[!info] 阅读导览
全文 8 节：多模态自由组合（1.1）→ 能力速览（1.2）→ 操作方式详解（1.3，五步走）→ 核心能力详解（1.4，十一大能力）→ 提示词写作技巧（1.5，含五个实战模板）→ 避坑指南（1.6）→ 写在最后（1.7）→ 彩蛋（1.8）

flowchart LR
    A[四种模态输入<br>图片×9 · 视频×3 · 音频×3 · 文字] --> B["@ 引用分配任务"]
    B --> C[Seedance 2.0 多模态融合]
    C --> D[4-15 秒视频<br>自带音效配乐]

1. Seedance 2.0 完整操作手册：AI 视频创作进入"人人都是导演"时代

这两天，字节的 AI 视频模型 Seedance 2.0 彻底出圈了。

到处都是 Seedance 2.0 生成的 AI 作品。

有人用它做出了电影级的追逐戏，有人用它复刻了广告大片的运镜，还有人拿它做古装穿越剧和各种武打动作片，画面精致到让人分不清是 AI 生成的还是真人拍的。

不夸张地说，Seedance 2.0 这波更新，直接把 AI 视频生成的门槛踩到了地板上。

多说无用，先上个混剪 ↓

效果如何？

为什么这么火？因为它解决了一个所有创作者都头疼的问题：以前 AI 视频只能"生成"，现在终于能"控制"了。

1.1. 用图片、视频、音频、文字自由组合，人人都能当导演

我们都知道，以前做 AI 视频，你只能打字描述想要什么画面，或者最多放一张图当起始帧。说实话，这种方式表达能力太有限了——你脑子里想的是电影级别的镜头感，打出来的却只是干巴巴的一段话。

现在不一样了。

它不再只是一个"文生视频"工具了，而是变成了一个真正能听懂你想法的多模态视频创作平台。 你可以同时丢给它图片、视频、音频、文字，告诉它每个素材分别干嘛用，然后它帮你把这些东西揉在一起，生成一段完整的视频。

听起来有点抽象？没关系，下面我把所有功能和玩法拆开了讲。

1.2. 先搞清楚：Seedance 2.0 到底能干嘛？

最核心的变化就一个词：多模态。

以前的视频生成工具，输入基本就两种：文字描述，或者一张首帧图。你想控制镜头怎么动、角色做什么表情、背景音乐什么节奏，基本只能靠提示词硬写，写得好不好全凭经验。

Seedance 2.0 直接把输入扩展到了四种模态：

• 图片：最多上传 9 张，可以指定角色长相、场景风格、服装细节、商品外观，甚至分镜脚本图都行。
• 视频：最多上传 3 个（总时长不超过 15 秒），可以让模型参考里面的运镜方式、动作节奏、转场特效，相当于给模型一个"样片"。
• 音频：支持 MP3 上传，最多 3 个（总时长不超过 15 秒），可以指定背景音乐、音效风格、甚至参考某个视频里的旁白音色。
• 文字：自然语言描述，写清楚你想要什么画面、什么动作、什么节奏就行。

