Prompts de vídeo de primeiro frame do Seedance 2.0 Ext: ancoragem e interpolação

A maioria das pessoas encontra o mesmo modo de falha ao escrever prompts para um clipe de vídeo de narrativa contínua: o frame de abertura corresponde ao esperado, mas aos 8 segundos o modelo já se desviou — as proporções do robô mudaram, a cor da névoa mudou, o movimento de câmera não pousou onde a história precisa. O Seedance 2.0 Ext resolve esse problema com duas estratégias de ancoragem diferentes, e escolher a estratégia errada para o seu caso é a diferença entre um plano limpo de 12 segundos e três regenerações desperdiçadas.

As duas técnicas abaixo vêm do mesmo mundo narrativo — uma cidade montanhosa encharcada de chuva, um monotrilho laranja e branco, e um pequeno robô de manutenção reparando um conector de teto danificado — e rodam no exatamente mesmo modelo seedance-2.0@ext. A única coisa que muda é quais frames você ancora.

A mesma história, duas estratégias de prompt diferentes

Ancoragem no primeiro frame dá ao modelo um ponto de partida fixo (uma imagem de referência) e o deixa improvisar tudo o que vem depois — movimento de câmera, ritmo, e onde o plano finalmente termina. Interpolação entre primeiro e último frame dá a ele dois pontos fixos, início e fim, e o modelo preenche um caminho contínuo entre eles. Os prompts, o sound design e a continuidade do sujeito nos dois clipes abaixo são praticamente idênticos; o que difere é apenas o mecanismo de controle.

Técnica 1: Ancoragem rígida no primeiro frame

Este clipe ancora apenas o frame de abertura e depois deixa a câmera completar livremente um travelling ininterrupto — da altura dos trilhos, à altura do teto, e então um recuo que revela a cidade inteira.

Use a imagem fornecida como o primeiro frame exato e âncora visual rígida: mantenha o mesmo robô de manutenção laranja e branco original, a mesma cidade montanhosa chuvosa, a mesma geometria do monotrilho, o material molhado dos trilhos, a luz âmbar do trem e a névoa azul. Curta-metragem de ação cinematográfico vertical de 12 segundos, um travelling contínuo ininterrupto, sem cortes. 0-3s: comece a partir do frame exato fornecido; a câmera está a alguns centímetros acima dos trilhos encharcados de chuva, depois acelera para frente e ligeiramente para cima em direção ao teto. As poças ondulam com a vibração dos trilhos, a chuva bate naturalmente na lente. 3-7s: acompanhe ao lado do teto do monotrilho em movimento; o pequeno robô de manutenção se firma contra o vento e puxa o cabo de alta tensão laranja pesado e solto em direção ao conector de teto danificado. Mostre o peso real do cabo, a tensão, o atrito do metal, a vibração das rodas e os respingos de água. 7-10s: um breve arco elétrico azul estala pelo vão; o robô trava o cabo no lugar. As luzes do trem piscam uma vez e voltam a acender, projetando reflexos quentes sobre os trilhos inundados. 10-12s: a câmera sobe e recua, o monotrilho reparado atravessa a névoa de chuva sobre o viaduto, revelando a cidade montanhosa em camadas; termina com a silhueta do robô contra as luzes restauradas e um relâmpago ao longe. Som: impacto de gotas de chuva próximas, vibração dos trilhos molhados, zumbido elétrico grave, clique nítido de travamento do cabo, uma única onda de energia controlada, trovão distante. Sem diálogo, sem texto na tela, sem logotipos, sem estilo anime, sem geometria distorcida do trem, sem robôs extras, sem membros sobrando, sem cortes secos.

