Seedance 2.5 Referenz-zu-Video: Für TikTok- und Reels-Kurzclips

seedance-2.5/reference-to-video startet nicht mit einem leeren Prompt, sondern erzeugt einen neuen Clip aus vorhandenem Material: Richte es auf ein Referenzvideo, und es übernimmt Kameraführung, Rhythmus und Bewegung dieses Clips, während du das Motiv austauschen, den Stil ändern oder eine Referenz-Audiospur hinzufügen kannst. Für die Kurzvideo-Produktion entscheidet das darüber, ob du eine TikTok- oder Reels-Idee neu drehst oder aus einem guten Clip mehrere Varianten schneidest. Unten findest du drei auf diese Weise erzeugte echte Clips (mit vollständigen Prompts) sowie die Felder, die für vertikale Ausgaben mit kurzer Dauer wirklich entscheidend sind.

Warum das besonders gut zu Kurzvideo-Remixen passt

Drei Punkte passen hervorragend zur TikTok/Reels-Produktion:

• aspect_ratio: "9:16" ist ein tatsächlich setzbares Feld und kein nachträglicher Zuschnitt – das Modell rendert direkt im Hochformat.
• reference_video_urls trägt die Kamerachoreografie. Wenn du bereits einen Clip hast, dessen Rhythmus, Schnitt und Bildaufbau passen, musst du die Einstellungen nicht neu entwerfen, nur um ein anderes Motiv oder einen anderen Stil auszuprobieren.
• Die Dauer ist konstruktionsbedingt kurz. duration ist auf 30 Sekunden begrenzt und hängt mit der Länge deines eingegebenen Referenzvideos zusammen – dieses Modell ist für Clips gemacht, nicht für lange Videoausgaben.

Beispiel 1: Motiv austauschen, Kamerapfad beibehalten

Die Quelle ist ein Werbespot für Trailrunning-Schuhe. Der Prompt behält die Abfolge der Kamerabewegungen bei und ersetzt das Produkt vollständig:

Verwende @video1 strikt als Referenz für Kameravorwärtsbewegung, Produktrotation, Kamerapfad, Rhythmus, Makro-Nahaufnahmen und Lichtübergänge. Ersetze den Schuh vollständig durch die Parfümflasche aus @image1. Behalte in jeder Einstellung die exakte Silhouette der Flasche, die bernsteinfarbene Glastönung, die Proportionen des Verschlusses, die Position des Etiketts und die hochwertige Materialwirkung bei. Präsentiere sie als Luxusparfüm-Werbespot auf einem dunklen Obsidian-Sockel mit warmem bernsteinfarbenem Konturlicht, kontrollierten Reflexionen, feinem Umgebungsnebel und präzisen Makrodetails. Folge dem visuellen Rhythmus und der Kamerachoreografie von @video1 und halte dabei durchgehend dieselbe Parfümflasche. Übertrage keine Schnürsenkel, Sohlen, Gewebestrukturen oder Schuhgeometrien auf die Flasche. Füge keine zusätzlichen Produkte, lesbaren Markentext, Logos, Hände oder Personen hinzu.

@video1 und @image1 sind Referenzmarker im Prompt-Text – sie teilen dem Modell mit, welche hochgeladene Datei welche Rolle übernimmt. Hier liefert @video1 (der Schuh-Clip, übergeben über reference_video_urls) Bewegung und Kameraführung; @image1 (die Parfümflasche, übergeben über reference_image_urls) liefert die Identität des Motivs. Die negativen Anweisungen am Ende („Übertrage keine Schnürsenkel …“) sind genauso wichtig wie die positiven Beschreibungen – ohne ausdrücklichen Ausschluss übernimmt Referenz-zu-Video auch unerwünschte Details aus dem Quellclip. Dieser Clip wurde in 480p, 9:16 und 4 Sekunden gerendert; das Audio wurde vom Modell nativ erzeugt und synchronisiert (für diesen Clip wurde keine separate Audio-Referenz bereitgestellt).

