Seedance 2.5 referencia a video: para clips cortos de TikTok y Reels

seedance-2.5/reference-to-video no parte de un prompt en blanco, sino que genera un nuevo clip a partir del material que ya tienes: apúntalo a un video de referencia y conservará el movimiento de cámara, el ritmo y la acción de ese clip, mientras te permite sustituir el sujeto, cambiar el estilo o superponer una pista de audio de referencia. Para la creación de contenido corto, esto marca la diferencia entre volver a rodar una idea de TikTok o Reels y remezclar un buen material en varios clips. A continuación, tres clips reales generados de esta forma (con los prompts completos) y los campos que realmente importan para la salida vertical y de corta duración.

Por qué esto encaja especialmente bien con el remix de video corto

Tres puntos encajan a la perfección con la producción de TikTok/Reels:

• aspect_ratio: "9:16" es un campo real y configurable, no un recorte posterior: el modelo renderiza directamente en vertical.
• reference_video_urls transporta la coreografía de cámara. Si ya tienes un material cuyo ritmo, montaje y composición cumplen los requisitos, no necesitas rediseñar el plano para probar un sujeto o un estilo distintos.
• La duración es corta por diseño. El límite de duration es de 30 segundos y va ligado a la longitud de tu video de referencia de entrada: este modelo está hecho para clips, no para salidas de larga duración.

Ejemplo 1: sustituir el sujeto conservando la trayectoria de cámara

La referencia de origen es un anuncio de zapatillas de trail running. El prompt conserva la secuencia de avance de cámara y sustituye el producto por completo:

Usa @video1 estrictamente como referencia del avance de cámara, la rotación del producto, la trayectoria de cámara, el ritmo, los primeros planos macro y las transiciones de iluminación. Sustituye por completo la zapatilla por el frasco de perfume de @image1. Conserva en cada plano la silueta exacta del frasco, el tono de vidrio ámbar, las proporciones del tapón, la posición de la etiqueta y el aspecto de material premium. Preséntalo como un anuncio de perfume de lujo sobre un pedestal de obsidiana oscura, con una cálida luz de contorno ámbar, reflejos controlados, una sutil niebla ambiental y un detalle macro preciso. Sigue el ritmo visual y la coreografía de cámara de @video1, manteniendo en todo momento el mismo frasco de perfume. No transfieras cordones, suelas, texturas de tejido ni la geometría de la zapatilla al frasco. No añadas productos adicionales, texto de marca legible, logotipos, manos ni personas.

@video1 y @image1 son marcadores de referencia dentro del texto del prompt: indican al modelo qué archivo subido desempeña cada papel. Aquí @video1 (el clip de la zapatilla, pasado mediante reference_video_urls) aporta la acción y el movimiento de cámara; @image1 (el frasco de perfume, pasado mediante reference_image_urls) aporta la identidad del sujeto. Las instrucciones negativas del final («no transfieras cordones...») son tan importantes como la descripción positiva: salvo que las excluyas explícitamente, la referencia a video arrastra también los detalles sobrantes del clip de origen. Este se renderizó en 480p, 9:16 y 4 segundos, con audio generado de forma nativa por el modelo y sincronizado (este clip no incluyó una referencia de audio independiente).

Ejemplo 2: trasladar solo la acción y cambiar el estilo de todo lo demás

Este usa únicamente reference_video_urls —sin referencias de imagen ni de audio— para llevar la acción a un estilo visual completamente distinto:

Usa @video1 como única referencia visual. Conserva las marcas distintivas reconocibles del corgi, la cadencia de la carrera, el ritmo de las zancadas, la orientación del cuerpo, el impulso de avance y el movimiento de cámara lateral bajo de seguimiento. Reimagina toda la escena como animación stop-motion artesanal hecha de fieltro, lana, hierba en miniatura y decorados de papel pintados a mano. Mantén la cálida contraluz de atardecer y el ritmo continuo de la persecución, con una textura artesanal sutil y una profundidad de campo natural. Conserva un único corgi coherente durante todo el plano, patas anatómicamente estables, un movimiento de avance fluido y una trayectoria de cámara continua. No introduzcas animales adicionales, texto, logotipos, cortes bruscos ni objetos ajenos.

Este es el modo más fácil de entender: un video de referencia y una instrucción clara que distingue qué conservar (la cadencia, la trayectoria de cámara) y qué cambiar (todas las superficies, materiales y decisiones de iluminación). Es una buena opción por defecto cuando el objetivo es dar la vuelta al estilo de un material existente en lugar de sustituir el sujeto.

