Seedance 2.5 referência para vídeo: voltado a clipes curtos para TikTok e Reels

seedance-2.5/reference-to-video não parte de um prompt em branco, mas gera um novo clipe a partir do material que você já tem: aponte-o para um vídeo de referência e ele preserva o movimento de câmera, o ritmo e a ação desse clipe, enquanto permite substituir o sujeito, trocar o estilo ou sobrepor uma trilha de referência. Para criação de conteúdo curto, isso decide entre regravar uma ideia de TikTok ou Reels e remixar um bom material em vários clipes. Abaixo estão três clipes reais gerados dessa forma (com os prompts completos) e os campos que realmente importam na saída vertical e de curta duração.

Por que isso combina especialmente com remix de vídeos curtos

Há três pontos que se encaixam muito bem na produção para TikTok/Reels:

• aspect_ratio: "9:16" é um campo realmente configurável, e não um recorte posterior — o modelo renderiza diretamente em vertical.
• reference_video_urls carrega a coreografia de câmera. Se você já tem um material cujo ritmo, montagem e composição atendem ao que precisa, não é necessário redesenhar os planos para experimentar um sujeito ou estilo diferente.
• A duração é curta por design. O limite de duration é de 30 segundos e está vinculado ao comprimento do vídeo de referência que você envia — este modelo foi feito para clipes, não para saídas de vídeo longo.

Exemplo 1: substituir o sujeito e preservar o trajeto de câmera

A referência original é um anúncio de tênis de corrida trail. O prompt preserva a ordem de avanço da câmera e substitui o produto por completo:

Use @video1 estritamente como referência para o avanço da câmera, a rotação do produto, o trajeto de câmera, o ritmo, os close-ups macro e as transições de iluminação. Substitua o tênis inteiramente pelo frasco de perfume em @image1. Em cada plano, preserve o contorno exato do frasco, o tom do vidro âmbar, as proporções da tampa, a posição do rótulo e a aparência de material premium. Apresente-o como um anúncio de perfume de luxo sobre um pedestal de obsidiana escura, com luz de contorno âmbar quente, reflexos controlados, névoa ambiente sutil e detalhes macro precisos. Siga o ritmo visual e a coreografia de câmera de @video1, mantendo o mesmo frasco de perfume do início ao fim. Não transfira cadarços, solas, texturas de tecido ou a geometria do formato do tênis para o frasco. Não acrescente produtos extras, texto de marca legível, logotipos, mãos ou pessoas.

@video1 e @image1 são marcadores de referência no texto do prompt — eles indicam ao modelo qual arquivo enviado cumpre qual papel. Aqui @video1 (o clipe do tênis, passado via reference_video_urls) fornece ação e câmera; @image1 (o frasco de perfume, passado via reference_image_urls) fornece a identidade do sujeito. As instruções negativas ao final ("não transfira cadarços...") são tão importantes quanto a descrição positiva — a menos que você exclua explicitamente, a referência para vídeo traz também detalhes indesejados do clipe de origem. Este foi renderizado em 480p, 9:16, 4 segundos, com áudio gerado nativamente pelo modelo e sincronizado (nenhuma referência de áudio separada foi fornecida para esse clipe).

Exemplo 2: migrar apenas o movimento e mudar todo o resto de estilo

Este usa apenas reference_video_urls — sem referência de imagem ou áudio — e leva a ação para um estilo visual completamente diferente:

Use @video1 como única referência visual. Preserve as marcações reconhecíveis do corgi, o ritmo de corrida, a cadência das passadas, a orientação do corpo, o impulso para frente e o movimento de câmera lateral baixo que acompanha o animal. Reimagine toda a cena como animação stop-motion artesanal feita de feltro, lã, grama em miniatura e cenários de papel desenhados à mão. Mantenha a luz de fundo quente do pôr do sol e o ritmo contínuo de perseguição, com texturas artesanais sutis e profundidade de campo natural. Mantenha o mesmo corgi coerente durante todo o plano, com pernas anatomicamente estáveis, movimento suave para frente e um trajeto de câmera contínuo. Não introduza animais extras, texto, logotipos, cortes abruptos ou objetos irrelevantes.

Este é o modo mais fácil de entender: um vídeo de referência e uma instrução clara que separa o que preservar (cadência, trajeto de câmera) do que mudar (todas as superfícies, materiais e escolhas de iluminação). Quando o objetivo é dar uma virada de estilo a um material existente, e não substituir o sujeito, esta é uma boa escolha padrão.