Beispiel 2: Nur Bewegung übertragen, alles andere stilistisch umgestalten

Dieser Clip verwendet ausschließlich reference_video_urls – keine Bild- oder Audio-Referenz – und überträgt die Bewegung in einen völlig anderen visuellen Stil:

Verwende @video1 als einzige visuelle Referenz. Behalte die erkennbaren Fellzeichnungen des Corgis, den Laufrhythmus, das Timing der Schritte, die Körperausrichtung, den Vorwärtsimpuls und die niedrige seitliche Mitlauf-Kamera bei. Erfinde die gesamte Szene als handgemachte Stop-Motion-Animation aus Filz, Wolle, Miniaturgras und handgezeichneten Papierkulissen neu. Behalte das warme Gegenlicht der untergehenden Sonne und den durchgehenden Verfolgungsrhythmus mit feiner handwerklicher Textur und natürlicher Tiefenschärfe bei. Halte im gesamten Shot denselben durchgängigen Corgi, anatomisch stabile Beine, eine flüssige Vorwärtsbewegung und einen kontinuierlichen Kamerapfad. Füge keine zusätzlichen Tiere, Texte, Logos, abrupten Schnitte oder fremden Objekte ein.

Das ist der am leichtesten verständliche Modus: ein Referenzvideo und eine klare Anweisung, die trennt, was beibehalten werden soll (Rhythmus, Kamerapfad) und was geändert werden soll (alle Oberflächen, Materialien und Lichtentscheidungen). Wenn das Ziel ein Stilwechsel bei vorhandenem Material ist und kein Motivaustausch, ist das eine gute Standardwahl.

Beispiel 3: Video, Bild und Audio kombiniert

Der anspruchsvollste Modus kombiniert alle drei Referenztypen und verlangt vom Modell, die Ausgabe mit den Zeitpunkten des Audios zu synchronisieren:

Verwende @video1 als Referenz für die Handbewegungen des Handwerkers, die Arbeit in der Werkstatt, die Kamerachoreografie, die Makrokomposition und den Ablauf vom Rohmaterial bis zur finalen Enthüllung. Ersetze das ursprüngliche Glasobjekt durch die Kristallfuchsskulptur aus @image1. Behalte in der gesamten Sequenz den halbtransparenten facettierten Körper des Fuchses, die spitzen Ohren, den eingerollten Schwanz, die Kristalltönung und die eleganten Proportionen bei. Zeige, wie der Handwerker den Kristallfuchs in einer warmen Glaswerkstatt sorgfältig formt, mit echten Werkzeugen, glühender Ofenflamme, kontrollierten Reflexionen und physikalisch plausiblen Händen. Verwende @audio1 gleichzeitig als Musik und als Taktvorgabe. Synchronisiere das Aufflammen des Ofens mit dem tiefen Puls am Anfang, die wichtigen Werkzeugkontakte mit den klaren Glasklängen und die finale Enthüllung des Kristallfuchses mit dem letzten aufschwellenden Glanz. Halte den Fuchs als leblose Glasskulptur und verwandle ihn nicht in ein lebendes Tier. Behalte dieselbe Werkstatt, dieselbe Skulptur und eine flüssige zeitliche Kontinuität bei. Füge keine Texte, Logos, zusätzlichen Skulpturen, verzerrten Hände oder fremden Szenenwechsel hinzu.

@audio1 (übergeben über reference_audio_urls) wird hier als ausdrückliche Zeitspur verwendet – der Prompt teilt dem Modell mit, welcher visuelle Takt welchem Zeitpunkt im Audio entsprechen soll, und verlangt nicht nur „Musik“. Erst diese Genauigkeit der Anweisung macht die Synchronisation klar erkennbar statt nur ungefähr passend.

Die entscheidenden Felder für Kurzvideos

• reference_video_urls (erforderlich, Array) – mindestens eine öffentliche Video-URL. Sie liefert Bewegung, Kamerapfad und Rhythmus. Die drei Beispiele oben verwenden jeweils genau eine.
• reference_image_urls (optional, Array) – tauscht das Motiv aus, während die Bewegung des Referenzvideos beibehalten wird, wie in Beispiel 1.
• reference_audio_urls (optional, Array) – Referenzaudio für Klang, Klangfarbe oder ausdrückliche Zeitsynchronisation, wie in Beispiel 3.
• duration – Ganzzahl, 4 bis 30 Sekunden. Die drei Beispiele oben verwenden den Mindestwert von 4 Sekunden, der für einen einzelnen Kurzvideo-Takt ausreicht; die Gesamtlänge des Referenzvideos begrenzt, welche Dauer du tatsächlich anfordern kannst.
• resolution – "480p", "720p" oder "1080p".
• aspect_ratio – einer der Werte 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, adaptive. Für TikTok/Reels setze es direkt auf "9:16" – kein separater Zuschnittschritt nötig, wie Beispiel 1 zeigt.