这四种输入可以自由组合，混合上传的文件总上限是 12 个。生成的视频时长最长 15 秒，可以自由选择 4 到 15 秒，而且自带音效和配乐。

简单来说，你终于可以像一个真正的导演一样去"指挥" AI 了：用图片定风格，用视频定动作，用音频定节奏，用文字定剧情。

1.2.1. 核心参数一览

先看看 Seedance 2.0 能接受什么输入、能输出什么：

小建议：素材不是越多越好。优先上传对画面或节奏影响最大的素材，合理分配数量。

1.3. 怎么用？操作方式详解

1.3.1. 第一步：选对入口

打开即梦，找到 Seedance 2.0，你会看到两个入口：

• 首尾帧入口：只上传首帧图 + 文字描述时用这个
• 全能参考入口：需要多模态组合（图片 + 视频 + 音频 + 文字）时用这个

怎么选？记住一个原则：素材只有一张图加文字，走首尾帧；素材超过一张图，或者有视频、音频参与，走全能参考。

大部分情况下选择全能参考即可，它支持各种参考输入，也就是最新的 Seedance 2.0 能发挥最大能力的方式。

1.3.2. 第二步：上传你的素材

点击上传按钮，从本地选文件。图片、视频、音频都可以直接拖进去。上传成功后，所有素材会出现在输入框区域，鼠标悬停可以预览内容。

小建议：上传前想好哪些素材最关键。总共只能传 12 个文件，优先上传对画面风格和节奏影响最大的素材。

1.3.3. 第三步：用"@"给每个素材分配任务（最关键）

这一步是 Seedance 2.0 最核心的操作，也是很多新手容易忽略的地方。

上传完素材后，你需要在提示词里通过 @素材名 来告诉模型，每个素材具体干什么用。模型不会自己猜，你不说清楚，它就可能乱用。

比如：

• @图片1 作为首帧
• @视频1 参考镜头语言
• @音频1 用于配乐

1.3.3.1. 怎么唤起 @

方法一：在输入框里直接打一个"@"字符，会自动弹出已上传素材的列表，点击你要引用的素材，它就落入输入框了。

方法二：点击输入框旁边参数工具栏的"@"按钮，同样会弹出素材列表。

1.3.3.2. @ 的正确写法示例

指定首帧和参考：
@图片1 作为首帧，参考 @视频1 的镜头语言，@音频1 用于配乐

指定角色形象：
@图片1 的女生作为主角，@图片2 的男生作为配角

指定运镜参考：
完全参考 @视频1 的所有运镜效果和转场

指定场景参考：
左边场景参考 @图片3，右边场景参考 @图片4

指定动作参考：
@图片1 的人物参考 @视频1 中的舞蹈动作

指定音色参考：
旁白的音色参考 @视频1

踩坑提醒：素材多的时候，一定反复检查每个 @ 引用有没有对上号。把图片当成视频引用，或者把角色 A 的图标成角色 B，模型生成出来就会很混乱。

鼠标放在你 @ 的素材上，悬停可以预览素材，避免插入错误。

1.3.4. 第四步：写好你的提示词

@ 分配完任务后，剩下的就是用自然语言描述你想要的画面和动作。

1.3.4.1. 写提示词的四个技巧

技巧一：按时间线分段写。 如果视频里有多个画面或剧情转折，建议按秒数分段描述。

比如：

0-3秒画面：男主手里举起一个篮球，抬头望向镜头，说"我只是想喝杯酒，该不会要穿越了吧……"
4-8秒画面：镜头突然剧烈晃动，场景切换成古宅的雨夜，一个穿着古装的女主冷冽地望向镜头方向。
9-13秒画面：镜头切到一个穿着明代服饰的人物……

这样写模型能更准确地把握每段画面的节奏和内容。

技巧二：明确说"参考"还是"编辑"。 这两个概念不一样。"参考 @视频1 的运镜"意思是借鉴它的镜头运动方式来生成新内容；"将 @视频1 中的女生换成戏曲花旦"意思是在原视频基础上做修改。写清楚，模型才能正确响应。

技巧三：镜头语言写具体。 不用怕写多，模型现在的理解能力很强。推、拉、摇、移、跟拍、环绕、俯拍、仰拍、一镜到底、希区柯克变焦、鱼眼镜头……这些专业术语它都认识。不懂术语也没关系，用大白话描述也行，比如"镜头从背后慢慢转到正面"。