Este prompt se sustenta sobre três coisas:

• «Âncora visual rígida» mais uma lista explícita de sujeitos. Nomear o robô, a cidade, a geometria do monotrilho, o material dos trilhos e a cor da luz antes de qualquer ação começar força o modelo a travar essas características desde o frame zero, em vez de deixá-las derivar depois que a câmera começa a se mover.
• Batidas com marcação de tempo (0-3s, 3-7s, 7-10s, 10-12s). Cada batida descreve um enquadramento e uma ação física — acelerar, acompanhar, arco elétrico e travamento, recuar. O Seedance 2.0 Ext segue batidas com tempo de forma muito mais confiável do que uma única descrição de ação não segmentada.
• Uma lista negativa voltada aos modos de falha reais deste modelo, em vez de generalidades: geometria distorcida do trem e membros sobrando são exatamente os artefatos que aparecem quando tomadas do tipo «robô em pé sobre um veículo em movimento» dão errado, então nomeá-los diretamente os suprime.

Técnica 2: Interpolação entre primeiro e último frame

Este clipe conta praticamente a mesma história, mas também trava a composição final — útil quando o frame final precisa corresponder a algo específico, como uma transição para o próximo plano, ou uma composição exata do sujeito.

Crie um plano cinematográfico vertical contínuo de 12 segundos, interpolando estritamente entre o primeiro frame fornecido e o último frame fornecido. A primeira imagem é o estado inicial exato; a segunda imagem é o estado final exato. Mantenha em todo o percurso o mesmo monotrilho laranja e branco, o robô de manutenção laranja original, o cabo de teto laranja reparado, a cidade montanhosa chuvosa, o material molhado dos trilhos, a luz âmbar e a névoa azul. 0-3s: comece a partir da visão do primeiro frame na altura dos trilhos, acelere para frente ao longo dos trilhos molhados em direção ao teto. 3-7s: acompanhe ao lado do teto, o robô se firma contra o vento e puxa o cabo laranja pesado em direção ao conector de teto danificado; mostre a tensão natural do cabo, o atrito do metal, a chuva e os respingos. 7-9s: breve arco elétrico azul, o cabo trava no lugar, as luzes do trem piscam e se estabilizam. 9-12s: a câmera se move suavemente para trás e para cima do trem, até atingir exatamente a composição do último frame fornecido: a parte traseira completa do trem se afastando, os dois trilhos molhados paralelos claramente visíveis e contínuos desde o trem em primeiro plano, atravessando o viaduto ferroviário e convergindo atrás da ponte. Nunca mostre a parte frontal do trem no trecho final. Mantenha a geometria ferroviária fisicamente coerente, com a continuidade dos trilhos claramente visível em cada momento. Som: impacto de gotas de chuva, vibração dos trilhos molhados, zumbido elétrico grave, clique de travamento do cabo, onda de energia controlada, trovão distante. Sem diálogo, sem texto, sem logotipos, sem anime, sem ponte rodoviária, sem plataforma sem trilhos, sem trilhos faltando, sem robôs extras, sem membros sobrando, sem cortes secos.

Em comparação com a técnica 1, o que muda é:

• «Interpolando estritamente entre o primeiro frame fornecido e o último frame fornecido» aparece já na primeira frase. É a instrução que diz ao modelo que ele tem um ponto final fixo, não apenas um ponto inicial fixo — o resto do prompt descreve o caminho que conecta os dois.
• O final é deliberadamente superespecificado: «a parte traseira completa do trem se afastando», «os dois trilhos molhados paralelos claramente contínuos», «nunca mostre a parte frontal do trem no trecho final». Quando você fixa um frame final, a formulação vaga sobre a composição final é exatamente onde a interpolação deriva — a solução é descrever os últimos 2-3 segundos com o mesmo nível de detalhe geométrico das batidas de abertura.
• Novos termos negativos para o plano final — «sem ponte rodoviária, sem plataforma sem trilhos, sem trilhos faltando» — porque o movimento da câmera em direção à visão de três quartos traseira é justamente onde este modelo tende a perder a continuidade dos trilhos.

Qual técnica você deve usar?

