Seedance 2.5 参考生视频：面向短视频 TikTok 与 Reels 片段

seedance-2.5/reference-to-video 不是从空白提示词出发，而是从你已有的素材生成新片段：将它指向一个参考视频，它就能保留该片段的运镜、节奏与动作，同时让你替换主体、改换风格，或叠加参考音轨。对于短视频创作而言，这决定了是重拍一条 TikTok 或 Reels 创意，还是把一条好素材混剪成多条。下面是三个以这种方式生成的真实片段（含完整提示词），以及竖屏、短时长输出真正关键的字段。

为什么这尤其适合短视频混剪

有三点与 TikTok/Reels 制作高度契合：

• aspect_ratio: "9:16" 是真实可设置的字段，而非事后裁剪——模型直接渲染竖屏。
• reference_video_urls 承载运镜编排。如果你已有一条节奏、剪辑与构图都符合要求的素材，就不必为了尝试不同主体或风格而重新设计镜头。
• 时长按设计就很短。duration 上限为 30 秒，并与你输入的参考视频长度挂钩——这个模型是为片段而生，不是为长视频输出。

示例 1：替换主体，保留运镜路径

源参考是一条越野跑鞋广告。提示词保留了镜头推进顺序，并整体替换了产品：

将 @video1 严格作为镜头推进、产品旋转、运镜路径、节奏、微距特写和灯光过渡的参考。将鞋子完全替换为 @image1 中的香水瓶。在每个镜头中保留瓶身精确的轮廓、琥珀色玻璃色泽、瓶盖比例、标签位置和高端材质外观。将其呈现为深色黑曜石台座上的奢华香水广告，配以温暖的琥珀色轮廓光、受控的反光、细腻的环境雾气与精准的微距细节。遵循 @video1 的视觉节奏与运镜编排，同时自始至终保持同一只香水瓶。不得将鞋带、鞋底、织物纹理或鞋形几何结构转移到瓶身上。不得凭空添加额外产品、可读的品牌文字、标志、手或人物。

@video1 与 @image1 是提示词文本中的参考标记——它们告诉模型哪个上传文件承担哪个角色。这里 @video1（鞋子片段，通过 reference_video_urls 传入）提供动作与运镜；@image1（香水瓶，通过 reference_image_urls 传入）提供主体身份。结尾的负面指令（“不得转移鞋带……”）与正面描述同样重要——除非你明确排除，参考生视频会把源片段中的多余细节一并带入。这条以 480p、9:16、4 秒渲染，音频由模型原生生成并同步（该片段未提供单独的音频参考）。

示例 2：仅迁移动作，其余全部改换风格

这条仅使用 reference_video_urls——没有图像或音频参考——将动作带入一种完全不同的视觉风格：

将 @video1 作为唯一的视觉参考。保留柯基犬可辨识的斑纹、奔跑节律、步幅时序、身体朝向、前进动量，以及低位侧向跟拍运镜。将整个场景重新想象为由毛毡、羊毛、微型草地和手绘纸质布景制成的手工定格动画。保留温暖的日落逆光和连续的追逐节奏，并带有细腻的手工质感与自然景深。整个镜头中保持同一只连贯的柯基犬、解剖结构稳定的腿部、平滑的前进动作和连续的运镜路径。不得引入额外动物、文字、标志、突兀剪辑或无关物体。

这是最容易理解的模式：一个参考视频，一条清晰的指令区分要保留什么（节律、运镜路径）与要更改什么（所有表面、材质和灯光选择）。当目标是给现有素材做风格翻转而非替换主体时，这是很好的默认选择。