技巧四：连续动作加过渡描述。 如果你想让角色做一系列连贯动作，记得写上过渡关系，比如"角色从跳跃直接过渡到翻滚，保持动作连贯流畅"，避免画面出现不自然的跳切。

1.3.5. 第五步：选择生成时长，点击生成

在 4 到 15 秒之间选一个你需要的时长。

注意：如果你是在做视频延长（比如把一段已有视频往后接 5 秒），那这里选的时长是"新增部分"的时长，不是总时长。想延长 5 秒就选 5 秒。

然后点生成，等结果就好。不满意可以多生成几次，AI 本身有随机性，同样的输入每次结果都会有差异，挑最满意的那条。

1.4. Seedance 2.0 核心能力详解

下面是 Seedance 2.0 最强的十一个能力，每个都配有使用方法和实际案例。

1.4.1. 能力一：基础画面质量大幅提升

先说最基本的。Seedance 2.0 在底层做了全面升级，物理规律更合理，动作更流畅，风格更稳定。

Seedance 2.0 在最底层的画面生成能力上就有了质的飞跃：

• 物理规律更合理：衣服飘动、水花溅射、物体碰撞都更真实
• 动作更自然流畅：人物走路、跑步、做复杂动作不再僵硬
• 指令理解更精准：你说"女孩优雅地晒衣服"，它真的能理解"优雅"是什么意思
• 风格保持更稳定：画面从头到尾一致，不会突然变风格