Ejemplo 3: combinar video, imagen y audio

El modo más exigente superpone los tres tipos de referencia y pide al modelo que sincronice la salida con los puntos temporales del audio:

Usa @video1 como referencia de los movimientos de las manos del artesano, la manipulación en el taller, la coreografía de cámara, la composición macro y la progresión desde la materia prima hasta la revelación final. Sustituye el objeto de vidrio original por la escultura de zorro de cristal de @image1. Conserva durante toda la secuencia la geometría facetada semitransparente del zorro, las orejas puntiagudas, la cola curvada, el tono del cristal y las proporciones elegantes. Muestra al artesano dando forma con cuidado al zorro de cristal en un cálido taller de vidrio, con herramientas reales, el resplandor del horno, reflejos controlados y manos físicamente plausibles. Usa @audio1 como guía tanto de la banda sonora como del ritmo temporal. Sincroniza el estallido del horno con el pulso grave inicial, el contacto importante de las herramientas con el tintineo cristalino y la revelación del zorro de cristal final con el crescendo del último destello. Mantén el zorro como una escultura de vidrio inanimada; no lo conviertas en un animal vivo. Conserva el mismo taller, la misma escultura y una continuidad temporal fluida. No añadas texto, logotipos, esculturas adicionales, manos deformadas ni cambios de escena ajenos.

@audio1 (pasado mediante reference_audio_urls) se usa aquí como una pista temporal explícita: el prompt indica al modelo qué pulso visual debe corresponder a qué punto temporal del audio, en lugar de limitarse a pedir «música». Solo con este nivel de instrucción la sincronización resulta nítidamente perceptible y no una mera aproximación.

Campos clave para video corto

• reference_video_urls (obligatorio, array) — al menos una URL de video pública. Aporta la acción, la trayectoria de cámara y el ritmo. Los tres ejemplos anteriores usan exactamente una.
• reference_image_urls (opcional, array) — para sustituir el sujeto conservando la acción del video de referencia, como en el ejemplo 1.
• reference_audio_urls (opcional, array) — audio de referencia para el sonido, el timbre o una sincronización temporal explícita, como en el ejemplo 3.
• duration — entero, de 4 a 30 segundos. Los tres ejemplos anteriores usan el mínimo de 4 segundos, suficiente para un solo pulso de video corto; el límite de la longitud total del video de referencia determina la duración que realmente puedes solicitar.
• resolution — "480p", "720p" o "1080p".
• aspect_ratio — uno de los valores 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, adaptive. Para TikTok/Reels, configúralo directamente en "9:16": no hace falta un paso de recorte aparte, como muestra el ejemplo 1.

El esquema es estricto: los campos fuera de esta lista (seed, ratio, image_urls, audio_urls) se rechazan antes de que empiece la generación. Para la estructura completa de solicitud/respuesta y el tratamiento de errores, consulta la guía de la API de referencia a video.

Enviar una solicitud de video corto

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"
    }
  }'

Esto devuelve inmediatamente un taskId; consulta GET /v1/tasks/{taskId} hasta que status sea "success" y descarga desde output[0].url antes de que caduque. Para la configuración completa de autenticación, consulta la documentación de inicio rápido, y para la referencia de parámetros de este modelo, la página de documentación de Seedance 2.5.

Coste del video corto por lotes

En los datos de precios actuales, 720p cuesta $0.2715 por segundo; 480p cuesta $0.1215/s y 1080p, $0.68/s. Los segundos facturados son la longitud del video de referencia más la longitud de salida, por lo que generar una salida de 4 segundos a partir de un clip de referencia de 5 segundos cuesta aproximadamente $2.44 en 720p. Recorta el clip de referencia a la parte de acción que necesites. Si vas a probar por lotes varias sustituciones de sujeto o variantes de estilo sobre el mismo video de referencia para video corto, el coste por clip se acumula rápidamente: mantén las duraciones de prueba en el mínimo de 4 segundos mientras iteras el prompt y alarga la duración cuando la configuración de referencia esté ajustada.

Preguntas frecuentes

¿Necesito un video de referencia o puedo partir solo de una imagen de referencia? reference_video_urls es obligatorio: al menos una URL de video. reference_image_urls y reference_audio_urls son capas superpuestas y no lo sustituyen.

¿Puedo obtener una salida real en 9:16 sin recortar? Sí: configura aspect_ratio: "9:16" en la solicitud, como muestra el ejemplo 1 anterior. Es un valor de enumeración real en este modelo y no está limitado por la proporción del clip de origen.

¿El audio procede de reference_audio_urls o se genera? Ambas cosas son posibles. El ejemplo 3 anterior usa una referencia explícita @audio1 para marcar el tiempo; el audio del ejemplo 1 se genera de forma nativa, sin referencia de audio independiente. Si necesitas una sincronización temporal concreta con una pista existente, proporciónala mediante reference_audio_urls y referénciala explícitamente en el prompt.

¿Cuánto puede durar el video de referencia? La longitud total de entrada de los videos de referencia tiene un límite de 30 segundos, y el límite de duration de salida también es de 30 segundos: este modelo está hecho para clips cortos, no para material de video largo.

¿Usar más entradas de referencia (video + imagen + audio) sale más caro? No: las imágenes y el audio de referencia no añaden coste. La tarifa de 720p es de $0.2715 por segundo, facturada según la longitud del video de referencia más la longitud de salida.

Si vas a construir un flujo de trabajo de video corto en torno a esto, la guía de la API de referencia a video cubre el ciclo de vida completo de la solicitud, incluidos callbacks y tratamiento de errores, mientras que la página del modelo ofrece un playground en vivo para probar clips de referencia antes de escribir el script.