示例 3：视频、图像与音频三者结合

要求最高的模式会叠加全部三种参考类型，并要求模型将输出与音频的时间点同步：

使用 @video1 作为工匠手部动作、工坊操作、运镜编排、微距构图，以及从原材料到最终揭晓的推进过程的参考。将原本的玻璃物件替换为 @image1 中的水晶狐狸雕塑。在整个序列中保留狐狸半透明的多面几何体、尖耳、卷曲的尾巴、水晶色泽和优雅比例。展示工匠在温暖的玻璃工坊中精心塑造水晶狐狸，配有真实的工具、发光的炉火、受控的反光与物理上合理的手部。将 @audio1 同时作为配乐和时间节奏指南。将炉火迸发与开场的低沉脉冲同步，将重要的工具接触与玻璃清鸣音效同步，将最终水晶狐狸的揭晓与最后一次闪烁的渐强同步。保持狐狸是无生命的玻璃雕塑，不要把它变成活的动物。保持同一个工坊、同一件雕塑和流畅的时间连续性。不得添加文字、标志、额外雕塑、变形的手或无关的场景变化。

@audio1（通过 reference_audio_urls 传入）在这里被用作明确的时间轨——提示词告诉模型哪个视觉节拍应对应音频中的哪个时间点，而不只是要求“音乐”。这种程度的指令才能让同步清晰可辨，而非大致近似。

短视频的关键字段

• reference_video_urls（必填，数组）——至少一个公开视频 URL。它提供动作、运镜路径与节奏。上面三个示例都恰好使用一个。
• reference_image_urls（可选，数组）——在保留参考视频动作的同时替换主体，如示例 1 所示。
• reference_audio_urls（可选，数组）——用于声音、音色或明确时间同步的参考音频，如示例 3 所示。
• duration——整数，4 到 30 秒。上面三个示例都使用了 4 秒下限，足以承载单个短视频节拍；参考视频的总长度上限决定你实际能要求多长的时长。
• resolution——"480p"、"720p" 或 "1080p"。
• aspect_ratio——取值为 16:9、4:3、1:1、3:4、9:16、21:9、adaptive 之一。对于 TikTok/Reels，直接设为 "9:16"——无需单独的裁剪步骤，如示例 1 所示。

schema 是严格的：此列表之外的字段（seed、ratio、image_urls、audio_urls）会在生成开始前被拒绝。完整的请求/响应结构与错误处理，见参考生视频 API 指南。

提交短视频请求

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"
    }
  }'

这会立即返回一个 taskId；轮询 GET /v1/tasks/{taskId} 直到 status 为 "success"，并在过期前从 output[0].url 下载。完整的鉴权设置见快速入门文档，该模型的参数参考见 Seedance 2.5 文档页。

短视频批量的成本

当前定价数据中，720p 为每秒 $0.2715——480p 为 $0.1215/秒，1080p 为 $0.68/秒。计费秒数为参考视频长度加上输出长度，因此从 5 秒参考片段生成 4 秒输出，720p 下约为 $2.44。请将参考片段裁剪到所需的动作部分。如果你要为短视频批量测试同一参考视频的多个主体替换或风格变体，每条片段的成本会迅速累积——在迭代提示词时把测试时长保持在 4 秒下限，等参考设置调好后，再延长时长。

常见问题

我需要参考视频吗，还是可以仅从参考图像开始？ reference_video_urls 是必填的——至少一个视频 URL。reference_image_urls 和 reference_audio_urls 是叠加层，不能替代它。

我能获得真正的 9:16 输出而不裁剪吗？ 可以——在请求中设置 aspect_ratio: "9:16"，如上面示例 1 所示。这是该模型上真实的枚举值，不受源片段比例限制。

音频是来自 reference_audio_urls，还是生成的？ 两者皆可。上面示例 3 使用显式的 @audio1 参考来驱动时间；示例 1 的音频是原生生成的，没有单独的音频参考。如果你需要与现有音轨进行特定的时间同步，请通过 reference_audio_urls 提供，并在提示词中明确引用。

参考视频可以多长？ 参考视频输入总长上限为 30 秒，输出 duration 上限也是 30 秒——这个模型为短片段而生，而非长视频素材。

使用更多参考输入（视频 + 图像 + 音频）会更贵吗？ 不会——参考图像和音频不增加费用。720p 的费率是每秒 $0.2715，按参考视频长度加输出长度计费。

如果你要围绕这个构建短视频流水线，参考生视频 API 指南涵盖了完整的请求生命周期，包括回调和错误处理，模型页则提供了实时演练场，可在编写脚本前测试参考片段。