳入時更嚴重)。video_urls 僅用於從真實人類參考影片進行風格轉移(例如,拿真實創作者的 UGC 廣告,用 AI 創作者重製)。記憶體:feedback_seedance_video_urls_vs_seed.md。
0e. 在使用 video_urls(從真實參考進行風格轉移)時:將用戶端逾時設為 30 分鐘以上,並將參考影片修剪至 ≤15 秒。 2026-05-23 驗證:
- 渲染時間:約 18-20 分鐘(相較於純影像的約 10 分鐘)。預設的
fal_client.subscribe()10 分鐘逾時會失敗。請使用fal_client.submit()+ 手動輪詢。 - 合併的
video_urls時長上限:15 秒。 FAL 會以input_value_error: Combined video duration must not exceed 15.0s拒絕。在上傳前,使用 ffmpeg-t 15修剪參考影片。 - 合併檔案大小上限:總計 50 MB。 我們的
fal_helpers.upload_file()上限已於 2026-05-23 從 10 MB 提高至 50 MB。 - 在輪詢例外中偵測驗證錯誤(
input_value_error/ 「must not exceed」),並在 1-2 次重試後放棄——這類終端錯誤不會透過status=Failed顯現。 - 影片參考轉移的不僅是風格/節奏——它會將服裝款式、配件、髮型轉移到一個非微不足道的程度(2026-05-23 益生菌重製驗證:髮型變為與參考一致;儘管使用了已清理的產品影像,平板電腦仍出現)。文字端的覆寫僅部分有效;請選擇視覺上已與您的目標一致的參考。
- FAL 確實接受 AI 生成的影片作為輸入(舊的「立即 content_policy_violation」假設來自 BBE 2026-05 早期,現已過時)。記憶體:
feedback_seedance_video_urls_vs_seed.md。
1. 絕對不要將 AI 生成的影片作為 video_urls 傳入。 FAL 的內容審核驗證器會以 partner_validation_failed 拒絕此行為。60% 的影片輸入折扣是真實的,但僅適用於真實人類參考影片。對於跨多個場景的 AI 頭像連續性,請在每個場景中使用相同的角色身份人像作為 image_urls。已在 BBE 上驗證。
2. NSFW 拒絕 → 停止並呈現,不要自動重試。 身體塗抹 + 女性 + 水/泡沫會可靠地觸發分類器。如果 FAL 回傳 content_policy_violation 或 status: failed 且原因為 nsfw,不要重試相同的提示詞。向呼叫者呈現,並提供 3 個選項:將塗抹動作改寫為嗅覺測試 / 指尖展示、重新構圖為第一人稱視角(不露臉)、或跳過該場景。遵循專案範圍的內容審核政策(請參閱記憶體 feedback_hf_moderation_surface.md)。
3. duration 作為整數傳入。 傳入 15,而不是 "15"。seedance-2.0/reference-to-video 會拒絕字串形式的 duration,並回傳 invalid_request(2026-07-18 驗證;舊的「僅限字串」註釋是針對已棄用的 v1 i2v 端點)。
4. 每次呼叫僅為單一產品(鉤子場景除外)。 在單次 Seedance 呼叫中的多產品特寫場景會降低標籤清晰度。例外情況是鉤子/介紹場景,其中所有產品同時出現,但沒有單一標籤是主角。
5. 為獲得主角品質,請使用 1080p。 皮膚質感和產品標籤清晰度會隨解析度明顯提升。僅在預算/試探性呼叫中使用 720p。
工作流程
python3 scripts/generate.py \
--prompt "$(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
此腳本:
- 透過捆綁的
