Seedance 2.5 參考圖像生成影片 (Reference to Video)

由字節跳動 (ByteDance) 提供的參考引導式 1080p 影片生成。提供需保持穩定的影像、承載鏡頭運動的短片，以及指引動作的提示詞，即可生成附帶同步音訊的 1080p 成品影片。

runcomfy.com · Seedance 2.5 Reference to Video 1080p · 480p 草案方案 · CLI 文件

安裝此技能

npx skills add genmedia-labs/skills --skill seedance-2-5-reference-to-video -g

何時選擇此模型（相較於同系列其他模型）

Seedance 2.5 Reference to Video 的獨特之處在於在最終解析度下進行參考條件生成：角色身份、產品幾何形狀和藝術指導來自於您的參考資料庫，而非文字描述，並且輸出直接達到 1080p，無需再進行放大。RunComfy 將其定位於一致的角色成片、產品參考影片以及風格鎖定的品牌短片。

您想要的是	請使用
在多個鏡頭中，以最終解析度保持相同的角色/產品	Seedance 2.5 Reference to Video 1080p
複製現有片段中的鏡頭運動和節奏	Seedance 2.5 Reference to Video 1080p (`videos`)
透過情緒板鎖定品牌風格，而非用文字描述	Seedance 2.5 Reference to Video 1080p (`images`)
低成本迭代測試哪些參考資料有效	Seedance 2.5 Reference to Video 480p
完全不需要參考資料 — 僅使用提示詞	Seedance 2.5 Text to Video 1080p
僅動畫化一張靜態圖片	Seedance 2.5 Image to Video 1080p
舊版 2.0 生成 (4-15秒, 480p/720p)	Seedance 2.0 Pro — 請參閱 `seedance-v2`

如果使用者明確提到了「Seedance 2.5」或「reference to video」，請路由至此處。

先決條件

RunComfy CLI — npm i -g @runcomfy/cli (或 npx -y @runcomfy/cli)
RunComfy 帳戶 — runcomfy login 會打開瀏覽器進行裝置代碼流程
CI / 容器環境 — 設定 RUNCOMFY_TOKEN=<token> 以取代 runcomfy login
可公開存取的參考 URL — 模型伺服器會擷取這些 URL，而非您的本機

CLI 深入探討：runcomfy-cli 技能。

端點 + 輸入架構

`bytedance/seedance-2.5/reference-to-video/1080p`

欄位	類型	必要	預設值	備註
`prompt`	字串	是	—	使用參考資料作為提示的場景描述。建議中文約 500 字或英文約 1000 詞。
`videos`	陣列 (影片 URI)	否	—	0-3 個用於鏡頭運動和節奏的參考片段。MP4/MOV 格式，每個約 2-15 秒。實務上為非必要 — 請見下方說明。
`images`	陣列 (圖片 URI)	否	—	0-9 張用於身份、外觀、風格、環境的參考圖片。JPEG/PNG/WebP/BMP/TIFF/GIF 格式。
`audios`	陣列 (音訊 URI)	否	—	0-3 個用於情緒和節奏的參考音訊。WAV/MP3 格式，每個約 2-15 秒，小於 15 MB。
`aspect_ratio`	列舉	否	`16:9`	`16:9`, `9:16`, `1:1`, `4:3`, `3:4`, `21:9`, `adaptive`。
`duration`	整數	否	`5`	4-30 秒，以 1 秒為步進單位。
`generate_audio`	布林值	否	`true`	在同一輪生成中產生原生同步語音、音效和音樂。

輸出解析度固定為 1080p — 此端點沒有 resolution 欄位。

videos 是可選的，儘管架構如此顯示。 已發布的輸入架構將 videos 列為必要，並要求至少 1 個項目，但該端點實際接受並完成一個完全不含 videos 鍵、僅包含提示詞和圖片的請求。當您希望複製現有影像的鏡頭運動和節奏時，請傳送參考片段；當您的參考資料是靜態圖片時，則可省略。省略參考影片也會從計費中扣除參考時長：計數秒數將回退到僅計算輸出時長，因此一個 5 秒的片段費用為 $2.65 美元，而非 $5.30 美元。