用法示例：

女孩在优雅的晒衣服，晒完接着在桶里拿出另一件，用力抖一抖衣服。

什么概念呢？“女孩在优雅地晒衣服，晒完接着在桶里拿出另一件，用力抖一抖衣服”，生成出来的画面里，衣服的飘动、手臂的发力、布料的质感，都非常接近真实拍摄的效果。

更复杂的场景也不在话下：

镜头跟随黑衣男子快速逃亡，后面一群人在追，镜头转为侧面跟拍，人物惊慌撞倒路边的水果摊爬起来继续逃

这种带追逐、碰撞、镜头切换的复杂场景，2.0 都能稳定生成。

还有更夸张的，有人用一段提示词让画中人物偷偷伸手拿可乐喝，听到脚步声赶紧放回去，最后镜头推进到纯黑背景只有一罐可乐加艺术字幕。这种叙事复杂度，以前想都不敢想。

1.4.2. 能力二：多模态自由组合

这是 2.0 最核心的升级——你可以用任何素材作为"参考"。

公式：Seedance 2.0 = 多模态参考（可参考万物）+ 强创意生成 + 精准指令理解

你可以参考的东西包括：

• 动作、特效、形式
• 运镜方式、镜头语言
• 人物形象、场景风格
• 声音、音乐节奏

1.4.2.1. 实用技巧

1.4.3. 能力三：一致性全面提升

做过 AI 视频的人都懂，一致性是最折磨人的问题。角色脸前后不一样，商品换了个角度细节就丢了，场景风格忽然跳变……

2.0 在这方面下了大功夫。上传角色参考图后，整段视频里人物的长相、服装、体态都能保持一致。商品展示也一样，多角度旋转展示一个包包，正面侧面材质细节都不会丢。

能保持一致的元素：

• 人脸特征（五官、肤色、表情风格）
• 服装细节（纹理、颜色、图案）
• 品牌元素（Logo、字体、配色）
• 场景风格（光影、氛围、色调）

用法示例：

男人@图片1 下班后疲惫地走在走廊，脚步变缓，最后停在家门口，深呼吸调整情绪，然后翻找出钥匙进入家里，他的小女儿和一只宠物狗欢快地跑过来迎接拥抱

这里通过 @图片1 指定人物形象，全程保持一致。

1.4.4. 能力四：运镜和动作精准复刻

这是 2.0 被刷屏最多的能力。 以前想让 AI 模仿电影运镜，要么写一堆专业术语碰运气，要么干脆做不到。

现在只需要两步：上传一段你喜欢的运镜参考视频，然后写"参考 @视频1 的运镜效果"。

模型能识别参考视频里的镜头运动方式（推拉摇移、环绕、跟拍、变焦、一镜到底等等），然后把同样的运镜逻辑应用到你的新内容上。

能复刻的运镜类型：

• 希区柯克变焦
• 环绕跟拍
• 一镜到底
• 推拉摇移
• 低角度仰拍
• 俯拍鸟瞰

示例：复刻经典武侠场面

作者：@蒙不太奇 他说这个视频以前需要 10 天时间，现在只需要 1 个小时，上传参考视频可以很快复制武打动作。

1.4.5. 能力五：创意模板和特效精准复刻

看到一个很酷的广告创意、转场特效、电影片段？直接上传作为参考，模型能识别其中的动作节奏、视觉结构和镜头语言，帮你复刻出属于自己的版本。

能复刻的创意类型：

• 创意转场（拼图破碎、粒子消散、瞳孔穿越等）
• 广告成片风格
• MV 节奏剪辑
• 电影特效镜头
• 变装/换脸效果

示例：

特效镜头拉满…

1.4.6. 能力六：视频延长和衔接

已经有一段满意的视频，想接着往后拍？或者想往前补一段前情？视频延长功能直接搞定。

向后延长：上传已有视频，写"将 @视频1 延长 X 秒"加上新画面的描述。

向前延长：写"向前延长 X 秒"加上前情内容描述。

使用规则：

• 告诉模型"将@视频1延长 X 秒"
• 生成时长要选成延长部分的时长（比如延长 5 秒，生成长度选 5 秒）
• 可以在延长部分加入新的剧情和画面描述
• 支持向前或向后延长

用法示例：

通过参考图和参考视频，将上面 2 秒钟的视频延长到 15 秒。

延长的内容可以很具体，包含镜头运动、画面元素、文字出现等。

1.4.7. 能力七：声音更真实

2.0 生成的视频自带音效和配乐，而且声音质量比之前好了很多。

几种声音相关的玩法：

参考音色：上传一段视频或音频，让模型模仿里面的说话音色或旁白风格。

多语言对话：角色可以说中文、英文、西班牙语、韩语等多种语言，而且情感表达比较到位。

多角色对话：支持一段视频里多个角色各说各的台词。比如猫狗脱口秀、古装戏对白、军事题材的战术对话，都有成功案例。

方言支持：有人成功让角色说四川话点奶茶，效果相当有味道。

音效匹配：走路声、雷鸣声、人群嘈杂声、装备碰撞声，这些环境音效都能比较准确地生成。

效果展示：（作者：虚妄）↓

师兄们喜欢吗？

1.4.8. 能力八：一镜到底更连贯

"一镜到底"需要长时间保持画面连贯，同时处理复杂的空间转换和镜头运动，对 AI 来说一直是硬骨头。

Seedance 2.0 在这方面明显进步了。上传多张不同场景的图片，写"一镜到底的追踪镜头，从街头跟随跑步者上楼梯、穿过走廊、进入屋顶，最终俯瞰城市"，模型能完成场景之间的自然过渡，不会出现明显的断裂感。

更复杂的一镜到底也能做。比如"从第一人称视角出发，穿过舷窗看到云朵变成冰淇淋，镜头拉回机舱内，角色拿起冰淇淋吃了一口"，这种涉及视角转换和虚实结合的一镜到底，Seedance 2.0 也能撑住。

还有谍战片风格的一镜到底：镜头跟拍红衣女特工在人群中穿行，经过拐角遇到面具女孩，继续追踪到豪宅消失，全程不切镜。这种叙事密度的一镜到底，能做到这个程度已经相当 impressive 了。

用法示例：

@图片1@图片2@图片3@图片4@图片5，一镜到底的追踪镜头，从街头跟随跑步者上楼梯、穿过走廊、进入屋顶，最终俯瞰城市。

技巧：多张图片按顺序排列，模型会按顺序在一镜到底中依次展现这些场景。

1.4.9. 能力九：视频编辑能力

已经有了一段视频，不想从头再做，只想改其中一部分？现在可以直接用已有视频作为输入，做定向修改。

角色替换：把视频里的 A 换成 B，动作和表情保持不变。比如"视频1中的女主唱换成图片1的男主唱，动作完全模仿原视频"。

剧情颠覆：保持场景和角色不变，但完全改写剧情走向。有人把一段深情的桥上赏月视频，改成了男主把女主推下水的反转剧情。还有人把一段紧张的酒吧谈判，改成了掏出一大包零食的搞笑反转。