Das Schema ist strikt: Felder außerhalb dieser Liste (seed, ratio, image_urls, audio_urls) werden vor Beginn der Generierung abgelehnt. Die vollständige Anfrage-/Antwortstruktur und die Fehlerbehandlung findest du im Referenz-zu-Video-API-Leitfaden.

Eine Kurzvideo-Anfrage senden

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer sk-<your-api-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "seedance-2.5/reference-to-video",
    "input": {
      "prompt": "Use @video1 for camera path and pacing only. Replace the subject with the product from @image1, keep lighting and framing consistent with the source.",
      "reference_video_urls": ["https://your-cdn.example.com/reference-clip.mp4"],
      "reference_image_urls": ["https://your-cdn.example.com/subject-ref.jpg"],
      "duration": 4,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'

Das gibt sofort eine taskId zurück; frage GET /v1/tasks/{taskId} ab, bis status gleich "success" ist, und lade das Ergebnis vor dem Ablaufen von output[0].url herunter. Die vollständige Authentifizierungseinrichtung findest du in der Quickstart-Dokumentation, die Parameterreferenz zu diesem Modell auf der Seedance 2.5-Dokumentationsseite.

Kosten für Kurzvideo-Batches

In den aktuellen Preisdaten kostet 720p $0.2715 pro Sekunde – 480p kostet $0.1215/s, 1080p $0.68/s. Abgerechnet werden die Sekunden der Referenzvideolänge plus die Ausgabelänge, daher kostet eine 4-sekündige Ausgabe aus einem 5-sekündigen Referenzclip in 720p etwa $2.44. Schneide den Referenzclip auf den benötigten Bewegungsabschnitt zu. Wenn du für Kurzvideo-Batches mehrere Motivaustausche oder Stilvarianten desselben Referenzvideos testest, summieren sich die Kosten pro Clip schnell – halte die Testdauer beim Iterieren der Prompts auf dem Mindestwert von 4 Sekunden und verlängere erst, wenn die Referenzeinstellungen stimmen.

Häufige Fragen

Brauche ich ein Referenzvideo, oder kann ich nur mit einem Referenzbild starten? reference_video_urls ist erforderlich – mindestens eine Video-URL. reference_image_urls und reference_audio_urls sind Zusatzebenen und ersetzen sie nicht.

Bekomme ich eine echte 9:16-Ausgabe ohne Zuschnitt? Ja – setze in der Anfrage aspect_ratio: "9:16", wie in Beispiel 1 oben. Das ist ein echter Enum-Wert dieses Modells und nicht durch das Seitenverhältnis des Quellclips eingeschränkt.

Kommt das Audio aus reference_audio_urls oder wird es generiert? Beides ist möglich. Beispiel 3 oben verwendet eine ausdrückliche @audio1-Referenz zur Steuerung des Timings; das Audio in Beispiel 1 wurde nativ generiert, ohne separate Audio-Referenz. Wenn du eine bestimmte Zeitsynchronisation mit einer vorhandenen Tonspur brauchst, stelle sie über reference_audio_urls bereit und verweise im Prompt ausdrücklich darauf.

Wie lang darf das Referenzvideo sein? Die Gesamtlänge der Referenzvideo-Eingabe ist auf 30 Sekunden begrenzt, und auch die Ausgabe-duration ist auf 30 Sekunden begrenzt – dieses Modell ist für kurze Clips gemacht, nicht für langes Videomaterial.

Wird es teurer, wenn ich mehr Referenzeingaben (Video + Bild + Audio) verwende? Nein – Referenzbilder und -audios verursachen keine zusätzlichen Kosten. Der 720p-Tarif beträgt $0.2715 pro Sekunde und wird nach Referenzvideolänge plus Ausgabelänge abgerechnet.

Wenn du darauf eine Kurzvideo-Pipeline aufbauen willst, deckt der Referenz-zu-Video-API-Leitfaden den vollständigen Anfrage-Lebenszyklus ab, einschließlich Callbacks und Fehlerbehandlung, während die Modellseite einen Live-Spielplatz bietet, um Referenzclips zu testen, bevor du ein Skript schreibst.