參數名稱已從 2.0 版更改。 Seedance 2.0 Pro 使用 image_url / video_url / audio_url。Seedance 2.5 使用 images / videos / audios。直接複製 2.0 的請求主體會產生架構錯誤 (退出碼 65)。

定價

計費方式為 每個計數影片秒數 $0.53 美元，其中計數秒數 = 參考影片時長 + 輸出時長。圖片和音訊參考不計入時長計費。

任務	計數秒數	費用
5 秒輸出，無參考片段	5	$2.65
5 秒輸出，一個 5 秒參考片段	10	$5.30
10 秒輸出，一個 6 秒參考片段	16	$8.48
10 秒輸出，三個 10 秒參考片段	40	$21.20

有兩個值得採取的後果：在上傳前修剪參考片段（一個 15 秒的參考費用與 15 秒的輸出相同），以及使用 480p 方案進行參考選擇——其計費方式為每個參考影片計數秒數 $0.12 美元，無參考影片時每個生成影片秒數 $0.20 美元。

如何呼叫

最小可用呼叫 — 提示詞加一個參考片段：

runcomfy run bytedance/seedance-2.5/reference-to-video/1080p \
  --input '{
    "prompt": "緩慢推近走道，灰塵微粒在溫暖的側光中飄動，淺景深，連續平穩運動，無文字，無浮水印。",
    "videos": ["https://your-cdn.example/camera-move-6s.mp4"]
  }' \
  --output-dir ./out

一致的角色成片 — 從靜態圖片取得身份，從片段取得運動：

runcomfy run bytedance/seedance-2.5/reference-to-video/1080p \
  --input '{
    "prompt": "參考圖片中的女性走向鏡頭並停下，看向畫框外。手持跟拍，柔和陰天光線，安靜的街道氛圍。無文字，無浮水印。",
    "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

完整參考資料庫 — 在上面的請求主體中加入 "audios": ["https://your-cdn.example/bed-8s.mp3"]，以提供模型節奏和情緒參考，並設定 "generate_audio": true (預設值) 以在同一輪中獲得語音、音效和音樂。

CLI 會提交請求、輪詢狀態、擷取結果，並將 *.runcomfy.net / *.runcomfy.com 的 URL 下載到 --output-dir 指定的目錄。按 Ctrl-C 可在退出前取消遠端請求。

提示詞撰寫 — 實際有效的方法

讓參考資料錨定，讓提示詞引導。 任何需保持穩定的元素——臉部、服裝、產品幾何、品牌色板——都應放在 images 中。任何會演變的元素——動作、鏡頭、光影變化、情緒——都應放在 prompt 中。在提示詞中用文字描述臉部，同時又提供臉部參考圖片，會導致偏差，而非強化效果。

參考影片承載鏡頭和節奏，而非內容。 一個 4 秒的手持跟拍影像能教會模型該鏡頭運動。不要指望它能轉移主體；那是 images 的工作。

保持參考媒體簡短。 每個影片片段和音訊檔案約 2-15 秒，音訊小於 15 MB。過長的片段會被拒絕，並且在此端點上還會增加帳單金額。

當 generate_audio 啟用時，標明每個聲音來源： 誰在說話、每個噪音從何而來、環境音是什麼。「安靜的街道氛圍，遠處車流，無音樂」的效果勝過「良好的音訊」。

使用否定指令。 「無文字，無浮水印」是 RunComfy 自身範例提示詞中使用的模式，且效果良好。可視需要添加「無鏡頭晃動」、「無額外人物的噪點」。

匹配長寬比。 與 aspect_ratio 不同長寬比的參考媒體會導致裁切。當您的參考資料長寬比不一致，且您不關心確切的畫面框架時，請使用 adaptive。

反模式：

九張來自九種不相關美學的參考圖片——應選擇一種視覺語言。
一個 15 秒的參考片段，但其中只有 4 秒承載了所需的運動——您需要為全部 15 秒付費。
用一個單一拍點的提示詞要求生成 30 秒——長時間的影片需要描述一個發展弧線。
重複使用帶有 image_url / video_url 的 Seedance 2.0 請求主體——欄位名稱錯誤。