元素修改：改发型、加道具、换背景。比如"将视频1女人发型变成红色长发，@图片1 中的大白鲨缓缓浮出半个脑袋在她身后"。

品牌植入：在已有视频里插入品牌元素。比如在炸鸡视频里加上印有品牌 Logo 的纸袋特写。

示例——替换角色：

复刻黑神话悟空，然后和美国队长对打

1.4.10. 能力十：音乐卡点

上传一段有节奏感的音乐视频作为参考，模型能识别音乐的节拍变化，让画面切换精准地踩在节拍上。

基础卡点：上传素材图片和音乐参考视频，写"根据 @视频 中的画面节奏进行卡点"。

动感卡点：写"画面中的人物更有动感，整体画面风格更梦幻，画面张力强，可根据音乐需求自行改变参考图的景别"。

风光卡点：多张风景图配音乐，写"风光场景图参考 @视频 中的画面节奏，转场间画面风格及音乐节奏进行卡点"。

用法示例：

@图片1@图片2@图片3@图片4@图片5@图片6@图片7 中的图片根据@视频中的画面关键帧的位置和整体节奏进行卡点，画面中的人物更有动感，整体画面风格更梦幻

关键写法：多张图 + 一个节奏参考视频 + “根据节奏进行卡点”。

1.4.11. 能力十一：情绪演绎更到位

角色表情僵硬、情绪转换生硬，一直是 AI 视频的老毛病。2.0 在这方面有明显改善。

你可以上传一段情绪参考视频，让模型模仿里面的表情变化。比如"@图片1 的女子走到镜子前，沉思了一会突然开始崩溃大叫，抓镜子的动作和崩溃大叫的情绪完全参考 @视频1"。

也可以用文字精确描述情绪变化过程：从温柔到冰冷，从紧张到放松，从愤怒到释然。模型能理解这些情绪转变，并且在角色的表情、肢体语言、声音语调上同步体现。

甚至可以做带喜剧色彩的夸张表情：比如"人物突然抬头开始大声咆哮"。

1.5. 提示词写作技巧总结

1.5.1. 写得好 vs 写得一般

1.5.2. 黄金公式

@素材 + 用途说明 + 具体画面描述 + 时间线（可选）

比如：

@图片1作为首帧，参考@视频1的运镜和转场效果，0-5秒镜头从全景缓缓推近到人物特写，5-10秒环绕镜头展示场景全貌，10-15秒镜头快速后拉至鸟瞰视角

1.5.3. 注意事项

• 素材多的时候，一定要检查每个 @ 有没有标清楚，别把图、视频、角色搞混
• 延长视频时，生成时长要选成"新增部分"的时长
• 没有音频素材也没关系，可以直接参考视频里的声音
• 按时间线写描述能让模型更精准地控制画面节奏

1.5.4. 五个实战模板，拿去直接用

1.5.4.1. 模板 1：电商产品广告

素材准备：产品正面图、侧面图、材质细节图各一张

提示词：

对 @图片2 的包包进行商业化的摄像展示，包包的侧面参考 @图片1，包包的表面材质参考 @图片3，要求将包包的细节均有所展示，背景音恢宏大气

1.5.4.2. 模板 2：短剧预告片

素材准备：角色参考图 1-2 张

提示词：

使用参考图片人物的形象生成一段古装穿越剧的预告短片。0-3秒画面：参考图片1人物形象的男主手里举起一个篮球，抬头望向镜头，说话"我只是想喝杯酒，该不会要穿越了吧……" 4-8秒画面：镜头突然剧烈晃动，场景切换成古宅的雨夜……