Escolha a ancoragem no primeiro frame quando a continuidade com uma imagem existente importar mais do que um final exato — tomadas de produto que precisam «ganhar vida» a partir de uma foto estática, ou qualquer cenário em que você queira que o modelo improvise o movimento de câmera e o timing.

Escolha a interpolação entre primeiro e último frame quando a composição final for a estrutura crítica — o frame precisa corresponder a um ponto de corte, voltar ao frame inicial de um loop, ou pousar em um ângulo específico para uma miniatura ou para o próximo plano da sequência. O preço é menos liberdade de improvisação, em troca de um pouso garantido.

Reproduza as duas técnicas com /v1/tasks

As duas técnicas usam o mesmo id de modelo seedance-2.0@ext — e não o id puro seedance-2.0, que é outra rota sem suporte a ancoragem por imagem. A única diferença no corpo da requisição é se você fornece ou não last_frame_url.

Ancoragem no primeiro frame (apenas first_frame_url):

{
  "model": "seedance-2.0@ext",
  "input": {
    "prompt": "Use a imagem fornecida como o primeiro frame exato e âncora visual rígida… (prompt completo acima)",
    "first_frame_url": "https://your-storage.example.com/anchor-frame.jpg",
    "aspect_ratio": "9:16",
    "duration": 12,
    "resolution": "1080p",
    "generate_audio": true
  }
}

Interpolação entre primeiro e último frame (first_frame_url + last_frame_url):

{
  "model": "seedance-2.0@ext",
  "input": {
    "prompt": "Crie um plano cinematográfico vertical contínuo de 12 segundos, interpolando estritamente… (prompt completo acima)",
    "first_frame_url": "https://your-storage.example.com/first-frame.jpg",
    "last_frame_url": "https://your-storage.example.com/last-frame.jpg",
    "aspect_ratio": "9:16",
    "duration": 12,
    "resolution": "1080p",
    "generate_audio": true
  }
}

Faça POST de qualquer um dos corpos de requisição em /v1/tasks, depois consulte GET /v1/tasks/{taskId} até o status ser success, e baixe imediatamente output[0].url — esses links expiram.

O preço da rota @ext depende apenas da resolução e da duração, confirmado com o endpoint de preço em tempo real:

Resolução	Preço por segundo	Clipe de 12 segundos
720p	$0.149	$1.79
1080p	$0.373	$4.48
4K	$0.467	$5.60

Ancorar um frame ou dois custa o mesmo — você não paga a mais por last_frame_url.

Perguntas frequentes

O seedance-2.0@ext suporta imagem para vídeo, ou apenas texto? Suporta os dois. Apenas first_frame_url já possibilita imagem para vídeo com movimento de câmera livre; adicione last_frame_url para fazer interpolação entre primeiro e último frame entre duas imagens fixas.

Posso usar last_frame_url sem first_frame_url? Não — sempre que last_frame_url estiver presente, a API exige first_frame_url. Você não pode ancorar apenas o final.

Por que usar seedance-2.0@ext em vez do id de modelo base seedance-2.0? A rota @ext é a que traz suporte a ancoragem por imagem (first_frame_url/last_frame_url) e entradas de referência para vídeo, além de ter seu próprio nível de preço. A rota base é outra linha de produto, mais restrita.

Que resolução escolher para tomadas narrativas como essas? 1080p é o padrão prático para qualquer conteúdo que vá ser publicado — 720p é visivelmente mais suave em detalhes finos como cabos e texturas de chuva, enquanto 4K custa cerca de três vezes mais que 720p, o que não compensa para um clipe narrativo que o público raramente assiste na resolução nativa.

Experimente você mesmo

Os dois clipes acima foram gerados pela página do modelo Seedance 2.0 Ext da hiapi, onde você pode ver o schema completo de parâmetros e testar prompts diretamente no playground. Se você quiser mais pontos de partida copiáveis para este modelo, receitas de prompt do Seedance 2.0 Ext reúne mais algumas, e esta análise de travessia POV em um único plano explica uma terceira técnica de controle de câmera no mesmo modelo.