在 480p 上打草稿，在 1080p 上交付

RunComfy 對此模型系列的建議是：先以低解析度驗證參考資料庫，再以最終解析度重複使用最佳組合。這兩個端點接受相同的參數。

組裝候選參考資料。在 bytedance/seedance-2.5/reference-to-video/480p 上，以 duration: 5 運行 3-5 個變體。
評估身份保持、鏡頭匹配度和音訊適配度——而非清晰度。
將最佳結果的請求主體原樣，針對 .../reference-to-video/1080p 重新運行，僅在節奏正確後才提高 duration。

以 480p 方案每個計數秒數 $0.12 美元對比 1080p 方案的 $0.53 美元，五次草稿的費用大約等於一次 1080p 成品的費用。

擅長領域

使用案例	為何選擇此端點
一致的角色成片	最多 9 張身份參考圖，可在不同鏡頭中保持臉部和服裝
產品參考影片	產品幾何來自靜態圖片；旋轉展示台的運動來自一個參考影像
風格鎖定的品牌短片	將情緒板放在 `images` 中，勝過一段華麗的風格形容詞
可延續到交付階段的預覽	原生 1080p 輸出，無需放大步驟
單輪對話和環境音	`generate_audio` 可產生同步語音、音效和音樂

限制

此端點需要參考影片（1-3 個片段，至少 1 個項目）。
1080p 是固定的 — 此端點沒有解析度參數，也無 720p 變體。
時長上限為 30 秒，最短 4 秒，僅接受整秒數。
參考媒體限制：每個影片和音訊檔案約 2-15 秒，音訊小於 15 MB，最多 9 張圖片 / 3 個影片 / 3 個音訊。
參考片段時長需計費 — 此端點並非僅根據輸出時長計價。
此端點沒有種子參數，因此無法保證不同次呼叫之間的完全再現性。

何時使用其他端點

無參考資料，僅提示詞 → seedance-2.5/text-to-video/1080p，每個生成影片秒數計費 $0.88 美元。
僅動畫化一張靜態圖片 → seedance-2.5/image-to-video/1080p，同樣每個生成影片秒數 $0.88 美元，接受單一 image。
其他參考圖像生成影片系列：Wan 3.0 Prime Reference to Video · MiniMax H3 Reference to Video。
使用您自己的語音進行嘴型同步 → ai-avatar-video。時長超過 30 秒 → video-extend。

退出碼

代碼	意義
0	成功
64	CLI 參數錯誤
65	輸入 JSON 錯誤 / 架構不匹配 (使用了 2.0 的欄位名稱、`duration` 超出範圍、`aspect_ratio` 錯誤)
69	上游 5xx 錯誤
75	可重試：超時 / 429
77	未登入或令牌被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

此技能會根據上述架構建立一個 JSON 請求主體，並執行 runcomfy run bytedance/seedance-2.5/reference-to-video/1080p。CLI 會 POST 到 https://model-api.runcomfy.net/v1/models/bytedance/seedance-2.5/reference-to-video/1080p，輪詢請求狀態，擷取結果，並將任何 .runcomfy.net / .runcomfy.com 的輸出 URL 下載到 --output-dir 指定的目錄。

安全性與隱私

僅透過經過驗證的套件管理器安裝。 使用 npm i -g @runcomfy/cli 或 npx -y @runcomfy/cli。代理程式不得代表使用者將遠端安裝腳本直接管道傳入 shell。
令牌儲存：runcomfy login 會將 API 令牌寫入 ~/.config/runcomfy/token.json，權限設為 0600。在 CI 環境中，請設定 RUNCOMFY_TOKEN。切勿將令牌輸出到提示詞、日誌或

seedance-2-5-reference-to-video