media_proxy.py(GooseWorks FAL Proxy)路由——無需 FAL 金鑰;透過~/.gooseworks/credentials.json計入 Ads 代理費用。 - 將
--image-url的值直接傳遞為image_urls(它們必須已經是公開 URL;編排器透過 MCP 託管本地參考)。 - 透過 Proxy 提交
bytedance/seedance-2.0/reference-to-video並輪詢至完成,使用以下參數:{ "prompt": <提示詞>, "image_urls": [<參考影像>], "resolution": <解析度>, "duration": <時長>, # 整數 "aspect_ratio": <長寬比>, "generate_audio": <布林值>, "seed": <可選整數>, } - 將結果 MP4 下載至
--output。 - 寫入
<output>.meta.json,包含提示詞、參考影像、影片 URL、種子碼、時長、成本估算。 - 在
content_policy_violation或 NSFW 失敗時:呈現錯誤並以非零退出碼終止(無靜默重試)。
輸出
<output>— 指定時長、解析度、長寬比的 MP4 片段。<output>.meta.json— 請求 + 結果後設資料 + 用於可重複性的種子碼 + 成本估算。
定價 (2026-05)
| 解析度 | 時長 | 每次呼叫成本 |
|---|---|---|
| 720p 標準 | 15 秒 | ~$4.54 |
| 1080p 標準 | 15 秒 | ~$10.20 |
| 1080p 標準 | 8 秒 | ~$5.44 |
| 1080p 標準 | 4 秒 | ~$2.72 |
快速層級約便宜 20%,但解析度上限為 720p。
提示詞範本
提示詞是單一最大的品質槓桿。使用經過驗證的 BBE 範本結構:
📱 UGC 網紅 [產品] 評論 Reel(自拍模式,非商業廣告)
[區塊 0 — 反模式開場]
這不是電影商業廣告,不是 [類別] 廣告,不是社論活動。
這是由一位 20 多歲的 [人口統計特徵] 創作者,使用 iPhone 前置鏡頭拍攝的真實 Instagram Reel,
她以放鬆、信任的語氣直接對她的追隨者說話...
[影像參考指派]
使用 @Image1 作為網紅的臉部/身份。使用 @Image2 作為她正在評論的特定 [產品]
——它是一個 [視覺描述]。它**不是** [常見混淆]。
產品和標籤必須清晰可辨。
[格式區塊]
- 垂直 9:16 手機拍攝自拍美學,輕微手持微晃
- 服裝(嚴格):[服裝]。絕對不是 [否定列表]。
- 設定:[設定]
- 燈光:[燈光]
- 真實、略帶不完美的肌膚(自然幾乎無妝感),淺色古銅膚色
[身份區塊]
與 @Image1 同一名年輕女性 — [年齡範圍,髮型,眼睛,膚色]
[動態構圖區塊]
影片必須像真實的 Reel 一樣,跨場景變化其構圖——不要
在整個過程中停留在一個焦距上。混合廣角 / 中景 / 特寫。
[場景 1 (0-3s)] 廣角鉤子 — [台詞] + [情緒 + 動作]
[場景 2 (3-7s)] 產品特寫附旋轉 — [台詞] + [情緒 + 動作]
[場景 3 (7-11s)] 側步塗抹或嗅覺測試 — [台詞] + [情緒 + 動作]
[場景 4 (11-15s)] 反應 + 推薦 — [台詞] + [情緒 + 動作]
[音訊指示]
[語音角色:語氣、口音、節奏,請參閱 DELIVERY_STYLES.md]
音訊中不要有音樂(我們會在後製加入音樂)。
[全域規則]
- 服裝在整個場景中保持一致
- 產品保持一致且在她手中清晰可見
- 在對話節拍之間,嘴唇保持**閉合**
- [相關時可用的 NSFW 規避否定詞]
[嚴格真實感規則 — 區塊 F]
- 微小的自然瑕疵、微妙的絨毛、淡淡的細紋
- **不是**塑膠感、**不是**噴槍修圖、**不是**娃娃臉、**不是**瓷娃娃
- 肌膚高光**僅限**鼻尖、顴骨、唇弓
- 髮絲:個別飛散
…
[為翻譯而截斷]