1.5.4.3. 模板 3：品牌宣传片

素材准备：场景照片 2-3 张，旁白参考视频 1 段

提示词：

根据提供的写字楼宣传照，生成一段15秒电影级写实风格的地产纪录片，旁白的音色参考 @视频1，拍摄"写字楼的生态"，呈现楼内不同企业的运作

1.5.4.4. 模板 4：运镜复刻

素材准备：角色参考图 1 张，场景图 2-3 张，运镜参考视频 1 段

提示词：

参考 @图1 的人物形象，他在 @图2 的场景中，完全参考 @视频1 的所有运镜效果和主角的面部表情，镜头跟随主角奔跑，环绕到正面，再后拉展示全景

1.5.4.5. 模板 5：视频延长 + 广告收尾

素材准备：已有视频 1 段，品牌元素图 1-2 张

提示词：

将视频延长6s，出现电吉他的激昂音乐，视频中间出现"JUST DO IT"的广告字体后逐渐淡化，镜头上移，男人穿着 @图1 的紧身健身服，背面印有 @图2 的Logo

1.6. 避坑指南

别忘了 @：上传了素材但提示词里没有 @ 引用，等于白上传。模型不会自己去猜哪张图干什么用。

@ 别标错：素材多的时候最容易出问题。写完提示词后，花 10 秒钟检查一遍每个 @ 引用是不是对的。

延长视频选对时长：延长 5 秒就选 5 秒的生成时长，选长了会多生成不需要的内容。

参考视频别太长：总时长上限 15 秒，而且视频越短越精准。如果你只想参考某段运镜，截取那几秒关键片段就够了。

多生成几次：AI 生成天然有随机性，同样的输入跑三次可能效果差很多。别因为第一次不满意就放弃，多试几轮挑最好的。

先简单后复杂：如果你是新手，建议从"一张图+文字"开始，熟悉了再加视频参考和音频参考，循序渐进。

1.7. 写在最后

Seedance 2.0 刷屏不是没有道理的。它不只是画质变好了、动作更流畅了，更关键的是它改变了 AI 视频创作的交互方式。

通过多模态输入和 @ 引用机制，创作者第一次能够精准地告诉 AI “我要什么”，而不是写完提示词然后听天由命。

当然它还在持续进化中，有些极端复杂的场景可能还不够完美。但从目前的能力来看，它已经是一个真正能用在实际创作中的生产力工具了。

建议大家先收藏这篇指南，然后打开即梦动手试试。看别人的作品刷屏不过瘾，自己上手才是真的爽。

以上基于 Seedance 2.0 官方使用手册整理

1.8. 彩蛋

[!success] 核心要点

• 定位：字节跳动 Seedance 2.0（2026-02-12 发布，豆包/即梦接入），多模态视频生成模型，输入四模态（图片×9 + 视频×3 + 音频×3 + 文字，总 12 文件），输出 4-15 秒视频、自带音效配乐（参数多源核验一致）
• 核心操作：@素材名 引用机制分配任务（@图片1 定形象 / @视频1 参考运镜 / @音频1 配乐）；两个入口——单图+文字走首尾帧，多模态走全能参考
• 操作五步：选入口 → 上传素材 → @ 分配任务 → 写提示词 → 选时长生成
• 提示词黄金公式：@素材 + 用途说明 + 具体画面描述 + 时间线（可选）；按时间线分段、区分"参考/编辑"、镜头语言写具体、连续动作加过渡
• 十一大能力：画质飞跃、多模态组合、一致性、运镜复刻、创意模板复刻、视频延长、真实声音、一镜到底、视频编辑、音乐卡点、情绪演绎
• 避坑六条：别忘了 @、@ 别标错、延长选对时长、参考视频 ≤15 秒、多生成几次、先简单后复杂