参考图生成视频 | Seedance 2.5 多图参考完整教程

学参考图生成视频，主要是在学这个请求会接受什么。Seedance 2.5 单次生成最多接受 30 张图，不为它们增加账单，而且一旦附上图，提示词就变成可选字段。真正会咬人的限制是文件格式、每张图 30 MB 的上限，以及每个文件都必须坐在一个公开 URL 后面任务才会启动。

什么算参考图

一次请求最多接受 30 张参考图。支持的格式是 jpeg、png、webp、bmp、tiff、gif、heic 和 heif，每个文件必须小于 30 MB。

参考视频和参考音频在同一个请求上是独立的预算：最多 10 段 mp4 或 mov 视频，每段不超过 200 MB，单段 2 到 30 秒、合计 30 秒，外加最多 10 条 wav 或 mp3 音频，每条不超过 15 MB。混用是允许的。图片是这套安排里便宜的那一半，原因在定价那一节。

三十张是一个很大的预算，值得刻意去花。同一主体的多个角度、一处服装细节、那个房间，以及一张能显示你想要的光线的画面，会比三十张几乎一样的照片更管用。

参考图生成视频的具体做法

步骤很短。

1. 把每张图放到一个能通过公开 HTTP(S) 取到的地方。别的一概不接受。
2. 设好提示词碰不到的那些字段：时长 4 到 30 秒、默认 5，分辨率从 480p、720p 或 1080p 里选、默认 720p，画面比例从 16:9、9:16、1:1、4:3、3:4、21:9 或自适应里选，自适应是默认值。
3. 附上图片 URL，并写一段说明发生了什么、而不是说明东西长什么样的提示词。
4. 提交。生成平均两到五分钟，任务是异步的，轮询结果免费。
5. 以 mp4 或 mov 取回输出。

除非你关掉，否则音频会在同一遍里生成。generate_audio 默认为 true，覆盖台词、音效和音乐，作为一条单声道音轨，所以一个用无声照片搭起来的请求，回来时照样带声音。

托管：只能用公开 URL

媒体输入是公开的 HTTP(S) URL。data URI 在全平台被拒绝，所以请求体里塞 base64 不是退路。

这一条规则是首次尝试根本没能启动的最常见原因。一个需要会话 cookie 的链接、一个已经过期的签名 URL，或者一个屏蔽未知 user agent 的托管方，都会在生成之前失败。提交任务之前，从一个没有登录态的环境里测一遍每个 URL。

附上图之后提示词还负责什么

提示词字段最多容纳 20,000 个字符。文生视频时它必填，一旦出现任何参考素材就变成可选。

可选不等于没用。有图附着时，提示词不再承载外观，而开始承载动作、镜头和时间点：谁在动、朝哪个方向、镜头在做什么、剪切点落在哪里。一个带 30 张图和三句调度说明的请求是很正常的形态。

把图片已经覆盖了的描述性文字删掉。在一张大衣的照片旁边写「一件红色羊毛大衣」，等于为同一个细节造了两个事实来源，而请求里没有任何东西说明模型该听哪一个。

参考素材要多少钱

计费按成片的每一秒算，费率由分辨率、以及请求是否带了参考视频决定。

参考图和参考音频不增加计费秒数。一条用 30 张图搭出来的 720p 五秒片子，按五秒乘 $0.266824 计费，约 $1.33。同样的片子在 1080p 上约 $2.31，1080p 十秒约 $4.62。

参考视频是例外。它自己的长度会加到输出之上计费，而且带参考视频的请求，计费永远不会低于输出时长的三分之五倍向上取整。有参考视频时每秒费率会降，这抵消了一部分，但很少抵消掉全部。

失败的任务全额退款，所以一次被拒的运行花掉的是等待时间而不是额度。

越过 30 秒的天花板

单次生成止于 30 秒。把时长设成 -1 让模型自己挑长度，而预留无论最终出来什么都按 30 秒上限扣。

更长的片子是接龙起来的多次生成。schema 暴露了 return_last_frame 和 seed，以及 output_format、bitrate_mode、watermark、omni_reference_task_type 和 image_with_roles 这些字段，常规做法是把一条片子的收尾帧作为参考图带到下一条，让两段共享同一个主体和同一种质感。

在 480p 上给这条链打草稿。构图、调度和连贯性在每秒 $0.118589 的价位上全都看得出来，这让一次五秒的测试约 $0.59，而 1080p 上是 $2.31，而且你要找的那些结构性错误在两档上表现是一样的。

常见问题

一次请求能用多少张参考图？ 最多 30 张，格式为 jpeg、png、webp、bmp、tiff、gif、heic 或 heif，每张小于 30 MB。它们不增加计费秒数。

附了图之后还需要提示词吗？ 不需要。只要有参考素材在，提示词就是可选的，只有文生视频时才必填。不过一段覆盖动作和镜头的简短调度说明通常还是会改善结果。

我能直接上传图片文件而不用 URL 吗？ 不能。媒体输入是公开的 HTTP(S) URL，data URI 被拒绝，所以文件必须先托管在一个不用登录就能访问到的地方。

一条参考图生成的视频要多少钱？ 图片本身免费。你付的是输出：720p 五秒约 $1.33，1080p 五秒约 $2.31，480p 五秒约 $0.59。

一句话总结

参考图生成视频归结为四个决定。把文件托管在公开 HTTP(S) URL 上，因为别的一概不接受。把 30 张图的预算花在多样性而不是重复上。让图片承载外观，让提示词承载动作、镜头和时间点。在 480p 上打草稿，那里五秒约 $0.59，然后把定稿的请求在 1080p 上跑一次，并且记住图片不花钱而输出的每一秒都花钱。