Exemplo 3: combinar vídeo, imagem e áudio

O modo mais exigente sobrepõe os três tipos de referência e pede ao modelo que sincronize a saída com os pontos temporais do áudio:

Use @video1 como referência para os movimentos das mãos do artesão, a operação na oficina, a coreografia de câmera, a composição macro e a progressão da matéria-prima até a revelação final. Substitua o objeto de vidro original pela escultura de raposa de cristal em @image1. Ao longo de toda a sequência, preserve a geometria facetada translúcida da raposa, as orelhas pontudas, a cauda enrolada, o tom do cristal e as proporções elegantes. Mostre o artesão moldando cuidadosamente a raposa de cristal em uma oficina de vidro aquecida, com ferramentas reais, o brilho do forno, reflexos controlados e mãos fisicamente plausíveis. Use @audio1 simultaneamente como trilha sonora e guia de ritmo temporal. Sincronize as explosões de faíscas do forno com o pulso grave da abertura, os contatos importantes das ferramentas com os efeitos de tinido do vidro e a revelação final da raposa de cristal com o crescendo do último cintilar. Mantenha a raposa como uma escultura de vidro inanimada, sem transformá-la em um animal vivo. Mantenha a mesma oficina, a mesma escultura e uma continuidade temporal fluida. Não adicione texto, logotipos, esculturas extras, mãos deformadas ou mudanças de cena irrelevantes.

@audio1 (passado via reference_audio_urls) é usado aqui como uma trilha temporal explícita — o prompt diz ao modelo qual batida visual deve corresponder a qual ponto do áudio, em vez de apenas pedir "música". Esse nível de instrução é o que torna a sincronização claramente perceptível, em vez de apenas aproximada.

Campos-chave para vídeos curtos

• reference_video_urls (obrigatório, array) — pelo menos uma URL de vídeo pública. Fornece ação, trajeto de câmera e ritmo. Os três exemplos acima usam exatamente uma.
• reference_image_urls (opcional, array) — substitui o sujeito preservando a ação do vídeo de referência, como no exemplo 1.
• reference_audio_urls (opcional, array) — áudio de referência para som, timbre ou sincronização temporal explícita, como no exemplo 3.
• duration — inteiro, de 4 a 30 segundos. Os três exemplos acima usam o limite inferior de 4 segundos, suficiente para uma única batida de vídeo curto; o limite total do vídeo de referência determina a duração máxima que você pode realmente solicitar.
• resolution — "480p", "720p" ou "1080p".
• aspect_ratio — um dos valores 16:9, 4:3, 1:1, 3:4, 9:16, 21:9, adaptive. Para TikTok/Reels, defina diretamente "9:16" — sem etapa separada de recorte, como no exemplo 1.

O schema é estrito: campos fora desta lista (seed, ratio, image_urls, audio_urls) são rejeitados antes do início da geração. A estrutura completa de requisição/resposta e o tratamento de erros estão no guia da API de referência para vídeo.

Enviar uma requisição de vídeo curto

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"
    }
  }'

Isso retorna imediatamente um taskId; consulte GET /v1/tasks/{taskId} até que status seja "success" e baixe de output[0].url antes que expire. A configuração completa de autenticação está na documentação de início rápido, e a referência de parâmetros deste modelo está na página de documentação do Seedance 2.5.

Custo do lote de vídeos curtos

Nos dados de preço atuais, 720p custa US$ 0,2715 por segundo — 480p custa US$ 0,1215/s e 1080p custa US$ 0,68/s. Os segundos cobrados correspondem ao comprimento do vídeo de referência mais o comprimento da saída, então gerar uma saída de 4 segundos a partir de um clipe de referência de 5 segundos custa cerca de US$ 2,44 em 720p. Corte o clipe de referência apenas na parte de ação desejada. Se você for testar em lote várias substituições de sujeito ou variantes de estilo do mesmo vídeo de referência para vídeos curtos, o custo por clipe se acumula rapidamente — mantenha a duração de teste no mínimo de 4 segundos enquanto iterar o prompt e, depois de ajustar a configuração de referência, aumente a duração.

Perguntas frequentes

Preciso de um vídeo de referência ou posso começar apenas com uma imagem de referência? reference_video_urls é obrigatório — pelo menos uma URL de vídeo. reference_image_urls e reference_audio_urls são camadas adicionais e não podem substituí-lo.

Consigo obter uma saída real em 9:16 sem recortar? Sim — defina aspect_ratio: "9:16" na requisição, como no exemplo 1 acima. Esse é um valor de enum real nesse modelo e não fica limitado à proporção do clipe de origem.

O áudio vem de reference_audio_urls ou é gerado? Os dois são possíveis. O exemplo 3 acima usa uma referência explícita de @audio1 para conduzir o tempo; o áudio do exemplo 1 é gerado nativamente, sem referência de áudio separada. Se você precisa de sincronização temporal específica com uma trilha existente, forneça-a via reference_audio_urls e faça referência explícita no prompt.

Qual é o comprimento máximo do vídeo de referência? O limite total da entrada de vídeo de referência é de 30 segundos, e o limite da duration de saída também é de 30 segundos — este modelo foi feito para clipes curtos, não para material de vídeo longo.

Usar mais entradas de referência (vídeo + imagem + áudio) custa mais caro? Não — imagens e áudios de referência não aumentam o custo. A tarifa de 720p é de US$ 0,2715 por segundo, cobrada pelo comprimento do vídeo de referência mais o comprimento da saída.

Se você for construir um pipeline de vídeos curtos em torno disso, o guia da API de referência para vídeo cobre todo o ciclo de vida da requisição, incluindo callbacks e tratamento de erros, e a página do modelo oferece um playground ao vivo para testar clipes de referência antes de escrever o script.